Développement de modèles dans une instance de notebooks gérés

Cette page décrit les méthodes les plus courantes pour développer un modèle de machine learning (ML) dans les notebooks gérés Vertex AI Workbench. Vous pouvez utiliser des packages Python préinstallés couramment utilisés pour le développement de modèles de ML, l'entraînement personnalisé Vertex AI et BigQuery ML.

Packages Python courants

Par défaut, les instances de notebooks gérés sont pré-installées avec des packages Python couramment utilisés pour le développement de modèles. Importez ces packages dans votre fichier notebook pour qu'ils soient prêts à l'emploi.

Entraînement personnalisé Vertex AI

Vous pouvez utiliser l'entraînement personnalisé Vertex AI pour créer et entraîner des modèles à partir de votre instance de notebooks gérés.

Installez l'une des bibliothèques clientes Vertex AI sur votre instance ou utilisez l'API Vertex AI pour envoyer des requêtes API à partir d'un fichier notebook Jupyter.

BigQuery ML

BigQuery ML vous permet d'entraîner des modèles qui utilisent vos données BigQuery directement depuis votre instance de notebooks gérés. Par exemple, à l'aide du client Python pour BigQuery, vous pouvez envoyer des commandes SQL à partir de votre fichier notebook pour créer un modèle, puis utiliser ce modèle pour obtenir des prédictions par lot.

BigQuery ML exploite le moteur de calcul BigQuery. Vous n'avez donc pas besoin de déployer les ressources de calcul nécessaires pour les prédictions par lot ou l'entraînement de modèle. Cela peut réduire le temps nécessaire pour configurer l'entraînement, l'évaluation et la prédiction.

Étapes suivantes