Programação de modelos numa instância de notebooks geridos

Esta página descreve formas comuns de desenvolver um modelo de aprendizagem automática (ML) em notebooks geridos do Vertex AI Workbench. Pode usar pacotes Python pré-instalados que são usados frequentemente para o desenvolvimento de modelos de ML, a preparação personalizada do Vertex AI e o BigQuery ML.

Pacotes Python comuns

Por predefinição, as instâncias de blocos de notas geridos são pré-instaladas com pacotes Python que são usados frequentemente para o desenvolvimento de modelos. Importe estes pacotes para o ficheiro do bloco de notas e estão prontos a usar.

Preparação personalizada do Vertex AI

Pode usar a preparação personalizada do Vertex AI para criar e preparar modelos a partir da instância de blocos de notas geridos.

Instale uma das bibliotecas de cliente do Vertex AI na sua instância ou use a API Vertex AI para enviar pedidos de API a partir de um ficheiro de bloco de notas Jupyter.

BigQuery ML

Com o BigQuery ML, pode formar modelos que usam os seus dados do BigQuery, tudo a partir da sua instância de blocos de notas geridos. Por exemplo, ao usar o cliente Python para o BigQuery, pode enviar comandos SQL do seu ficheiro de bloco de notas para criar um modelo e, em seguida, usar o modelo para obter previsões em lote.

O BigQuery ML tira partido do motor computacional do BigQuery, pelo que não precisa de implementar os recursos de computação necessários para as previsões em lote ou a preparação de modelos. Isto pode reduzir o tempo necessário para configurar a formação, a avaliação e a previsão.

O que se segue?