Desenvolvimento de modelos em uma instância de notebooks gerenciados

Nesta página, descrevemos maneiras comuns de desenvolver um modelo de machine learning (ML) em notebooks gerenciados do Vertex AI Workbench. É possível usar pacotes Python pré-instalados que são comumente usados para desenvolvimento de modelos de ML, treinamento personalizado da Vertex AI e BigQuery ML.

Pacotes Python comuns

Por padrão, as instâncias de notebooks gerenciados são pré-instaladas com pacotes do Python que são normalmente usados para o desenvolvimento de modelos. Importe esses pacotes para seu arquivo de notebook e eles estarão prontos para uso.

Treinamento personalizado da Vertex AI

É possível usar o treinamento personalizado da Vertex AI para criar e treinar modelos a partir da instância de notebooks gerenciados.

Instale uma das bibliotecas de cliente da Vertex AI na instância ou use a API Vertex AI para enviar solicitações de API de um arquivo de notebook do Jupyter.

BigQuery ML

Com o BigQuery ML, é possível treinar modelos que usam seus dados do BigQuery, tudo isso na instância de notebooks gerenciados. Por exemplo, ao usar o cliente Python para o BigQuery, é possível enviar comandos SQL do seu arquivo de notebook para criar um modelo e usá-lo para receber previsões em lote.

O BigQuery ML usa o mecanismo computacional do BigQuery. Assim, você não precisa implantar os recursos de computação necessários para previsões em lote ou treinamento de modelo. Isso pode reduzir o tempo necessário para configurar o treinamento, a avaliação e a previsão.

A seguir