Sie können ein verwaltetes Dataset verwenden, um die Quelldaten zum Trainieren von AutoML- und benutzerdefinierten Modellen auf der Gemini Enterprise Agent Platform bereitzustellen. Ein verwaltetes Dataset ist für AutoML erforderlich und für das benutzerdefinierte Training optional.
Berechtigungen und Zugriffssteuerung
Wenn Sie Daten aus einem Cloud Storage-Bucket verwenden, um ein Dataset zu erstellen, benötigt die Agent Platform Berechtigungen für den Zugriff auf die Daten. Die Agent Platform verwendet ein spezielles von Google verwaltetes Dienstkonto, das als Dienst-Agent bezeichnet wird, um sicher auf Ihre Daten zuzugreifen. Weitere Informationen zu den erforderlichen Rollen und zur Funktionsweise des Service-Agents finden Sie unter Zugriffssteuerung mit IAM.
Verwaltetes Dataset für AutoML-Modelle erstellen
Sie können verwaltete Datasets zum Trainieren von AutoML-Modellen mithilfe derGoogle Cloud Console oder der Agent Platform API erstellen. Die Anleitung dazu variiert je nach Datentyp und Modellziel geringfügig. Beginnen Sie mit dem Vorbereiten Ihrer Trainingsdaten.
Bild
Erfahren Sie, wie Sie ein verwaltetes Dataset für die folgenden Arten von AutoML-Modellen für Bilder erstellen:
Tabellarisch
Erfahren Sie, wie Sie ein verwaltetes Dataset für die folgenden Arten von tabellarischen AutoML-Modellen erstellen:
Verwaltetes Dataset für benutzerdefinierte trainierte Modelle erstellen
Die Anleitung zum Erstellen eines verwalteten Datasets zum Trainieren benutzerdefinierter Modelle ist unabhängig vom Datentyp oder Modellziel.
Weitere Informationen finden Sie unter Verwaltete Datasets verwenden.
Verwaltete Datasets mit Knowledge Catalog ansehen
Knowledge Catalog ist ein vollständig verwalteter, skalierbarer Dienst zur Metadatenverwaltung, ein zentraler Ort für die projekt- und regionenübergreifende Suche nach Datasets. Es ist in Vertex AI eingebunden und bietet ähnliche Funktionen wie das eingestellte Data Catalog.
Mit Knowledge Catalog können Sie Ihre Daten mit Aspekten (die Data Catalog-Tags ähneln) ermitteln, analysieren und anreichern.
Weitere Informationen zum Verwalten von Metadaten und Aspekten für Ihre Vertex AI-Ressourcen finden Sie im Knowledge Catalog unter Aspekte verwalten und Metadaten anreichern.