Tutoriais de notebooks de avaliação de modelos da Agent Platform

Este documento contém uma lista de tutoriais de notebook disponíveis para avaliação de modelos da plataforma do agente. Estes tutoriais completos ajudam você a começar a usar a avaliação de modelos da Agent Platform e oferecem ideias de como implementar um projeto específico.

Há muitos ambientes em que você pode hospedar notebooks. É possível executá-los na nuvem usando um serviço como o Colaboratory (Colab), o Colab Enterprise ou o Agent Platform Workbench. Ou faça o download dos notebooks do GitHub e execute-os na sua máquina local ou em uma implementação do JupyterLab na sua rede local.

Colab

Para abrir o tutorial de um bloco no Colab, clique no link Colab na lista de blocos. O Colab cria uma instância de VM com todas as dependências necessárias, inicia o ambiente do Colab e carrega o notebook.

Colab Enterprise

Para abrir um tutorial de notebook no Colab Enterprise, faça o seguinte:

Configure um projeto do Google Cloud e ative as APIs necessárias.
Clique no link Colab Enterprise na lista de notebooks. O Colab Enterprise carrega o notebook.

Workbench da plataforma de agentes

Para abrir um tutorial de notebook no Workbench da plataforma de agentes, faça o seguinte:

Crie uma instância do Workbench da plataforma de agentes.
Clique no link do Vertex AI Workbench na lista de blocos.
Selecione uma instância ativa do Agent Platform Workbench. Se nenhuma das suas instâncias estiver em execução, selecione uma e clique em Iniciar. Depois que a instância for iniciada, selecione-a novamente.
Clique em Implantar.
Na página Confirmar implantação no servidor de notebook, selecione Confirmar. O Workbench da plataforma do agente carrega o notebook.
Na caixa de diálogo Selecionar kernel, selecione Python 3 e clique em Selecionar.

GitHub

Para fazer o download de um tutorial de notebook do GitHub, faça o seguinte:

Clique no link GitHub na lista de notebooks.
No GitHub, clique no botão Download raw file (Fazer o download do arquivo bruto).
Preencha a caixa de diálogo para fazer o download do notebook.

Lista de notebooks

Serviços	Descrição	Abrir em
Classificação para dados tabulares	Previsão e treinamento tabular do AutoML Saiba como treinar e fazer previsões em um modelo do AutoML baseado em um conjunto de dados tabular. Saiba mais sobre a classificação de dados tabulares. Etapas do tutorial Crie um job de treinamento de modelo da plataforma de agentes. Treinar um modelo tabular do AutoML. Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma previsão ao enviar dados. Desfazer a implantação do recurso de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Receber previsões de um modelo de classificação de imagens	Modelo de classificação de imagem de treinamento do AutoML para previsão em lote. Neste tutorial, você criará um modelo de classificação de imagens do AutoML com um script Python e, em seguida, fará uma predição em lote usando o SDK Vertex. Saiba mais sobre Como receber predições de um modelo de classificação de imagem. Etapas do tutorial Criar um recurso de conjunto de dados Vertex. Treine o modelo. Visualizar o modelo de avaliação Fazer uma previsão em lote.	Colab Colab Enterprise GitHub Vertex AI Workbench
Receber previsões de um modelo de classificação de imagens	Modelo de classificação de imagem de treinamento da AutoML para previsão on-line Neste tutorial, você criará um modelo de classificação de imagens do AutoML e implantará para previsão on-line com um script Python usando o SDK Vertex. Saiba mais sobre Como receber predições de um modelo de classificação de imagem. Etapas do tutorial Crie um recurso `Dataset` da Vertex. Treine o modelo. Visualizar o modelo de avaliação Implantar o recurso `Model` em um recurso `Endpoint` de veiculação. Fazer uma previsão. Desfaça a implantação de `Model`.	Colab Colab Enterprise GitHub Vertex AI Workbench
AutoML	Modelo de detecção de objetos de imagem de treinamento do AutoML para exportação para a borda. Neste tutorial, você criará um modelo de detecção de objetos de imagem do AutoML com um script Python usando o SDK Vertex e exportará o modelo como um modelo de borda no formato TFLite. Etapas do tutorial Criar um recurso de conjunto de dados Vertex. Treine o modelo. Exportar o modelo de borda do recurso de modelo para o Cloud Storage. Faça o download do modelo localmente. Fazer uma previsão local	Colab Colab Enterprise GitHub Vertex AI Workbench
Detecção de objetos para dados de imagem	Modelo de detecção de objetos de imagem de treinamento do AutoML para previsão on-line. Neste tutorial, você cria um modelo de detecção de objetos de imagem do AutoML e implanta a previsão on-line de um script Python usando o SDK da plataforma de agentes. Saiba mais sobre a detecção de objetos para dados de imagem. Etapas do tutorial Crie um recurso de conjunto de dados da plataforma de agentes. Treine o modelo. Visualizar o modelo de avaliação Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma previsão. Remover a implantação do modelo	Colab Colab Enterprise GitHub Vertex AI Workbench
Fluxo de trabalho tabular para o AutoML E2E	Pipelines de fluxo de trabalho tabular do AutoML. Saiba como criar dois modelos de regressão usando os pipelines da plataforma de agentes baixados dos componentes de pipeline do Google Cloud . Saiba mais sobre o Fluxo de trabalho tabular para o AutoML E2E. Etapas do tutorial Criar um pipeline de treinamento que reduza o espaço de pesquisa do padrão para poupar tempo. Criar um pipeline de treinamento que reutilize os resultados da pesquisa de arquitetura do pipeline anterior para economizar tempo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento do AutoML	Primeiros passos no treinamento do AutoML. Saiba como usar `AutoML` para treinamento com `Agent Platform`. Saiba mais sobre o treinamento do AutoML. Etapas do tutorial Treinar um modelo de imagem Exportar o modelo de imagem como um modelo de borda Treinar um modelo tabular Exportar o modelo tabular como um modelo de nuvem Treinar um modelo de texto	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsão hierárquica de dados tabulares	Previsão hierárquica de treinamento do AutoML da plataforma de agentes para predição em lote. Neste tutorial, você cria um modelo de previsão hierárquica do AutoML e o implanta para predição em lote usando o SDK da plataforma de agentes para Python. Saiba mais sobre a Previsão hierárquica de dados tabulares. Etapas do tutorial Criar um recurso "TimeSeriesDataset" da plataforma de agentes. Treine o modelo. Visualizar o modelo de avaliação Fazer uma previsão em lote.	Colab Colab Enterprise GitHub Vertex AI Workbench
Detecção de objetos para dados de imagem	Modelo de detecção de objetos de imagem de treinamento do AutoML para previsão em lote. Neste tutorial, você cria um modelo de detecção de objetos de imagem do AutoML usando um script Python e, em seguida, faz uma previsão em lote usando o SDK da plataforma de agentes para Python. Saiba mais sobre a detecção de objetos para dados de imagem. Etapas do tutorial Criar um recurso de conjunto de dados Vertex. Treine o modelo. Visualizar o modelo de avaliação Fazer uma previsão em lote.	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsão com o AutoML	Modelo de previsão tabular do AutoML para previsão em lote. Saiba como criar um modelo de previsão tabular do AutoML com um script Python e, em seguida, gerar uma predição em lote usando o SDK da plataforma de agentes. Saiba mais sobre Como fazer previsões com o AutoML. Etapas do tutorial Crie um recurso de conjunto de dados da plataforma de agentes. Treinar um recurso de modelo de previsão tabular do AutoML. Conseguir as métricas de avaliação do recurso de modelo. Fazer uma previsão em lote.	Colab Colab Enterprise GitHub Vertex AI Workbench
Regressão para dados tabulares	Modelo de regressão tabular do treinamento de AutoML para previsão em lote usando o BigQuery. Saiba como criar um modelo de regressão tabular do AutoML e implantá-lo para previsão em lote usando o SDK da plataforma de agentes para Python. Saiba mais sobre regressão para dados tabulares. Etapas do tutorial Crie um recurso de conjunto de dados da plataforma de agentes. Treine um recurso de modelo de regressão tabular do AutoML. Conseguir as métricas de avaliação do recurso de modelo. Fazer uma previsão em lote.	Colab Colab Enterprise GitHub Vertex AI Workbench
Regressão para dados tabulares	Modelo de regressão tabular do treinamento de AutoML para previsão on-line usando o BigQuery. Saiba como criar um modelo de regressão tabular do AutoML e implantar para previsão on-line a partir de um script Python usando o SDK da plataforma de agentes. Saiba mais sobre regressão para dados tabulares. Etapas do tutorial Criar um recurso de conjunto de dados Vertex. Treine o modelo. Visualizar o modelo de avaliação Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma previsão. Remover a implantação do modelo	Colab Colab Enterprise GitHub Vertex AI Workbench
BigQuery ML	Comece a usar o BigQuery ML Training. Saiba como usar o BigQuery ML para treinamento com a plataforma de agentes. Saiba mais sobre o BigQuery ML. Etapas do tutorial Criar uma tabela local do BigQuery no seu projeto Treinar um modelo do BigQuery ML Avaliar o modelo do BigQuery ML Exportar o modelo do BigQuery ML como um modelo de nuvem Fazer upload do modelo exportado como um recurso de modelo da plataforma de agentes Ajustar hiperparâmetros de um modelo do BigQuery ML com o Agent Platform Vizier Registrar automaticamente um modelo do BigQuery ML no Agent Platform Model Registry	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado Inferência da Agent Platform	Como implantar o modelo de detecção de íris usando a API Fast Service e a exibição de contêiner personalizado da plataforma de agentes. Saiba como criar, implantar e disponibilizar um modelo de classificação personalizado na plataforma de agentes. Saiba mais sobre o treinamento personalizado. Saiba mais sobre a inferência da plataforma de agentes. Etapas do tutorial Treine um modelo que usa as medidas de flor como entrada para prever a classe da íris. Salve o modelo e o pré-processador serializado. Crie um servidor FastAPI para processar previsões e verificações de integridade. Crie um contêiner personalizado com artefatos de modelo. Fazer upload e implantar o contêiner personalizado nos endpoints da plataforma de agentes	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Como treinar um modelo do TensorFlow com dados do BigQuery Saiba como criar um modelo treinado personalizado com um script Python em um contêiner do Docker usando o SDK da plataforma de agentes para Python e, em seguida, receber uma previsão do modelo implantado enviando dados. Saiba mais sobre o Vertex AI Training. Etapas do tutorial Criar um `TrainingPipeline` personalizado da plataforma de agentes para treinar um modelo. Treinar um modelo do TensorFlow Implantar o recurso `Model` em um recurso `Endpoint` de veiculação. Fazer uma previsão. Cancelar a implantação do recurso `Model`.	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado	Treinamento personalizado com imagem de contêiner personalizado e upload automático do modelo para o Agent Platform Model Registry. Neste tutorial, você treinará uma abordagem de imagem de contêiner personalizado de um modelo de machine learning para treinamento personalizado na plataforma de agentes. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Criar um job personalizado da plataforma de agentes para treinar um modelo. Treine e registre um modelo do TensorFlow usando um contêiner personalizado. Liste o modelo registrado no Model Registry da plataforma de agentes.	Colab Colab Enterprise GitHub Vertex AI Workbench
Cloud Profiler	Gere um perfil de desempenho do treinamento de modelo usando o Cloud Profiler. Saiba como ativar o Cloud Profiler para jobs de treinamento personalizado. Saiba mais sobre o Cloud Profiler. Etapas do tutorial Criar uma conta de serviço e um bucket do Cloud Storage Criar uma instância do TensorBoard da plataforma de agentes Criar e executar um job de treinamento personalizado Ver o painel do Cloud Profiler	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado	Comece a usar o Vertex AI Training para XGBoost. Saiba como usar o Vertex AI Training para treinar um modelo personalizado do XGBoost. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Treinamento usando um pacote Python. Gerar relatórios de precisão ao ajustar hiperparâmetros. Salve os artefatos do modelo no Cloud Storage usando o Cloud StorageFuse. Crie um recurso de modelo da plataforma de agentes.	Colab Colab Enterprise GitHub Vertex AI Workbench
Recursos compartilhados entre implantações	Primeiros passos com o endpoint e a VM compartilhada. Saiba como usar pools de recursos de implantação para implantar modelos. Saiba mais sobre recursos compartilhados em implantações. Etapas do tutorial Fazer o upload de um modelo de classificação de imagem pré-treinado como um recurso `Model` (modelo A). Fazer upload de um modelo pré-treinado de codificador de sentenças de texto como um recurso `Model` (modelo B). Crie um pool de recursos de implantação de VM compartilhada. Listar pools de recursos de implantação de VM compartilhada. Criar dois recursos `Endpoint`. Implantar o primeiro modelo (modelo A) no primeiro recurso `Endpoint` usando o pool de recursos de implantação. Implantar o segundo modelo (modelo B) no segundo recurso `Endpoint` usando o pool de recursos de implantação. Faça uma solicitação de previsão com o primeiro modelo implantado (modelo A). Faça uma solicitação de previsão com o segundo modelo implantado (modelo B).	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado Previsão em lote da plataforma do agente	Treinamento personalizado e previsão em lote. Saiba como usar o treinamento da Vertex AI para criar um modelo treinado personalizado e como usar a previsão em lote da plataforma de agentes para fazer uma previsão em lote no modelo treinado. Saiba mais sobre o treinamento personalizado. Saiba mais sobre a previsão em lote da plataforma de agentes. Etapas do tutorial Crie um job personalizado da plataforma de agentes para treinar um modelo do TensorFlow. Fazer upload dos artefatos do modelo treinado como um recurso de modelo. Fazer uma previsão em lote.	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado Inferência da Agent Platform	Treinamento personalizado e previsão on-line Saiba como usar `Vertex AI Training` para criar um modelo treinado personalizado com um script Python em um contêiner do Docker e como usar `Agent Platform Inference` para fazer previsões no modelo implantado enviando dados. Saiba mais sobre o treinamento personalizado. Saiba mais sobre a inferência da plataforma de agentes. Etapas do tutorial Criar um job personalizado `Agent Platform` para treinar um modelo do TensorFlow. Faça upload dos artefatos do modelo treinado em um recurso `Model`. Crie um recurso `Endpoint` em veiculação. Implantar o recurso `Model` em um recurso `Endpoint` de veiculação. Fazer uma previsão. Cancelar a implantação do recurso `Model`.	Colab Colab Enterprise GitHub Vertex AI Workbench
Conjuntos de dados do BigQuery Plataforma de agentes para usuários do BigQuery	Primeiros passos com os conjuntos de dados do BigQuery. Saiba como usar o BigQuery como um conjunto de dados para treinamento com a plataforma de agentes. Saiba mais sobre os conjuntos de dados do BigQuery. Saiba mais sobre a plataforma de agentes para usuários do BigQuery. Etapas do tutorial Criar um recurso de conjunto de dados da plataforma de agentes da tabela do BigQuery compatível com treinamento do AutoML. Extraia uma cópia do conjunto de dados do "BigQuery" para um arquivo CSV no Cloud Storage compatível com "AutoML" ou treinamento personalizado. Selecione linhas de um conjunto de dados do BigQuery em um dataframe pandas compatível com treinamento personalizado. Selecione linhas de um conjunto de dados do BigQuery em um `tf.data.Dataset` compatível com modelos de treinamento personalizados do TensorFlow. Selecione linhas dos arquivos CSV extraídos em um `tf.data.Dataset` compatível com modelos de treinamento personalizados do TensorFlow. Criar um conjunto de dados do BigQuery a partir de arquivos CSV. Extraia dados da tabela "BigQuery" em um "DMatrix" compatível com modelos de treinamento personalizados do "XGBoost".	Colab Colab Enterprise GitHub Vertex AI Workbench
Experimentos da plataforma de agentes Vertex ML Metadata	Crie linhagem de experimento da plataforma de agentes para treinamento personalizado. Saiba como integrar código de pré-processamento em experimentos da plataforma de agentes. Saiba mais sobre os experimentos da plataforma de agentes. Saiba mais sobre o Vertex ML Metadata. Etapas do tutorial Executar módulo para pré-processamento de dados Criar um artefato de conjunto de dados Parâmetros de registro Executar módulo para treinar o modelo Parâmetros de registro Criar artefato do modelo Atribuir linhagem de rastreamento a conjuntos de dados, modelos e parâmetros	Colab Colab Enterprise GitHub Vertex AI Workbench
Experimentos da Agent Platform	Rastrear parâmetros e métricas para modelos treinados localmente. Saiba como usar os experimentos da plataforma de agentes para comparar e avaliar os experimentos de modelos. Saiba mais sobre os experimentos da plataforma de agentes. Etapas do tutorial Registrar os parâmetros do modelo registrar a perda e as métricas em cada época no TensorBoard da Agent Platform. Registrar as métricas de avaliação	Colab Colab Enterprise GitHub Vertex AI Workbench
Experimentos da Agent Platform Pipelines da Agent Platform	Compare execuções de pipeline com os experimentos da plataforma de agentes. Saiba como usar os experimentos da plataforma de agentes para registrar um job de pipeline e comparar diferentes jobs de pipeline. Saiba mais sobre os experimentos da plataforma de agentes. Saiba mais sobre os pipelines da plataforma de agentes. Etapas do tutorial Formalizar um componente de treinamento Criar um pipeline de treinamento Executar vários jobs de pipeline e registrar os resultados Comparar diferentes jobs de pipeline	Colab Colab Enterprise GitHub Vertex AI Workbench
TensorBoard da plataforma de agentes	Exclua experimentos desatualizados no TensorBoard da plataforma de agentes. Saiba como excluir experimentos desatualizados do TensorBoard da plataforma de agentes para evitar custos desnecessários de armazenamento. Saiba mais sobre o TensorBoard da plataforma de agentes. Etapas do tutorial Como excluir o experimento do TB com um par de rótulos de chave-valor predefinido Como excluir os experimentos do TB criados antes do `create_time` Como excluir os experimentos do TB criados antes do `update_time`	Colab Colab Enterprise GitHub Vertex AI Workbench
Experimentos da Agent Platform	Registro automático de treinamento personalizado: script local. Saiba como registrar automaticamente parâmetros e métricas de um experimento de ML em execução no Vertex AI Training utilizando a integração com os Experimentos da plataforma de agentes. Etapas do tutorial Formalizar a experiência do modelo em um script Executar treinamento de modelo usando o script local no treinamento da Vertex AI Confira os parâmetros e métricas do experimento de ML nos experimentos da plataforma de agentes	Colab Colab Enterprise GitHub Vertex AI Workbench
Experimentos da plataforma de agentes Vertex ML Metadata Treinamento personalizado	Comece a usar os experimentos da plataforma de agentes. Saiba como usar os experimentos da plataforma de agentes ao treinar com a plataforma de agentes. Saiba mais sobre os experimentos da plataforma de agentes. Saiba mais sobre o Vertex ML Metadata. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Treinamento local (bloco) Criar um experimento. Criar a primeira execução do experimento. Parâmetros e métricas de registro. Criar linhagem de artefato. Visualizar os resultados do experimento. Realizar uma segunda execução. Comparar as duas execuções no experimento. Treinamento do Cloud (plataforma do agente) No script de treinamento	Colab Colab Enterprise GitHub Vertex AI Workbench
Experimentos da Agent Platform	Geração automática de registros. Saiba como usar o Autologging da plataforma de agentes. Etapas do tutorial Ative a geração automática de registros no SDK da Plataforma de Agentes. Treine o modelo scikitlearn e veja o experimento resultante executado com métricas e parâmetros registrados automaticamente nos experimentos da Agent Platform sem definir uma execução do experimento. Treine o modelo do TensorFlow, verifique as métricas e os parâmetros registrados automaticamente nos experimentos da plataforma de agentes definindo manualmente uma execução de experimento com `aiplatform.start_run()` e `aiplatform.end_run()`. Desative a geração automática de registros no SDK da plataforma de agentes, treine um modelo do PyTorch e verifique se nenhum dos parâmetros ou métricas está registrado.	Colab Colab Enterprise GitHub Vertex AI Workbench
Classificação para dados tabulares Vertex Explainable AI	Explicação em lote para o modelo de classificação binária tabular do AutoML. Saiba como usar `AutoML` para criar um modelo de classificação binária tabular com um script Python e, em seguida, como usar `Agent Platform Batch Prediction` para fazer previsões com explicações. Saiba mais sobre a classificação de dados tabulares. Saiba mais sobre a Vertex Explainable AI. Etapas do tutorial Crie um recurso de conjunto de dados gerenciado da plataforma de agentes. Treinar um modelo de classificação tabular do AutoML. Veja as métricas de avaliação do modelo treinado. Fazer uma solicitação de previsão em lote com explicabilidade.	Colab Colab Enterprise GitHub Vertex AI Workbench
Classificação para dados tabulares Vertex Explainable AI	Modelo de classificação tabular do treinamento do AutoML para explicação on-line. Saiba como usar o AutoML para criar um modelo de classificação binária tabular com um script Python. Saiba mais sobre a classificação de dados tabulares. Saiba mais sobre a Vertex Explainable AI. Etapas do tutorial Crie um recurso de conjunto de dados da plataforma de agentes. Treinar um modelo de classificação tabular do AutoML. Veja as métricas de avaliação do modelo treinado. Criar um recurso de endpoint em veiculação. Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma solicitação de previsão on-line com explicabilidade. Desfazer a implantação do recurso modelo	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Previsão em lote da plataforma de agentes	Modelo de classificação de imagem de treinamento personalizado para previsão em lote com explicação Saiba como usar `Vertex AI Training and Vertex Explainable AI` para criar um modelo de classificação de imagens personalizado com explicações e, em seguida, como usar `Agent Platform Batch Prediction` para fazer uma solicitação de predição em lote com explicações. Saiba mais sobre a Vertex Explainable AI. Saiba mais sobre a previsão em lote da plataforma de agentes. Etapas do tutorial Criar um job personalizado `Agent Platform` para treinar um modelo do TensorFlow. Veja a avaliação do modelo treinado. Defina os parâmetros de explicação para quando o modelo for implantado. Fazer upload dos artefatos do modelo treinado e dos parâmetros de explicação como um recurso `Model`. Fazer uma previsão em lote com explicações.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Inferência da plataforma de agentes	Modelo de classificação de imagem de treinamento personalizado para previsão on-line com explicação Saiba como usar o treinamento da plataforma de agentes e a Vertex Explainable AI para criar um modelo de classificação de imagem personalizado com explicações. Saiba mais sobre a Vertex Explainable AI. Saiba mais sobre a inferência da plataforma de agentes. Etapas do tutorial Crie um job personalizado da plataforma de agentes para treinar um modelo do TensorFlow. Veja a avaliação do modelo treinado. Defina os parâmetros de explicação para quando o modelo for implantado. Fazer upload dos artefatos do modelo treinados e das explicações como um recurso de modelo. Criar um recurso de endpoint em veiculação. Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma previsão com explicação Desfazer a implantação do recurso de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Previsão em lote da plataforma de agentes	Modelo de regressão tabular de treinamento personalizado para previsão em lote com explicação Saiba como usar o treinamento da plataforma de agentes e a Vertex Explainable AI para criar um modelo de classificação de imagem personalizado com explicações. Saiba mais sobre a Vertex Explainable AI. Saiba mais sobre a previsão em lote da plataforma de agentes. Etapas do tutorial Crie um job personalizado da plataforma de agentes para treinar um modelo do TensorFlow. Veja a avaliação do modelo treinado. Defina parâmetros de explicação para o modelo. Fazer upload dos artefatos do modelo treinado como um recurso de modelo. Fazer uma previsão em lote com explicações.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Inferência da plataforma de agentes	Modelo de regressão tabular de treinamento personalizado para previsão on-line com explicação Saiba como usar o treinamento da plataforma de agentes e a Vertex Explainable AI para criar um modelo de regressão tabular personalizado com explicações. Saiba mais sobre a Vertex Explainable AI. Saiba mais sobre a inferência da plataforma de agentes. Etapas do tutorial Crie um job personalizado da plataforma de agentes para treinar um modelo do TensorFlow. Veja a avaliação do modelo treinado. Defina os parâmetros de explicação para quando o modelo for implantado. Fazer upload dos artefatos do modelo treinados e das explicações como um recurso de modelo. Criar um recurso de endpoint em veiculação. Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma previsão com explicação Desfazer a implantação do recurso de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Inferência da plataforma de agentes	Modelo de regressão tabular do treinamento personalizado para previsão on-line com explicabilidade usando get_metadata. Saiba como criar um modelo personalizado com um script Python em um contêiner do Docker pré-criado do Google usando o SDK da plataforma de agentes. Saiba mais sobre a Vertex Explainable AI. Saiba mais sobre a inferência da plataforma de agentes. Etapas do tutorial Criar um job personalizado da plataforma de agentes para treinar um modelo do TensorFlow. Treinar um modelo do TensorFlow Recuperar e carregar os artefatos do modelo Veja a avaliação do modelo treinado. Definir parâmetros de explicação Fazer upload do modelo como um recurso de modelo da plataforma de agentes. Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma previsão com explicação Desfazer a implantação do recurso modelo	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Inferência da plataforma de agentes	Explicação da classificação de imagens com a Vertex Explainable AI Saiba como configurar explicações baseadas em atributos em um modelo de classificação pré-treinado de imagens e fazer previsões on-line e em lote com explicações. Saiba mais sobre a Vertex Explainable AI. Saiba mais sobre a inferência da plataforma de agentes. Etapas do tutorial Fazer o download de um modelo pré-treinado do TensorFlow Hub Fazer upload do modelo para implantação Implantar o modelo para previsão on-line Fazer uma previsão on-line com explicações Fazer previsões em lote com explicações	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI	Explicação da classificação de texto com a Vertex Explainable AI. Saiba como configurar explicações baseadas em atributos usando o método Shapley de amostra em um modelo de classificação de texto do TensorFlow para previsões on-line com explicações. Saiba mais sobre a Vertex Explainable AI. Etapas do tutorial Criar e treinar um modelo de classificação de texto do TensorFlow Fazer upload do modelo para implantação Implantar o modelo para previsão on-line Fazer uma previsão on-line com explicações	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	Disponibilização de recursos on-line e busca de dados do BigQuery com o Agent Platform Feature Store. Saiba como criar e usar uma instância on-line do Feature Store para hospedar e disponibilizar dados no BigQuery com o Agent Platform Feature Store em um fluxo de trabalho completo da jornada do usuário para disponibilização e busca de valores de atributos. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Provisionar uma instância de Feature Store on-line para hospedar e exibir dados. Registrar uma visualização do BigQuery com a instância do Feature Store on-line e configurar o job de sincronização. Usar o servidor on-line para buscar valores de atributos para previsão on-line.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	Disponibilização de recursos on-line e busca de dados do BigQuery com a veiculação otimizada da Feature Store da plataforma de agentes. Saiba como criar e usar uma instância on-line do Feature Store para hospedar e disponibilizar dados no BigQuery com o Feature Store da plataforma de agentes em um fluxo de trabalho completo de disponibilização e busca de valores de atributos. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Provisione uma instância do Feature Store on-line para hospedar e veicular os dados usando a veiculação on-line otimizada com o endpoint público ou privado. Registrar uma visualização do BigQuery com a instância do Feature Store on-line e configurar o job de sincronização. Usar o servidor on-line para buscar valores de atributos para previsão on-line.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	Disponibilização de recursos on-line e recuperação de vetores do BigQuery com o Agent Platform Feature Store. Saiba como criar e usar uma instância de Feature Store on-line para hospedar e disponibilizar dados no BigQuery com o Feature Store da plataforma de agentes em um fluxo de trabalho completo de disponibilização de atributos e jornada do usuário de recuperação de vetores. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Provisionar uma instância de Feature Store on-line para hospedar e exibir dados. Criar uma instância de Feature Store on-line para disponibilizar uma tabela do BigQuery. Usar o servidor on-line para pesquisar vizinhos mais próximos.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	Tutorial de embasamento de LLM baseado na Feature Store da plataforma de agentes. Saiba como criar e usar uma instância de Feature Store on-line para hospedar e disponibilizar dados no BigQuery com o Feature Store da plataforma de agentes em um fluxo de trabalho completo de disponibilização de atributos e jornada do usuário de recuperação de vetores. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Provisionar uma instância de Feature Store on-line para hospedar e exibir dados. Criar uma instância de Feature Store on-line para disponibilizar uma tabela do BigQuery. Usar o servidor on-line para pesquisar vizinhos mais próximos.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	Tutorial de agentes de serviço da visualização de atributos da Feature Store da plataforma de agentes. Saiba como usar um agente de serviço dedicado para uma visualização de atributos no Agent Platform Feature Store. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Crie uma visualização de atributos configurada para usar uma conta de serviço dedicada. Uma conta de serviço é criada para cada visualização de atributos. Essa conta de serviço é usada para sincronizar dados do BigQuery. A API Get/List da visualização de atributos retorna a conta de serviço criada automaticamente. Os usuários precisam chamar o comando `bq addiampolicybinding` para conceder `roles/bigquery.dataViewer` à conta de serviço.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	SDK de importação de streaming na Feature Store da plataforma de agentes (legado). Saiba como importar atributos de um `Pandas DataFrame` para o Feature Store da plataforma de agentes usando o método `write_feature_values` do SDK da plataforma de agentes. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Criar um featurestore. Criar um novo tipo de entidade para seu featurestore. Importe valores de atributo de `Pandas DataFrame` para o tipo de entidade no featurestore.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	Como usar a Feature Store da plataforma de agentes (legado) com o DataFrame do Pandas. Saiba como usar `Agent Platform Feature Store` com o Dataframe do pandas. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Crie os recursos `Featurestore`, `EntityType` e `Feature`. Importar valores de atributos do DataFrame do Pandas para o tipo de entidade. Ler os valores de atributos de entidade do Online Feature Store no Pandas DataFrame. Exibir em lote valores de atributo do Feature Store para o DataFrame do Pandas. veiculação on-line com valores de recurso atualizados. Correção pontual para buscar valores de atributos para treinamento.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store da plataforma de agentes	Previsões on-line e em lote usando a Feature Store da plataforma de agentes (legado). Saiba como usar `Agent Platform Feature Store` para importar dados de atributos e acessá-los em tarefas de veiculação on-line e off-line, como treinamento. Saiba mais sobre o Agent Platform Feature Store. Etapas do tutorial Crie os recursos `Featurestore`, `EntityType` e `Feature`. Importar dados de atributos para o recurso `Featurestore`. Exibir solicitações de previsão on-line usando os atributos importados Acessar atributos importados em jobs off-line, como os de treinamento Usar a importação de streaming para importar uma pequena quantidade de dados.	Colab Colab Enterprise GitHub Vertex AI Workbench
Visão geral do suporte de IA generativa na Agent Platform	Inferência em lote de LLM da plataforma de agentes com modelos ajustados por RLHF. Neste tutorial, você vai usar a Agent Platform para receber previsões de um modelo de linguagem grande ajustado pelo RLHF. Saiba mais sobre a Visão geral do suporte da IA generativa na plataforma de agentes. Etapas do tutorial Crie um job do Agent Platform Pipelines usando um modelo predefinido para inferência em massa. Execute o pipeline usando o Agent Platform Pipelines. Produza resultados de previsão em um modelo para um determinado conjunto de dados.	Colab Enterprise GitHub Vertex AI Workbench
generative_ai	Destile um modelo de linguagem grande. Saiba como destilar e implantar um modelo de linguagem grande usando o LLM da plataforma de agentes. Etapas do tutorial Acessar o modelo LLM da plataforma de agentes. Destile o modelo(isso cria automaticamente um endpoint da plataforma de agentes e implanta o modelo nele). Fazer uma previsão usando o LLM da plataforma de agentes.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ajustar modelos de texto usando o ajuste de RLHF	Aprendizado por reforço com feedback humano do LLM da Agent Platform. Neste tutorial, você vai usar o RLHF da plataforma de agentes para ajustar e implantar um modelo de linguagem grande. Saiba mais sobre Ajustar modelos de texto usando o ajuste RLHF. Etapas do tutorial Definir o número de etapas de ajuste do modelo. Crie um job do Agent Platform Pipelines usando um modelo de ajuste predefinido. Execute o pipeline usando o Agent Platform Pipelines. Receba previsões do modelo ajustado.	Colab Colab Enterprise GitHub Vertex AI Workbench
Incorporação de texto	Pesquisa semântica usando embeddings. Neste tutorial, demonstramos como criar um embedding gerado com base em texto e realizar uma pesquisa semântica. Saiba mais sobre o embedding de texto. Etapas do tutorial Instalação e importações Criar conjunto de dados de embedding Criar um índice Consultar o índice	Colab Colab Enterprise GitHub Vertex AI Workbench
generative_ai	Como acessar embeddings de texto na Agent Platform. Saiba como receber um embedding de texto usando um modelo de embedding de texto e um texto. Etapas do tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
generative_ai	Como acessar embeddings de texto na Agent Platform. Saiba como receber um embedding de texto usando um modelo de embedding de texto e um texto. Etapas do tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Ajustar modelos de texto usando ajuste supervisionado	Como ajustar um modelo PEFT com a Agent Platform. Saiba como usar o LLM da plataforma de agentes para ajustar e implantar um modelo de linguagem grande PEFT. Saiba mais sobre Ajustar modelos de texto usando o ajuste supervisionado. Etapas do tutorial Acessar o modelo LLM da plataforma de agentes. Ajustar o modelo. Isso cria automaticamente um endpoint da plataforma de agentes e implanta o modelo nele. Fazer uma previsão usando o LLM da plataforma de agentes. Fazer uma previsão usando a inferência da plataforma de agentes.	Colab Colab Enterprise GitHub Vertex AI Workbench
generative_ai	Como ajustar embeddings de texto na Agent Platform. Saiba como ajustar um modelo de embedding de texto. Etapas do tutorial	Colab GitHub Vertex AI Workbench
API PaLM	Como usar o SDK da plataforma de agentes com modelos de linguagem grandes. Saiba como fornecer entrada de texto para modelos de linguagem grandes disponíveis na plataforma de agentes para testar, ajustar e implantar modelos de linguagem de IA generativa. Saiba mais sobre a API PaLM. Etapas do tutorial Use os endpoints de previsão da API PaLM da plataforma de agentes para receber respostas da IA generativa a uma mensagem. Use o endpoint de incorporação de texto para receber uma representação vetorial de uma mensagem. Fazer o ajuste de prompts de um LLM com base em dados de treinamento de entrada/saída.	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrar para a plataforma de agentes Classificação para dados de imagem	Classificação da imagem do AutoML Saiba como usar `AutoML` para treinar um modelo de imagem e usar `Agent Platform Inference` e `Agent Platform batch inference` para fazer previsões on-line e em lote. Saiba mais sobre a Migração para a plataforma de agentes. Saiba mais sobre a classificação de dados de imagem. Etapas do tutorial Treinar um modelo de classificação de imagens do AutoML. Fazer uma previsão em lote. Implantar o modelo em um endpoint Fazer uma previsão on-line	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrar para a plataforma de agentes Detecção de objetos para dados de imagem	Detecção de objetos do AutoML Image. Saiba como usar `AutoML` para treinar um modelo de imagem e usar `Agent Platform Inference` e `Agent Platform Batch Prediction` para fazer previsões on-line e em lote. Saiba mais sobre a Migração para a plataforma de agentes. Saiba mais sobre a detecção de objetos para dados de imagem. Etapas do tutorial Treinar um modelo de detecção de objetos do AutoML. Fazer uma previsão em lote. Implantar o modelo em um endpoint Fazer uma previsão on-line	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrar para a plataforma de agentes Classificação para dados tabulares	Classificação binária do AutoML tabular. Neste tutorial, você cria um modelo de classificação binária tabular do AutoML e implanta para previsão on-line com um script Python usando o SDK da plataforma de agentes. Saiba mais sobre a Migração para a plataforma de agentes. Saiba mais sobre a classificação de dados tabulares. Etapas do tutorial Crie um recurso de conjunto de dados da plataforma de agentes. Treine o modelo. Visualizar o modelo de avaliação Implantar o recurso de modelo em um recurso de endpoint em veiculação. Fazer uma previsão. Remover a implantação do modelo	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrar para a plataforma de agentes Treinamento personalizado	Classificação de imagem personalizada com um contêiner de treinamento personalizado. Saiba como treinar um modelo de classificação de imagens do TensorFlow usando um contêiner personalizado e o treinamento da plataforma de agentes. Saiba mais sobre a Migração para a plataforma de agentes. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Empacotar o código de treinamento em um aplicativo Python. Conteinerizar o aplicativo de treinamento usando o Cloud Build e o Artifact Registry. Criar e executar um job de treinamento de contêiner personalizado na plataforma de agentes. Avaliar o modelo gerado com base no job de treinamento. Crie um recurso de modelo para o modelo treinado no Model Registry da plataforma de agentes. Executar um job de inferência em lote da Agent Platform. Implante o recurso de modelo em um endpoint da plataforma de agentes. Executar um job de previsão on-line no recurso do modelo Limpar os recursos criados.	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrar para a plataforma de agentes Visão geral do treinamento personalizado	Classificação de imagem personalizada com um contêiner de treinamento pré-criado. Saiba como treinar um modelo de classificação de imagens do TensorFlow usando um contêiner pré-criado e o treinamento da plataforma de agentes. Saiba mais sobre a Migração para a plataforma de agentes. Saiba mais sobre a visão geral do treinamento personalizado. Etapas do tutorial Empacotar o código de treinamento em um aplicativo Python. Conteinerizar o aplicativo de treinamento usando o Cloud Build e o Artifact Registry. Criar e executar um job de treinamento de contêiner personalizado na plataforma de agentes. Avaliar o modelo gerado com base no job de treinamento. Crie um recurso de modelo para o modelo treinado no Model Registry da plataforma de agentes. Executar um job de inferência em lote da Agent Platform. Implante o recurso de modelo em um endpoint da plataforma de agentes. Executar um job de previsão on-line no recurso do modelo Limpar os recursos criados.	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrar para a plataforma de agentes Visão geral do treinamento personalizado	Modelo scikit-learn personalizado com contêiner de treinamento pré-criado. Saiba como usar o Vertex AI Training para criar um modelo treinado personalizado. Saiba mais sobre a Migração para a plataforma de agentes. Saiba mais sobre a visão geral do treinamento personalizado. Etapas do tutorial Criar um job personalizado da plataforma de agentes para treinar um modelo do scikitlearn. Fazer upload dos artefatos do modelo treinado como um recurso de modelo. Gere predições em lote. Implantar o recurso de modelo em um recurso de endpoint em veiculação. Gere previsões on-line. Desfazer a implantação do recurso de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrar para a plataforma de agentes Visão geral do treinamento personalizado	Modelo XGBoost personalizado com contêiner de treinamento pré-criado. Saiba como usar o Vertex AI Training para criar um modelo treinado personalizado. Saiba mais sobre a Migração para a plataforma de agentes. Saiba mais sobre a visão geral do treinamento personalizado. Etapas do tutorial Criar um job personalizado da plataforma de agentes para treinar um modelo do XGBoost. Fazer upload dos artefatos do modelo treinado como um recurso de modelo. Gere predições em lote. Implantar o recurso de modelo em um recurso de endpoint em veiculação. Gere previsões on-line. Desfazer a implantação do recurso de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ajuste de hiperparâmetros da plataforma de agentes Treinamento personalizado	Ajuste de hiperparâmetro. Saiba como usar o hiperparâmetro da plataforma de agentes para criar e ajustar um modelo treinado personalizado. Saiba mais sobre o ajuste de hiperparâmetros da plataforma de agentes. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Criar um job de ajuste de hiperparâmetros da plataforma de agentes para treinar um modelo do TensorFlow.	Colab Colab Enterprise GitHub Vertex AI Workbench
Documentação do Google Artifact Registry	Comece a usar o Google Artifact Registry. Saiba como usar o Google Artifact Registry. Saiba mais sobre a documentação do Google Artifact Registry. Etapas do tutorial criar um repositório particular do Docker; Incluir tags em uma imagem de contêiner específica para o repositório particular do Docker. Enviar uma imagem de contêiner para o repositório particular do Docker. Extrair uma imagem de contêiner do repositório particular do Docker. Excluir um repositório particular do Docker.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata	Rastrear parâmetros e métricas para jobs de treinamento personalizados Saiba como usar o SDK da plataforma de agentes para Python para: Etapas do tutorial Rastreie parâmetros de treinamento e métricas de previsão para um job de treinamento personalizado. Extrair e realizar análises para todos os parâmetros e métricas em um experimento.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata	Rastrear parâmetros e métricas para modelos treinados localmente. Saiba como usar o Vertex ML Metadata para monitorar parâmetros de treinamento e métricas de avaliação. Saiba mais sobre o Vertex ML Metadata. Etapas do tutorial Rastreie parâmetros e métricas para um modelo treinado localmente. Extraia e realize análises para todos os parâmetros e métricas em um experimento.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata Pipelines da plataforma de agentes	Rastrear artefatos e métricas nas execuções de pipelines da plataforma de agentes usando o Vertex ML Metadata. Saiba como rastrear artefatos e métricas com o Vertex ML Metadata nas execuções de pipeline da plataforma de agentes. Saiba mais sobre o Vertex ML Metadata. Saiba mais sobre os pipelines da plataforma de agentes. Etapas do tutorial Usar o SDK do Kubeflow Pipelines para criar um pipeline de ML que é executado na plataforma de agentes. O pipeline cria um conjunto de dados, treina um modelo do scikitlearn e o implanta em um endpoint. Gravar componentes de pipeline personalizados que geram artefatos e metadados Compare as execuções do pipeline da plataforma do agente no console do Google Cloud e de maneira programática. Rastrear a linhagem para artefatos gerados por pipeline Consultar os metadados de execução do pipeline	Colab Colab Enterprise GitHub Vertex AI Workbench
Avaliação de modelos da Agent Platform Classificação para dados tabulares	Como avaliar resultados de previsão em lote de um modelo de classificação tabular do AutoML Tabular. Saiba como treinar um modelo de classificação tabular do AutoML da Plataforma de agentes e como avaliar esse modelo com um job de pipeline da Plataforma de agentes usando `google_cloud_pipeline_components`: Saiba mais sobre a Avaliação de modelos da Plataforma de agentes. Saiba mais sobre a classificação de dados tabulares. Etapas do tutorial Crie uma plataforma de agentes `Dataset`. Treine um modelo de classificação tabular do AutoML no recurso `Dataset`. Importe o `AutoML model resource` treinado para o pipeline. Executar um job `Batch Prediction`. Avalie o modelo do AutoML usando o `Classification Evaluation component`. Importar as métricas de classificação para o recurso de modelo do AutoML.	Colab Colab Enterprise GitHub Vertex AI Workbench
Avaliação de modelos da plataforma de agentes Regressão para dados tabulares	Como avaliar resultados da predição em lote do modelo de regressão tabular do AutoML. Saiba como avaliar um recurso de modelo da plataforma de agentes com um job de pipeline da plataforma de agentes usando `google_cloud_pipeline_components`: Saiba mais sobre a avaliação de modelos da plataforma de agentes. Saiba mais sobre regressão para dados tabulares. Etapas do tutorial Crie um conjunto de dados da plataforma de agentes. Configure uma classe `AutoMLTabularTrainingJob`. Executar o `AutoMLTabularTrainingJob` que retorna um modelo. Importe um `AutoML model resource` pré-treinado para o pipeline. Execute um job `batch prediction` no pipeline. Avalie o modelo do AutoML usando o `regression evaluation component`. Importe as métricas de regressão geradas para o recurso de modelo do AutoML.	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado da plataforma do agente Avaliação de modelos da plataforma do agente	Como avaliar os resultados de BatchPrediction em um modelo de classificação tabular personalizado. Neste tutorial, você vai treinar um modelo RandomForest do scikit-learn, salvar o modelo no Agent Platform Model Registry e aprender a avaliá-lo com um job de pipeline da plataforma de agentes usando o SDK de componentes de pipeline do Google Cloud para Python. Saiba mais sobre o treinamento personalizado da plataforma de agentes. Saiba mais sobre a avaliação de modelos da plataforma de agentes. Etapas do tutorial Busque o conjunto de dados na origem pública. Pré-processar os dados localmente e salvar os dados de teste no BigQuery Treinar localmente um modelo de classificação de RandomForest usando o pacote Python do scikitlearn Crie um contêiner personalizado no Artifact Registry para previsões. Faça upload do modelo no Agent Platform Model Registry. Criar e executar um pipeline da plataforma de agentes que	Colab Colab Enterprise GitHub Vertex AI Workbench
Avaliação de modelos da Agent Platform Treinamento personalizado	Como avaliar resultados de previsão em lote do modelo de regressão tabular personalizado. Saiba como avaliar um recurso de modelo da plataforma de agentes usando um job de pipeline da plataforma de agentes com os componentes de pipeline do Google Cloud. Saiba mais sobre a avaliação de modelos da plataforma de agentes. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Crie um job de treinamento personalizado da plataforma de agentes para treinar um modelo do TensorFlow. Executar o job de treinamento personalizado. Recuperar e carregar os artefatos do modelo Visualizar o modelo de avaliação Fazer upload do modelo como um recurso de modelo da plataforma de agentes. Importar um recurso de modelo da plataforma de agentes pré-treinado para o pipeline. Executar um job de previsão em lote no pipeline. Avaliar o modelo usando o "componente de avaliação de regressão". Importar as métricas de regressão para o recurso de modelo da plataforma de agentes.	Colab Colab Enterprise GitHub Vertex AI Workbench
Avaliação de modelos do AutoSxS da Agent Platform	Verifique o alinhamento do avaliador automático em relação a um conjunto de dados de preferências humanas. Saiba como usar `Agent Platform Pipelines` e `google_cloud_pipeline_components` para verificar o alinhamento do avaliador automático usando dados de preferências humanas: Saiba mais sobre a Avaliação de modelos do AutoSxS da plataforma de agentes. Etapas do tutorial Crie um conjunto de dados de avaliação com previsões e dados de preferências humanas. Pré-processe os dados localmente e salve-os no Cloud Storage. Crie e execute um pipeline do AutoSxS da plataforma de agentes que gera os julgamentos e um conjunto de métricas da AutoSxS usando os julgamentos gerados. Mostre os julgamentos e as métricas do AutoSxS. Limpar os recursos criados neste notebook.	Colab Colab Enterprise GitHub Vertex AI Workbench
Avaliação de modelos do AutoSxS da Agent Platform	Avalie um LLM no Agent Platform Model Registry em relação a um modelo de terceiros. Saiba como usar `Agent Platform Pipelines` e `google_cloud_pipeline_components` para avaliar o desempenho entre dois modelos de LLM: Saiba mais sobre a Avaliação de modelos do AutoSxS da plataforma de agentes. Etapas do tutorial Busque o conjunto de dados na origem pública. Pré-processe os dados localmente e salve os dados de teste no Cloud Storage. Crie e execute um pipeline do AutoSxS da Agent Platform que gera os julgamentos e avalia os dois modelos candidatos usando os julgamentos gerados. Mostre os julgamentos e as métricas de avaliação. Limpar os recursos criados neste notebook.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma do agente para previsões em lote	Previsão em lote da Agent Platform com monitoramento de modelos. Saiba como usar o serviço de monitoramento de modelos da plataforma de agentes para detectar deslocamentos e anomalias na previsão em lote. Saiba mais sobre o monitoramento de modelos da plataforma de agentes para previsões em lote. Etapas do tutorial Fazer upload de um modelo pré-treinado como um recurso de modelo da plataforma de agentes. Gere solicitações de previsão em lote. Interpretar as estatísticas, visualizações e outros dados informados pelo recurso de monitoramento do modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma de agentes	Monitoramento de modelos da plataforma de agentes para modelos tabulares do AutoML. Saiba como usar o serviço de monitoramento de modelos da plataforma de agentes para detectar desvios de atributo e deslocamentos nas solicitações de previsão de entrada em modelos tabulares do AutoML. Saiba mais sobre o monitoramento de modelos da plataforma de agentes. Etapas do tutorial Treinar um modelo do AutoML. Implante o recurso de modelo em um recurso de endpoint da plataforma de agentes. Configurar o recurso de endpoint para monitoramento de modelos. Gerar solicitações de previsão sintéticas para desvio. Gere solicitações de previsão sintéticas para deslocamento. Aguarde a notificação de alerta por e-mail.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma de agentes	Monitoramento de modelos da plataforma de agentes para previsão on-line em modelos de imagem do AutoML. Saiba como usar `Agent Platform Model Monitoring` com `Agent Platform Online Prediction` e um modelo de classificação de imagens do AutoML para detectar uma imagem fora de distribuição. Saiba mais sobre o monitoramento de modelos da plataforma de agentes. Etapas do tutorial 1. Treinar um modelo de classificação de imagens do AutoML. 2. Crie um endpoint 3. Implante o modelo no endpoint e configure para monitoramento de modelos. 4. Envie uma previsão on-line contendo imagens de distribuição de entrada e saída. 5. Use o monitoramento de modelos para calcular a pontuação de anomalia em cada imagem. 6. Identifique as imagens na solicitação de previsão on-line que estão fora da distribuição.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma de agentes	Monitoramento de modelos da plataforma de agentes para modelos tabulares personalizados. Saiba como usar o serviço de monitoramento de modelos da Plataforma de Agentes para detectar desvios de atributo e deslocamentos nas solicitações de previsão de entrada em modelos tabulares personalizados. Saiba mais sobre o monitoramento de modelos da plataforma de agentes. Etapas do tutorial Fazer o download de um modelo tabular personalizado e pré-treinado. Fazer upload do modelo pré-treinado para o Agent Platform Model Registry. Implante o recurso de modelo em um recurso de endpoint da plataforma de agentes. Configurar o recurso de endpoint para monitoramento de modelos. Gere solicitações de previsão sintética para simular os desvios. Aguarde as notificações de alerta por e-mail. Gere solicitações de previsão sintética para simular deslocamentos. Aguarde as notificações de alerta por e-mail.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma de agentes	Monitoramento de modelos da Plataforma de Agentes para modelos tabulares personalizados com o contêiner do TensorFlow Serving. Saiba como usar o serviço de monitoramento de modelos da Plataforma de Agentes para detectar desvios de recursos e deslocamentos nas solicitações de previsão de entrada, em modelos tabulares personalizados, usando um contêiner de implantação personalizado. Saiba mais sobre o monitoramento de modelos da plataforma de agentes. Etapas do tutorial Fazer o download de um modelo tabular personalizado e pré-treinado. Fazer upload do modelo pré-treinado como um recurso de modelo. Como implantar o recurso de modelo em um recurso de endpoint com o binário de veiculação TensorFlow Serving. Configurar o recurso "Endpoint" para monitoramento de modelos. Gerar solicitações de previsão sintéticas para desvio. Aguarde a notificação de alerta por e-mail. Gere solicitações de previsão sintéticas para deslocamento. Aguarde a notificação de alerta por e-mail.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma de agentes	Monitoramento de modelos da Agent Platform para configuração de modelos tabulares. Saiba como configurar o serviço de monitoramento de modelos da plataforma de agentes para detectar desvios de recursos e deslocamentos nas solicitações de previsão de entrada. Saiba mais sobre o monitoramento de modelos da plataforma de agentes. Etapas do tutorial Fazer o download de um modelo tabular personalizado e pré-treinado. Fazer upload do modelo pré-treinado como um recurso de modelo. Implantar o recurso de modelo no recurso de endpoint. Configurar o recurso de endpoint para monitoramento de modelos. Detecção de desvio e deslocamento de entradas de atributos. Detecção de desvio e deslocamento de atribuições de recursos. Geração automática do "esquema de entrada" enviando 1.000 solicitações de previsão. Liste, pause, retome e exclua jobs de monitoramento. Reiniciar o job de monitoramento com um "esquema de entrada" predefinido. Ver dados monitorados registrados.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma de agentes	Monitoramento de modelos da Plataforma de Agentes para modelos XGBoost. Saiba como usar o serviço de monitoramento de modelos da plataforma de agentes para detectar desvios de atributo e deslocamentos nas solicitações de previsão de entrada para modelos do XGBoost. Saiba mais sobre o monitoramento de modelos da plataforma de agentes. Etapas do tutorial Fazer o download de um modelo XGBoost pré-treinado. Fazer upload do modelo pré-treinado para o Agent Platform Model Registry. Implante o recurso de modelo em um recurso de endpoint da plataforma de agentes. Configurar o recurso de endpoint para monitoramento de modelos	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoramento de modelos da plataforma de agentes	Monitoramento de modelos da plataforma de agentes com atribuições de recursos da Vertex Explainable AI. Saiba como usar o serviço de monitoramento de modelos da plataforma de agentes para detectar desvios e anomalias em solicitações de previsão de um recurso de modelo da plataforma de agentes implantado. Saiba mais sobre o monitoramento de modelos da plataforma de agentes. Etapas do tutorial Fazer upload de um modelo pré-treinado como um recurso de modelo da plataforma de agentes. Crie um recurso de endpoint da plataforma de agentes. Implantar o recurso de modelo no recurso de endpoint. Configurar o recurso de endpoint para monitoramento de modelos. Inicializar a distribuição do valor de referência para monitoramento do modelo. Gere solicitações de previsão sintéticas. Entenda como interpretar as estatísticas, visualizações e outros dados informados pelo recurso de monitoramento de modelos.	Colab Colab Enterprise GitHub Vertex AI Workbench
model_monitoring_v2	Monitoramento de modelos para job de previsão em lote de modelo personalizado da plataforma do agente. Neste tutorial, você concluirá as seguintes etapas: Etapas do tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
model_monitoring_v2	Monitoramento de modelos para previsão on-line de modelos personalizados da Agent Platform. Neste tutorial, você concluirá as seguintes etapas: Etapas do tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Model Registry da Agent Platform	Comece a usar o Model Registry da plataforma de agentes. Saiba como usar o Model Registry da plataforma de agentes para criar e registrar várias versões de um modelo. Saiba mais sobre o Agent Platform Model Registry. Etapas do tutorial Crie e registre uma primeira versão de um modelo no Model Registry da plataforma de agentes. Crie e registre uma segunda versão de um modelo no Model Registry da plataforma de agentes. Atualizar a versão do modelo, que é o padrão. Como excluir uma versão de modelo. Novo treinamento da próxima versão de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma de agentes Componentes do AutoML Classificação para dados tabulares	Pipelines do AutoML Tabular usando google-cloud-pipeline-components. Saiba como usar os pipelines da plataforma de agentes e os componentes de pipeline do Google Cloud para criar um modelo de classificação tabular do AutoML. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre os componentes do AutoML. Saiba mais sobre a classificação de dados tabulares. Etapas do tutorial Criar um pipeline KFP que gere um conjunto de dados da plataforma de agentes. Adicionar um componente ao pipeline que treine um recurso de modelo de classificação tabular do AutoML. Adicione um componente que crie um recurso de endpoint da Plataforma de Agentes. Adicionar um componente que implante o recurso de modelo no recurso de endpoint. Compile o pipeline KFP. Execute o pipeline KFP usando o Agent Platform Pipelines.	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Metodologia entre o desafio e a bênção para implantação de modelos na produção. Saiba como criar um pipeline da plataforma de agentes, que treina uma nova versão desafiadora de um modelo, avalia o modelo e compara a avaliação com o modelo abençoado em produção. Etapas do tutorial Importar um modelo pré-treinado (abençoado) para o Model Registry da plataforma de agentes. Importe métricas de avaliação de modelos sintéticos para o modelo (abençoado) correspondente. Criar um recurso de endpoint da plataforma de agentes Implantar o modelo abençoado no recurso de endpoint. Criar um pipeline da plataforma de agentes que execute as etapas a seguir	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Estruturas de controle de pipeline usando o SDK do KFP. Saiba como usar o SDK do KFP, que usa loops e condicionais, incluindo exemplos aninhados, para criar pipelines. Saiba mais sobre os pipelines da plataforma de agentes. Etapas do tutorial Criar um pipeline KFP usando componentes de fluxo de controle Compilar o pipeline KFP. Executar o pipeline KFP usando o Agent Platform Pipelines	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente Componentes de treinamento personalizados	Treinamento personalizado com componentes de pipeline predefinidos do Google Cloud Saiba como usar os pipelines da plataforma de agentes e os componentes de pipeline do Google Cloud para criar um modelo personalizado. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre os componentes de treinamento personalizados. Etapas do tutorial Criar um pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma de agentes Componentes de previsão em lote da plataforma de agentes	Treinamento e previsão em lote com origem e destino do BigQuery para um modelo de classificação tabular personalizado. Neste tutorial, você treinará um modelo de classificação tabular do scikit-learn e criará um job de predição em lote para ele por um pipeline da plataforma de agentes usando google_cloud_pipeline_components. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre os componentes de previsão em lote da plataforma de agentes. Etapas do tutorial Criar um conjunto de dados no BigQuery Definir alguns dados além do conjunto de origem para previsão em lote. Criar um pacote Python personalizado para o aplicativo de treinamento Fazer upload do pacote Python para o Cloud Storage Criar um pipeline da plataforma de agentes que	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da Agent Platform Ajuste de hiperparâmetros da Agent Platform	Comece a usar os componentes do pipeline de ajuste de hiperparâmetros da plataforma de agentes. Saiba como usar os componentes de pipeline pré-criados do Google Cloud para o ajuste de hiperparâmetros da plataforma de agentes. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre o ajuste de hiperparâmetros da plataforma de agentes. Etapas do tutorial Crie um pipeline para	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Comece a usar o gerenciamento de máquinas para pipelines da plataforma de agentes. Saiba como converter um componente independente de treinamento personalizado em um `Agent Platform CustomJob`, em que: Etapas do tutorial Crie um componente personalizado com um job de treinamento autônomo. Executar o pipeline usando configurações no nível do componente para recursos de máquina Converta o componente independente de treinamento em um `Agent Platform CustomJob`. Executar o pipeline usando configurações personalizadas de nível de job para recursos de máquina	Colab GitHub Vertex AI Workbench
Agent Platform Pipelines Componentes do AutoML	Pipelines de classificação de imagens do AutoML usando google-cloud-pipeline-components. Saiba como usar os pipelines da plataforma de agentes e os componentes de pipeline do Google Cloud para criar um modelo de classificação de imagens do AutoML. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre os componentes do AutoML. Etapas do tutorial Criar um pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma de agentes Componentes do AutoML Regressão para dados tabulares	Pipelines de regressão tabulares do AutoML usando google-cloud-pipeline-components. Saiba como usar `Agent Platform Pipelines` e `Google Cloud Pipeline Components` para criar um modelo de regressão tabular `AutoML`. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre os componentes do AutoML. Saiba mais sobre a regressão para dados tabulares. Etapas do tutorial Crie um pipeline KFP que gere um recurso `Dataset`. Adicione um componente ao pipeline que treine um recurso `Model` de regressão tabular do AutoML. Adicione um componente que crie um recurso `Endpoint`. Adicione um componente que implante o recurso `Model` no recurso `Endpoint`. Compile o pipeline KFP. Execute o pipeline KFP usando `Agent Platform Pipelines`.	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma de agentes Componentes do BigQuery ML	Como treinar um modelo de aquisição-previsão usando o Swivel, o BigQuery ML e o Agent Platform Pipelines. Saiba como criar um pipeline simples do BigQuery ML usando os pipelines da plataforma de agentes para calcular embeddings de texto de conteúdo de artigos e classificá-los na categoria aquisições corporativas. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre os componentes do BigQuery ML. Etapas do tutorial Como criar um componente para um job do Dataflow que ingere dados no BigQuery. Criar um componente para etapas de pré-processamento a serem executadas nos dados no BigQuery Criar um componente para treinar um modelo de regressão logística usando o BigQuery ML. Criar e configurar um pipeline de DSL do Kubeflow com todos os componentes criados. Como compilar e executar o pipeline no Agent Platform Pipelines.	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente Componentes de treinamento personalizados	Treinar, fazer upload e implantar modelos com os componentes de pipelines do Google Cloud. Saiba como usar os pipelines da plataforma de agentes e o componente de pipeline do Google Cloud para criar e implantar um modelo personalizado. Saiba mais sobre os pipelines da plataforma de agentes. Saiba mais sobre os componentes de treinamento personalizados. Etapas do tutorial Criar um pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Pipelines da plataforma do agente com KFP 2.x. Saiba como usar o `Agent Platform Pipelines` e o KFP 2. Etapas do tutorial Criar um pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Componentes leves e baseados em função do Python e E/S de componentes. Saiba como usar o SDK do KFP para criar componentes leves do Python baseados em funções e, em seguida, aprender a usar os pipelines da plataforma de agentes para executar o pipeline. Saiba mais sobre os pipelines da plataforma de agentes. Etapas do tutorial Criar componentes KFP baseados em função do Python. Criar um pipeline KFP Transmita artefatos e parâmetros entre componentes, tanto por referência do caminho quanto por valor. Usar o método "kfp.dsl.importer". Compile o pipeline KFP. Executar o pipeline KFP usando o Agent Platform Pipelines	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Visualização de métricas e execução de comparação usando o SDK do KFP. Saiba como usar o SDK do KFP para Python e criar pipelines que geram métricas de avaliação. Saiba mais sobre os pipelines da plataforma de agentes. Etapas do tutorial Criar componentes KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Metodologia Multicontender x Champion para implantação de modelos na produção. Saiba como criar um pipeline da plataforma de agentes, que avalia novos dados de produção de um modelo implantado em relação a outras versões do modelo, para determinar se um modelo de contendor se torna o modelo campeão para substituição na produção. Etapas do tutorial Importar um modelo pré-treinado (campeão) para o Model Registry da plataforma de agentes. Importe métricas de avaliação de treinamento de modelo sintético para o modelo correspondente (campeão). Crie um recurso de endpoint da plataforma de agentes. Implantar o modelo campeão no recurso Endpoint. Importe versões adicionais (conterentes) do modelo implantado. Importar métricas de avaliação de treinamento de modelos sintéticos para os modelos correspondentes (conferenciadores). Criar um pipeline da plataforma de agentes que execute as etapas a seguir	Colab Colab Enterprise GitHub Vertex AI Workbench
Pipelines da plataforma do agente	Introdução aos pipelines para KFP. Saiba como usar o SDK do KFP para Python e criar pipelines que geram métricas de avaliação. Saiba mais sobre os pipelines da plataforma de agentes. Etapas do tutorial Defina e compile um pipeline da plataforma do agente. Especifique a conta de serviço a ser usada para uma execução do pipeline. Execute o pipeline usando o SDK da plataforma de agentes para Python e a API REST.	Colab Colab Enterprise GitHub Vertex AI Workbench
Componentes do AutoML Componentes do BigQuery ML	BigQuery ML e AutoML: prototipagem rápida com a plataforma de agentes. Saiba como usar o Agent Platform Pipelines para prototipagem rápida de um modelo. Saiba mais sobre os componentes do AutoML. Saiba mais sobre os componentes do BigQuery ML. Etapas do tutorial Criar um conjunto de dados de treinamento do BigQuery e da plataforma de agentes Como treinar um modelo do BigQuery ML e do AutoML Extração de métricas de avaliação dos modelos BigQueryML e AutoML. Selecionar o modelo mais bem treinado. Implantar o melhor modelo treinado. Como testar a infraestrutura do modelo implantado.	Colab Colab Enterprise GitHub Vertex AI Workbench
Inferência em lote da Agent Platform	Inferência em lote de modelo personalizado com filtragem de atributos. Saiba como criar um modelo treinado personalizado com um script Python em um contêiner do Docker usando o SDK da plataforma de agentes para Python e, em seguida, executar um job de inferência em lote incluindo ou excluindo uma lista de atributos. Saiba mais sobre a inferência em lote da plataforma de agentes. Etapas do tutorial Criar um `TrainingPipeline` personalizado da plataforma de agentes para treinar um modelo. Treinar um modelo do TensorFlow Enviar job de previsão em lote.	Colab Colab Enterprise GitHub Vertex AI Workbench
Inferência da plataforma de agentes	Comece a usar o servidor NVIDIA Triton. Saiba como implantar um contêiner que executa o servidor Nvidia Triton com um recurso de modelo da plataforma de agentes em um endpoint da plataforma de agentes para fazer previsões on-line. Saiba mais sobre a inferência da plataforma de agentes. Etapas do tutorial Faça o download dos artefatos de modelo no TensorFlow Hub. Crie o arquivo de configuração de exibição do Triton para o modelo. Construa um contêiner personalizado, com a imagem de exibição do Triton, para a implantação do modelo. Fazer upload do modelo como um recurso de modelo da plataforma de agentes. Implante o recurso de modelo da plataforma de agentes em um recurso de endpoint da plataforma de agentes. Fazer uma solicitação de previsão Desfazer a implantação do recurso de modelo e excluir o endpoint.	Colab Colab Enterprise GitHub Vertex AI Workbench
Raw Predict	Comece a usar as funções de exibição do TensorFlow com a Agent Platform Raw Prediction. Saiba como usar `Agent Platform Raw Prediction` em um recurso `Agent Platform Endpoint`. Saiba mais sobre previsão bruta. Etapas do tutorial Fazer o download de artefatos do modelo de classificação tabular pré-treinados para um estimador do TensorFlow 1.x. Faça upload do modelo Estimator do TensorFlow como um recurso `Agent Platform Model`. Crie um recurso `Endpoint`. Implante o recurso `Model` em um recurso `Endpoint`. Faça uma previsão bruta on-line na instância de recurso `Model` implantada no recurso `Endpoint`.	Colab Colab Enterprise GitHub Vertex AI Workbench
Como receber previsões de um modelo treinado personalizado	Comece a usar o TensorFlow Serving com a inferência da plataforma de agentes. Saiba como usar `Agent Platform Inference` em um recurso `Agent Platform Endpoint` com o binário de veiculação `TensorFlow Serving`. Saiba mais sobre Como receber previsões de um modelo treinado personalizado. Etapas do tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Endpoints particulares	Comece a usar endpoints particulares da plataforma de agentes. Saiba como usar os recursos `Agent Platform Private Endpoint`. Saiba mais sobre endpoints particulares. Etapas do tutorial Como criar um recurso `Private Endpoint`. Configurar uma conexão de peering de VPC. Como configurar o binário de veiculação de um recurso `Model` para implantação em um recurso `Private Endpoint`. Como implantar um recurso `Model` em um recurso `Private Endpoint`. Envie uma solicitação de previsão para um `Private Endpoint`	Colab Colab Enterprise GitHub Vertex AI Workbench
Modelos de linguagem da Agent Platform	LLM da plataforma de agentes e previsão de streaming. Saiba como usar o LLM da plataforma de agentes para fazer o download de um modelo LLM pré-treinado, fazer previsões e ajustar o modelo. Saiba mais sobre os modelos de linguagem da plataforma de agentes. Etapas do tutorial Carregar um modelo de geração de texto pré-treinado. Fazer uma previsão sem streaming Carregar um modelo de geração de texto pré-treinado, compatível com streaming. Fazer uma previsão de streaming Carregar um modelo de chat pré-treinado. Fazer uma sessão de chat interativo local. Fazer uma previsão em lote com um modelo de geração de texto. Fazer uma previsão em lote com um modelo de embedding de texto.	Colab Colab Enterprise GitHub Vertex AI Workbench
Contêineres pré-criados para previsão	Como disponibilizar modelos de imagem do PyTorch com contêineres predefinidos na plataforma de agentes. Saiba como empacotar e implantar um modelo de classificação de imagens do PyTorch usando um contêiner pré-criado da plataforma de agentes com o TorchServe para disponibilizar previsões on-line e em lote. Saiba mais sobre contêineres pré-criados para previsão. Etapas do tutorial Fazer o download de um modelo de imagem pré-treinado do PyTorch Criar um gerenciador de modelos personalizado Empacotar artefatos de modelo em um arquivo de modelo Fazer upload do modelo para implantação Implantar modelo para previsão Fazer previsões on-line Fazer previsões em lote	Colab Colab Enterprise GitHub Vertex AI Workbench
Inferência da plataforma de agentes	Treine e implante modelos do PyTorch com contêineres pré-criados na plataforma de agentes. Saiba como criar, treinar e implantar um modelo de classificação de imagens do PyTorch usando contêineres pré-criados para treinamento e previsão personalizados. Etapas do tutorial Empacotar o aplicativo de treinamento em uma distribuição de origem do Python Configurar e executar o job de treinamento em um contêiner pré-criado Empacotar artefatos de modelo em um arquivo de modelo Fazer upload do modelo para implantação Implantar o modelo usando um contêiner pré-criado para previsão Fazer previsões on-line	Colab Colab Enterprise GitHub Vertex AI Workbench
Visão geral do Ray na Agent Platform	Comece a usar o PyTorch no Ray na Agent Platform. Saiba como distribuir com eficiência o processo de treinamento de um modelo de classificação de imagens do PyTorch aproveitando o Ray na plataforma de agentes. Saiba mais sobre a visão geral do Ray na Agent Platform. Etapas do tutorial Prepare o script de treinamento. Enviar um job do Ray usando a API Ray Jobs Baixe um modelo de imagem pré-treinado do PyTorch. Criar um gerenciador de modelos personalizado Empacotar artefatos de modelo em um arquivo de modelo Registrar o modelo no Model Registry da plataforma de agentes Implantar o modelo no endpoint da Agent Platform Fazer previsões on-line	Colab Colab Enterprise GitHub Vertex AI Workbench
Visão geral do Ray na Agent Platform	Gerenciamento de clusters do Ray na Agent Platform. Saiba como criar, acessar, atualizar e excluir um cluster e listar clusters existentes. Saiba mais sobre a visão geral do Ray na Agent Platform. Etapas do tutorial Criar um cluster. Liste clusters existentes. Acesse um cluster. Escalone verticalmente o cluster de forma manual e, em seguida, reduzir escala vertical dele. Como fazer o escalonamento automático de um cluster. Exclua clusters existentes.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ray na plataforma de agentes Spark no Ray na plataforma de agentes	Spark no Ray na Agent Platform. Aprenda a usar o RayDP para executar aplicativos Spark em um cluster do Ray na Agent Platform. Saiba mais sobre o Ray na Agent Platform. Saiba mais sobre o Spark no Ray na Agent Platform. Etapas do tutorial Criar uma imagem de contêiner personalizada do Ray na plataforma de agentes Criar um cluster do Ray na plataforma de agentes usando uma imagem de contêiner personalizada Executar o Spark de maneira interativa no cluster usando o RayDP Executar o aplicativo Spark no cluster usando a API Ray Job Ler arquivos do Google Cloud Storage em um aplicativo Spark UDF do Pandas em um aplicativo do Spark no Ray na Agent Platform Excluir o cluster do Ray na Agent Platform	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training Servidor de redução da plataforma de agentes	Treinamento distribuído do PyTorch com o servidor de redução da plataforma do agente. Saiba como criar um job de treinamento distribuído do PyTorch que usa o framework e as ferramentas de treinamento distribuído do PyTorch e como executar o job de treinamento no serviço de Vertex AI Training com o servidor de redução. Saiba mais sobre o Vertex AI Training. Saiba mais sobre o servidor de redução da plataforma de agentes. Etapas do tutorial Criar um aplicativo de treinamento distribuído do PyTorch Empacotar o aplicativo de treinamento com contêineres pré-criados Criar um job personalizado na plataforma de agentes com o servidor de redução Enviar e monitorar o job	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado	Treinamento personalizado usando pacote do Python, conjunto de dados de texto gerenciado e contêiner veiculado TF. Saiba como criar um modelo personalizado usando o treinamento de pacote personalizado do Python e como disponibilizar o modelo usando o contêiner TensorFlow Serving para previsão on-line. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Criar funções utilitárias para fazer o download de dados e preparar arquivos CSV para criar um conjunto de dados gerenciado da plataforma de agentes Fazer o download dos dados Preparar arquivos CSV para criar um conjunto de dados gerenciado Criar pacote personalizado de treinamento do Python Criar um contêiner do TensorFlow Serving Executar treinamento personalizado de pacotes Python com um conjunto de dados gerenciado de texto Implantar um modelo e criar um endpoint na Plataforma de Agentes Previsão no endpoint Criar um job de previsão em lote no modelo	Colab Colab Enterprise GitHub Vertex AI Workbench
Fluxo de trabalho tabular para TabNet	Explicações da Agent Platform com modelos da TabNet. Saiba como fornecer uma ferramenta de plotagem de exemplo para visualizar a saída do TabNet, o que é útil para explicar o algoritmo. Saiba mais sobre o Fluxo de trabalho tabular para o TabNet. Etapas do tutorial Configure o projeto. Fazer o download dos dados de previsão do modelo de pré-treino em dados de Syn2. Visualize e entenda a importância do atributo com base na saída das máscaras. Limpar os recursos criados por este tutorial.	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsão ARIMA+ do BigQuery ML para dados tabulares	Treine um modelo ARIMA_PLUS do BigQuery ML usando fluxos de trabalho tabulares da plataforma de agentes. Saiba como criar o modelo ARIMA_PLUS do BigQuery ML usando um pipeline de treinamento da plataforma de agentes nos componentes de pipeline do Google Cloud e, em seguida, como fazer uma predição em lote usando o pipeline de previsão correspondente. Saiba mais sobre a previsão ARIMA+ do BigQuery ML para dados tabulares. Etapas do tutorial Treine o modelo ARIMA_PLUS do BigQuery ML. Ver avaliação do modelo do BigQuery ML Fazer uma previsão em lote com o modelo do BigQuery ML	Colab Colab Enterprise GitHub Vertex AI Workbench
Componentes de pipeline do Google Cloud Prophet para dados tabulares	Treinar um modelo profeta usando os fluxos de trabalho tabulares da plataforma de agentes Saiba como criar vários modelos do Prophet usando um pipeline de treinamento da plataforma de agentes nos componentes de pipeline do Google Cloud e, em seguida, fazer uma previsão em lote usando o pipeline de previsão correspondente. Saiba mais sobre os componentes do pipeline do Google Cloud. Saiba mais sobre o profeta de dados tabulares. Etapas do tutorial 1. Treine os modelos profetas. 1. Veja as métricas de avaliação. 1. Fazer uma previsão em lote com os modelos do Profeta.	Colab Colab Enterprise GitHub Vertex AI Workbench
Fluxo de trabalho tabular para TabNet	Pipeline do TabNet. Saiba como criar modelos de classificação em dados tabulares usando dois dos fluxos de trabalho tabulares da TabNet da plataforma de agentes. Saiba mais sobre o Fluxo de trabalho tabular para o TabNet. Etapas do tutorial Crie um Custom Job TabNet. Essa é a melhor opção se você souber quais hiperparâmetros usar no treinamento. Crie um HyperparameterTuningJob do TabNet. Isso permite que você tenha o melhor conjunto de hiperparâmetros para seu conjunto de dados.	Colab Colab Enterprise GitHub Vertex AI Workbench
Fluxo de trabalho tabular para amplo e profundo	Pipeline amplo e profundo. Saiba como criar dois modelos de classificação usando fluxos de trabalho tabulares profundos e amplos da plataforma de agentes. Saiba mais sobre o fluxo de trabalho tabular para largura e profundidade. Etapas do tutorial Crie um CustomJob profundo e amplo. Essa é a melhor opção se você souber quais hiperparâmetros usar no treinamento. Crie um HyperparameterTuningJob amplo e profundo. Isso permite que você tenha o melhor conjunto de hiperparâmetros para seu conjunto de dados.	Colab Colab Enterprise GitHub Vertex AI Workbench
TensorBoard da plataforma do agente Treinamento personalizado	Treinamento personalizado do TensorBoard da plataforma de agentes com contêineres personalizados. Saiba como criar um job de treinamento personalizado usando contêineres personalizados e como monitorar o processo de treinamento no TensorBoard da plataforma de agentes quase em tempo real. Saiba mais sobre o TensorBoard da plataforma de agentes. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Criar repositório e configuração do docker. Crie uma imagem de contêiner personalizada com seu código de treinamento personalizado. Configurar a conta de serviço e os buckets do Google Cloud Storage. Crie e inicie o job de treinamento personalizado com o contêiner personalizado.	Colab Colab Enterprise GitHub Vertex AI Workbench
TensorBoard da plataforma do agente Treinamento personalizado	Treinamento personalizado do TensorBoard da plataforma de agentes com contêineres pré-criados. Saiba como criar um job de treinamento personalizado usando contêineres pré-criados e como monitorar o processo de treinamento no TensorBoard da plataforma de agentes quase em tempo real. Saiba mais sobre o TensorBoard da plataforma de agentes. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Configure a conta de serviço e os buckets do Cloud Storage. Escreva seu código de treinamento personalizado. Empacotar e fazer upload do código de treinamento para o Cloud Storage Crie e inicie seu job de treinamento personalizado com o TensorBoard da plataforma de agentes ativado para monitoramento quase em tempo real.	Colab Colab Enterprise GitHub Vertex AI Workbench
TensorBoard da plataforma de agentes	Ajuste de hiperparâmetros do TensorBoard da plataforma de agentes com o painel HParams. Neste bloco, você treinará um modelo e realizará o ajuste de hiperparâmetros usando o TensorFlow. Etapas do tutorial O TensorFlow é executado para registrar hiperparâmetros e métricas. Inicie as execuções e registre todas elas em um diretório pai. Visualize os resultados no painel HParams do TensorBoard da plataforma de agentes.	Colab Colab Enterprise GitHub Vertex AI Workbench
Profiler TensorBoard da plataforma de agentes	Gere um perfil de desempenho do treinamento de modelo usando o Cloud Profiler. Saiba como ativar o Criador de perfil para jobs de treinamento personalizados. Saiba mais sobre o Profiler. Saiba mais sobre o TensorBoard da plataforma de agentes. Etapas do tutorial Criar uma conta de serviço e um bucket do Cloud Storage Criar uma instância do TensorBoard da plataforma de agentes Criar e executar um job de treinamento personalizado que ative o Profiler Acessar o painel do Profiler para depurar o desempenho do treinamento de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Profiler TensorBoard da plataforma de agentes	Gere um perfil de desempenho de treinamento de modelo usando o Cloud Profiler no treinamento personalizado com contêiner pré-criado. Saiba como ativar o Profiler na plataforma de agentes para jobs de treinamento personalizados com um contêiner pré-criado. Saiba mais sobre o Profiler. Saiba mais sobre o TensorBoard da plataforma de agentes. Etapas do tutorial Preparar seu código de treinamento personalizado e carregar o código de treinamento como um pacote Python em um contêiner pré-criado Criar e executar um job de treinamento personalizado que ative o Profiler Acessar o painel do Profiler para depurar o desempenho do treinamento de modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
TensorBoard da plataforma de agentes Pipelines da plataforma de agentes	Integração do TensorBoard da Agent Platform com os pipelines da Agent Platform. Saiba como criar um pipeline de treinamento usando o SDK do KFP, executar o pipeline no Agent Platform Pipelines e monitorar o processo de treinamento no TensorBoard da plataforma de agentes quase em tempo real. Saiba mais sobre o TensorBoard da plataforma de agentes. Saiba mais sobre os pipelines da plataforma de agentes. Etapas do tutorial Configurar uma conta de serviço e buckets do Google Cloud Storage. Criar um pipeline KFP com o código de treinamento personalizado Compile e execute o pipeline KFP no Agent Platform Pipelines com o TensorBoard da plataforma de agentes ativado para monitoramento quase em tempo real.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ajuste de hiperparâmetros da plataforma de agentes	Ajuste de hiperparâmetros da plataforma de agentes distribuída. Neste bloco, você criará um modelo treinado personalizado com um script Python em um contêiner do Docker. Saiba mais sobre o ajuste de hiperparâmetros da plataforma de agentes. Etapas do tutorial Treinamento usando um pacote Python. Gerar relatórios de precisão ao ajustar hiperparâmetros. Salve os artefatos do modelo no Cloud Storage usando o Cloud StorageFuse.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Comece a usar o Vertex AI Training para LightGBM. Saiba como treinar um modelo personalizado do LightGBM usando o método de contêiner personalizado para o Vertex AI Training. Etapas do tutorial Treinamento usando um pacote Python. Salve os artefatos do modelo no Cloud Storage usando o Cloud StorageFuse. Criar um servidor de previsão FastAPI. Criar uma imagem de implantação do Dockerfile para o servidor. Testar a imagem de implantação localmente (opcional e não para usuários do Colab). Crie um recurso de modelo da plataforma de agentes. Executar um job de predição em lote. Implantar o modelo em um endpoint e enviar solicitações de previsão on-line. Limpar os recursos criados	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento distribuído da plataforma do agente	Comece a usar o treinamento distribuído da Agent Platform. Saiba como usar o treinamento distribuído da plataforma de agentes ao treinar com `Agent Platform`. Saiba mais sobre o treinamento distribuído da plataforma de agentes. Etapas do tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Ajuste de hiperparâmetros da plataforma de agentes	Executar o ajuste de hiperparâmetros para um modelo do TensorFlow Saiba como executar um job de ajuste de hiperparâmetros da plataforma de agentes para um modelo do TensorFlow. Saiba mais sobre o ajuste de hiperparâmetros da plataforma de agentes. Etapas do tutorial Modificar o código do aplicativo de treinamento para ajuste do hiperparâmetro. Faça a conteinerização do código do aplicativo de treinamento Configure e inicie um job de ajuste de hiperparâmetros com o SDK da plataforma de agentes para Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ajuste de hiperparâmetros da Agent Platform	Ajuste de hiperparâmetros da plataforma de agentes para XGBoost. Saiba como usar o serviço de ajuste de hiperparâmetros da plataforma de agentes para treinar um modelo do XGBoost. Saiba mais sobre o ajuste de hiperparâmetros da plataforma de agentes. Etapas do tutorial Treine usando um pacote de aplicativos de treinamento em Python. Informe a acurácia durante o ajuste de hiperparâmetros. Salve os artefatos do modelo no Cloud Storage usando o Cloud StorageFuse. Liste o melhor modelo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Treinamento paralelo de dados distribuídos em vários nós para classificação de imagens do PyTorch na CPU usando o treinamento da plataforma de agentes com contêiner personalizado. Saiba como criar um job de treinamento distribuído do PyTorch usando o SDK da plataforma de agentes para Python e contêineres personalizados. Saiba mais sobre o Vertex AI Training. Etapas do tutorial Como configurar o projeto do Google Cloud	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Classificação de imagens do PyTorch usando treinamento paralelo de dados distribuídos em vários nós da NCCL na CPU e na plataforma de agentes. Saiba como criar um job de treinamento distribuído do PyTorch usando o SDK da plataforma de agentes para Python e contêineres personalizados. Saiba mais sobre o Vertex AI Training. Etapas do tutorial Como criar um contêiner personalizado usando o Artifact Registry e o Docker. Como criar uma instância do TensorBoard da plataforma de agentes para armazenar o experimento da plataforma de agentes. Execute um job de treinamento da plataforma de agentes usando o SDK da plataforma de agentes para Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado	Como treinar, ajustar e implantar um modelo de classificação de sentimento de texto do PyTorch na plataforma de agentes. Saiba como criar, treinar, ajustar e implantar um modelo do PyTorch na plataforma de agentes. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Crie um pacote de treinamento para o modelo de classificação textual. Treine o modelo com treinamento personalizado na plataforma de agentes. Verifique os artefatos do modelo criados. Criar um contêiner personalizado para previsões. Implante o modelo treinado em um endpoint da plataforma de agentes usando o contêiner personalizado para previsões. Enviar solicitações de previsão on-line para o modelo implantado e validar. Limpar os recursos criados neste notebook.	Colab Colab Enterprise GitHub Vertex AI Workbench
Integração do PyTorch na Agent Platform	Treine o modelo PyTorch na plataforma de agentes com dados do Cloud Storage. Saiba como criar um job de treinamento usando o PyTorch e um conjunto de dados armazenado no Cloud Storage. Saiba mais sobre a integração do PyTorch na Agent Platform. Etapas do tutorial Escreva um script de treinamento personalizado que cria seus conjuntos de dados de treinamento e teste e que treina o modelo. Como executar um `CustomTrainingJob` usando o SDK da plataforma de agentes para Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento distribuído	Como usar o torchrun do PyTorch para simplificar o treinamento de vários nós com contêineres personalizados. Saiba como treinar um modelo do Imagenet usando a Torchrun do PyTorch em vários nós. Saiba mais sobre o treinamento distribuído. Etapas do tutorial Crie um script de shell para iniciar um cluster de ETCD no nó mestre Criar um script de treinamento usando o código do repositório do GitHub do PyTorch Elastic Criar contêineres que fazem o download dos dados e iniciar um cluster de ETCD no host Treinar o modelo usando vários nós com GPUs	Colab Colab Enterprise GitHub Vertex AI Workbench
Treinamento personalizado	Treinamento distribuído do XGBoost com o Dask. Saiba como criar um job de treinamento distribuído usando o XGBoost com o Dask. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Configure as variáveis `PROJECT_ID` e `LOCATION` para seu projeto do Google Cloud. Crie um bucket do Cloud Storage para armazenar os artefatos do modelo. Crie um contêiner personalizado do Docker que hospede seu código de treinamento e envie a imagem do contêiner para o Artifact Registry. Executar um CustomContainerTrainingJob do SDK da Agent Platform	Colab Colab Enterprise GitHub Vertex AI Workbench
vector_search	Usar embeddings multimodais da Plataforma de Agentes e o Vector Search. Saiba como codificar embeddings de texto personalizados, criar um índice do vizinho mais perto aproximado e consultar índices. Etapas do tutorial Converter um conjunto de dados de imagens em embeddings. Criar um índice. Fazer upload de embeddings no índice Criar um endpoint de índice Implantar o índice no endpoint do índice Realizar uma consulta on-line.	Colab Colab Enterprise GitHub Vertex AI Workbench
Pesquisa vetorial da Plataforma de Agentes	Como usar a pesquisa de vetor da plataforma de agentes para perguntas do StackOverflow. Saiba como codificar embeddings de texto personalizados, criar um índice do vizinho mais perto aproximado e consultar índices. Saiba mais sobre a pesquisa de vetor da plataforma de agentes. Etapas do tutorial Criar um índice ANN. Criar um endpoint de índice com rede VPC. Implantar um índice ANN. Executar uma consulta on-line.	Colab Colab Enterprise GitHub Vertex AI Workbench
Pesquisa vetorial da Agent Platform Embeddings de texto da Agent Platform	Como usar a pesquisa de vetor da plataforma de agente e os embeddings da plataforma de agente para texto em perguntas do StackOverflow. Saiba como codificar embeddings de texto, criar um índice do vizinho mais perto aproximado e consultar índices. Saiba mais sobre a pesquisa de vetor da plataforma de agentes. Saiba mais sobre embeddings de texto da Agent Platform. Etapas do tutorial Converter um conjunto de dados do BigQuery em embeddings Criar um índice. Fazer upload de embeddings no índice Criar um endpoint de índice Implantar o índice no endpoint do índice Realizar uma consulta on-line.	Colab Colab Enterprise GitHub Vertex AI Workbench
Pesquisa vetorial da Plataforma de Agentes	Criar índice da Pesquisa de vetor da Plataforma de Agentes. Saiba como criar o índice do vizinho mais perto aproximado, consultar índices e validar o desempenho do índice. Saiba mais sobre a pesquisa de vetor da plataforma de agentes. Etapas do tutorial Criar um índice ANN e um índice de força bruta. Criar um IndexEndpoint com rede VPC Implantar um índice de ANN e um índice de força bruta. Executar uma consulta on-line. Recall do Compute	Colab Colab Enterprise GitHub Vertex AI Workbench
Agente do AI Platform Vizier	Como otimizar vários objetivos com o Agent Platform Vizier Saiba como usar o Agent Platform Vizier para otimizar um estudo com vários objetivos. Saiba mais sobre o Agent Platform Vizier. Etapas do tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Agente do AI Platform Vizier	Comece a usar o Vizier da plataforma de agentes. Saiba como usar o Vizier da plataforma de agentes ao treinar com a plataforma de agentes. Saiba mais sobre o Agent Platform Vizier. Etapas do tutorial Ajuste de hiperparâmetros com algoritmo aleatório. Ajuste de hiperparâmetros com o algoritmo Vizier da plataforma de agentes (bayesiano). Sugestão de testes e atualização de resultados para o estudo do Agent Platform Vizier	Colab Colab Enterprise GitHub Vertex AI Workbench
Agent Platform Workbench Vertex AI Training	Treinar um modelo de classificação multiclasse para segmentação de anúncios Saiba como coletar dados do BigQuery, fazer o pré-processamento deles e treinar um modelo de classificação multiclasse em um conjunto de dados de e-commerce. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o Vertex AI Training. Etapas do tutorial Buscar os dados necessários do BigQuery Pré-processar os dados Treinar um modelo de classificação do TensorFlow (>=2,4) Avaliar a perda do modelo treinado Automatizar a execução do notebook usando o recurso de execução Salvar o modelo em um caminho do Cloud Storage Limpar os recursos criados	Colab Colab Enterprise GitHub Vertex AI Workbench
Agent Platform Workbench Vertex Explainable AI	Previsão de tarifa de táxi usando o conjunto de dados de corridas de táxi de Chicago. O objetivo deste notebook é fornecer uma visão geral dos recursos da plataforma de agentes, como a Vertex Explainable AI e o BigQuery em notebooks, tentando resolver um problema de previsão de tarifa de táxi. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre a Vertex Explainable AI. Etapas do tutorial Carregar o conjunto de dados usando o BigQuery no Notebooks. Fazer análises de dados exploratórias no conjunto de dados Seleção de atributos e pré-processamento. Criar um modelo de regressão linear usando o scikitlearn Como configurar o modelo da Vertex Explainable AI. Implantar o modelo na plataforma de agentes. Testar o modelo implantado. Fazer a limpeza.	Colab Colab Enterprise GitHub Vertex AI Workbench
Agent Platform Workbench BigQuery ML	Previsão da demanda de varejo com a plataforma de agentes e o BigQuery ML. Saiba como criar um modelo ARIMA (média móvel integrada autoregressiva) do BigQuery ML em dados de varejo Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o BigQuery ML. Etapas do tutorial Explorar dados Modelo com o BigQuery e o modelo ARIMA Avalie o modelo Avaliar os resultados do modelo usando o BigQuery ML (em dados de treinamento) Avaliar os resultados do modelo MAE, MAPE, MSE, RMSE (em dados de teste) Usar o recurso de execução	Colab Colab Enterprise GitHub Vertex AI Workbench
Agent Platform Workbench BigQuery ML	Análise exploratória interativa dos dados do BigQuery em um notebook. Saiba várias maneiras de explorar e receber insights dos dados do BigQuery em um ambiente de bloco do Jupyter. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o BigQuery ML. Etapas do tutorial Como usar Python e SQL para consultar dados públicos no BigQuery Como analisar o conjunto de dados usando o BigQuery INFORMATION_SCHEMA Criar elementos interativos para ajudar a explorar partes interessantes dos dados Faça uma análise exploratória de séries temporais e correlação. Como criar saídas estáticas e interativas (tabelas de dados e gráficos) no notebook Salvar algumas saídas no Cloud Storage	Colab Colab Enterprise GitHub Vertex AI Workbench
Workbench da plataforma do agente Treinamento personalizado	Crie um modelo de detecção de fraudes na plataforma do agente. Este tutorial demonstra a análise de dados e a criação de modelos usando um conjunto de dados financeiros sintéticos. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o treinamento personalizado. Etapas do tutorial Instalação das bibliotecas necessárias Como ler o conjunto de dados de um bucket do Cloud Storage Como fazer análises exploratórias no conjunto de dados Pré-processamento do conjunto de dados Como treinar um modelo aleatório de floresta usando o scikitlearn Salvar o modelo em um bucket do Cloud Storage Como criar um recurso de modelo da plataforma de agentes e implantar em um endpoint Como executar a Ferramenta WhatIf nos dados de teste Como remover a implantação do modelo e limpar os recursos dele	Colab GitHub Vertex AI Workbench
Agent Platform Workbench BigQuery ML	Previsão de desligamento de usuários para desenvolvedores de jogos que usam o Google Analytics 4 e o BigQuery ML. Saiba como treinar e avaliar um modelo de propensão no BigQuery ML. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o BigQuery ML. Etapas do tutorial Analise os dados exportados do Google Analytics 4 no BigQuery. Preparar os dados de treinamento usando informações demográficas, dados comportamentais e rótulos (desligamento de usuários/não desligamento de usuários). Treinar um modelo XGBoost usando o BigQuery ML Avalie o modelo usando o BigQuery ML. Use o BigQuery ML para prever quais usuários têm probabilidade de desistência.	Colab Colab Enterprise GitHub Vertex AI Workbench
Workbench da plataforma do agente Treinamento da plataforma do agente	Manutenção preditiva usando o Agent Platform. Saiba como usar o recurso executor do Agent Platform Workbench para automatizar um fluxo de trabalho para treinar e implantar um modelo. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o treinamento da plataforma de agentes. Etapas do tutorial Carregar o conjunto de dados necessário de um bucket do Cloud Storage. Analisar os campos presentes no conjunto de dados. Seleção dos dados necessários para o modelo de manutenção preditiva. Como treinar um modelo de regressão XGBoost para prever a vida útil restante. Avaliar o modelo Executar o notebook como um job de treinamento usando o Executor. Implante o modelo na Agent Platform. Fazer a limpeza.	Colab Colab Enterprise GitHub Vertex AI Workbench
Agent Platform Workbench BigQuery ML	Análise de otimização de preços nos dados de preços de CDM. O objetivo deste bloco é criar um modelo de otimização de preços usando o BigQuery ML. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o BigQuery ML. Etapas do tutorial Carregar o conjunto de dados obrigatório de um bucket do Cloud Storage Analise os campos presentes no conjunto de dados. Processe os dados para criar um modelo. Criar um modelo de previsão do BigQuery ML com base nos dados processados. Receber valores previstos do modelo de ML do BigQuery. Interpretar as previsões para identificar os melhores preços Fazer a limpeza.	Colab Colab Enterprise GitHub Vertex AI Workbench
Agent Platform Workbench Dataproc sem servidor para o Spark	Resumir e analisar dados do BigQuery com o Dataproc Este tutorial do bloco executa um job do Apache Spark que busca dados no conjunto de dados "BigQuery Activity Data", consulta os dados e grava os resultados no BigQuery. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o Dataproc Serverless para Spark. Etapas do tutorial Configurar um projeto do Google Cloud e um cluster do Dataproc. Como configurar o conector sparkbigqueryconnector. Ingestão de dados do BigQuery em um DataFrame do Spark. Pré-processamento de dados ingeridos. Consulte a linguagem de programação mais usada em repositórios monoglot. Consulte o tamanho médio (MB) de código em cada linguagem armazenada em repositórios monoglot. Consulte os arquivos de idioma mais frequentemente encontrados em repositórios poliglotas. Gravar os resultados da consulta de volta no BigQuery Como excluir os recursos criados para este tutorial do notebook.	Colab Colab Enterprise GitHub Vertex AI Workbench
Agent Platform Workbench Dataproc	SparkML com Dataproc e BigQuery Este tutorial executa um job do Apache SparkML que busca dados no conjunto de dados do BigQuery, realiza análise de dados detalhada, limpa os dados, executa a engenharia de atributos, treina o modelo, avalia o modelo, gera resultados e salva o modelo em um bucket do Cloud Storage. Saiba mais sobre o Agent Platform Workbench. Saiba mais sobre o Dataproc. Etapas do tutorial Configura um projeto do Google Cloud e um cluster do Dataproc. Cria um bucket do Cloud Storage e um conjunto de dados do BigQuery. Configura o conector sparkbigqueryconnector. Ingestão de dados do BigQuery em um DataFrame do Spark. Fazer uma análise exploratória de dados (EDA, na sigla em inglês). Visualize os dados com amostras. Limpa os dados. Seleciona os recursos. Treina o modelo. Saída de resultados. Salva o modelo em um bucket do Cloud Storage. Exclui os recursos criados para o tutorial.	Colab Colab Enterprise GitHub Vertex AI Workbench

Tutoriais de notebooks de avaliação de modelos da Agent Platform Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.