המדריך הזה הוא מדריך מקיף שמסביר איך להשתמש ב-Agent Platform SDK ל-Python כדי ליצור מודל מאומן בהתאמה אישית. מריצים קוד בקובץ מחברת (IPYNB) שמשתמש במאגר Docker כדי לאמן וליצור את המודל. המדריך מיועד למדעני נתונים שחדשים ב-Gemini Enterprise Agent Platform ומכירים מחברות, Python ותהליך העבודה של למידת מכונה (ML).
התהליך מתחיל ביצירת פרויקט במסוף Google Cloud שמכיל את העבודה שלכם. בפרויקט, אתם משתמשים ב-Vertex AI Workbench כדי ליצור מחברת Jupyter. בסביבת המחברת אתם מריצים קוד שמוריד ומכין מערך נתונים, ואז משתמשים במערך הנתונים כדי ליצור ולאמן מודל. בסוף המדריך, המודל המאומן יוצר תחזיות.
מטרת המדריך הזה היא להסביר לכם כל שלב שנדרש ליצירת תחזיות בפחות משעה. מערך הנתונים שבו משתמשים קטן יחסית, כדי שאימון המודל לא ייקח הרבה זמן. אחרי שמסיימים, אפשר להשתמש במה שלומדים כדי לנתח מערכי נתונים גדולים יותר. ככל שמערך הנתונים גדול יותר, כך התחזיות מדויקות יותר.
שלבים במדריך
דרישות מוקדמות – צריך ליצור חשבון ופרויקט Google Cloud ב-Google Cloud.
יצירת נוטבוק – יצירה והכנה של נוטבוק Jupyter והסביבה שלו. אתם משתמשים במחברת כדי להריץ קוד שיוצר את מערך הנתונים, יוצר ומאמן את המודל ומפיק את התחזיות.
יצירת מערך נתונים – מורידים מערך נתונים ציבורי שזמין ב-BigQuery, ואז משתמשים בו כדי ליצור מערך נתונים טבלאי בפלטפורמת הסוכנים של Gemini Enterprise. מערך הנתונים מכיל את הנתונים שבהם אתם משתמשים כדי לאמן את המודל.
יצירת סקריפט אימון – יוצרים סקריפט Python שמעבירים למשימת האימון. הסקריפט מופעל כשעבודת האימון מאמנת את המודל ויוצרת אותו.
אימון מודל – שימוש במערך נתונים טבלאי כדי לאמן ולפרוס מודל. אתם משתמשים במודל כדי ליצור את התחזיות.
יצירת תחזיות – שימוש במודל כדי ליצור תחזיות. בקטע הזה מוסבר גם איך למחוק משאבים שיוצרים במהלך ההפעלה של המדריך הזה, כדי שלא תחויבו על שימוש לא נחוץ.
מה אפשר לעשות
במדריך הזה נסביר איך להשתמש ב-Agent Platform SDK ל-Python כדי לבצע את הפעולות הבאות:
- יצירת קטגוריה של Cloud Storage לאחסון מערך נתונים
- עיבוד מקדים של נתונים לאימון
- שימוש בנתונים המעובדים כדי ליצור מערך נתונים ב-BigQuery
- שימוש במערך הנתונים של BigQuery כדי ליצור מערך נתונים טבלאי ב-Gemini Enterprise Agent Platform
- יצירה ואימון של מודלים עם אימון בהתאמה אישית
- פריסת המודל שאומן בהתאמה אישית לנקודת קצה
- יצירת תחזית
- ביטול הפריסה של המודל
- מוחקים את כל המשאבים שנוצרו במדריך כדי שלא תחויבו
משאבים שניתן לחייב עליהם
במדריך הזה נעשה שימוש במשאבים שחלים עליהם חיובים שמשויכים לפלטפורמת הסוכנים של Gemini Enterprise, לשירותים של BigQuery ושל Cloud Storage Google Cloud . אם אתם חדשים ב- Google Cloud, יכול להיות שתוכלו להשתמש באחד או יותר מהשירותים האלה ללא עלות. פלטפורמת הסוכנים של Gemini Enterprise מציעה ללקוחות חדשים קרדיט בשווי 300 $ בחינם, וב-Cloud Storage וב-BigQuery יש תוכניות בחינם. למידע נוסף, קראו את המאמרים הבאים:
- התמחור של Gemini Enterprise Agent Platform ותכונות חינמיות בענן ותקופת ניסיון
- התמחור של BigQuery והשימוש בחבילה החינמית של BigQuery
- התמחור של Cloud Storage והשימוש במסלול החינמי של Cloud Storage
- Google Cloud מחשבון תמחור
כדי למנוע חיובים נוספים, בשלב האחרון של המדריך הזה מוסבר איך להסיר את כל המשאבים שניתנים לחיוב Google Cloud שיצרתם.