Entrenamiento de modelos con código de preprocesamiento de datos precompilado: cuaderno

Como científico de datos, este es un flujo de trabajo habitual: entrenar un modelo localmente (en mi cuaderno), registrar los parámetros, registrar las métricas de series temporales de entrenamiento en Vertex AI TensorBoard y registrar las métricas de evaluación.

Como científico de datos, quiero poder reutilizar el código de preprocesamiento de datos que han escrito otros miembros de mi empresa para simplificar y estandarizar todas las complejas tareas de gestión de datos que realizamos. Quiero poder hacer lo siguiente:

1. Usa una biblioteca de preprocesamiento de datos de Python para limpiar un conjunto de datos en memoria (un DataFrame de Pandas) en un cuaderno.
2. Entrena un modelo con Keras (de nuevo en un cuaderno).

Cuaderno: experimentación de modelos con datos preprocesados

Para ver un ejemplo de cómo crear un linaje de Vertex AI Experiments para un entrenamiento personalizado, ejecuta el cuaderno "Build Vertex AI Experiment lineage for custom training" (Crear linaje de Vertex AI Experiments para un entrenamiento personalizado) en uno de los siguientes entornos:

Abrir en Colab | Abrir en Colab Enterprise | Abrir en Vertex AI Workbench | Ver en GitHub

En el cuaderno "Build Vertex AI Experiments lineage for custom training" (Crear un linaje de experimentos de Vertex AI para el entrenamiento personalizado), aprenderás a integrar código de preprocesamiento en Vertex AI Experiments. Además, crearás el linaje de experimentos, que te permitirá registrar, analizar, depurar y auditar los metadatos y los artefactos que se produzcan a lo largo de tu proceso de aprendizaje automático.

Puedes ver el linaje de los artefactos en la Google Cloud consola.

Contenido relevante

• Registrar datos manualmente en una ejecución de un experimento
• Métricas de resumen de registros
• Registrar métricas de series temporales
• Parámetros de registro
• Métricas de clasificación de registros

• Seguimiento de ejecuciones y artefactos