Instructivos de notebooks de Agent Platform

En este documento, se incluye una lista de los instructivos de notebooks disponibles de Gemini Enterprise Agent Platform. Estos instructivos de extremo a extremo te ayudan a comenzar a usar Agent Platform y te brindan ideas para implementar un proyecto específico.

Existen muchos entornos en los que puedes alojar notebooks. Puedes ejecutarlos en la nube con un servicio como Colaboratory (Colab), Colab Enterprise o Gemini Enterprise Agent Platform Workbench. También puedes descargar los notebooks de GitHub y ejecutarlos en tu máquina local o en una implementación de JupyterLab en tu red local.

Colab

Para abrir un instructivo de notebook en Colab, haz clic en el vínculo Colab en la lista de notebooks. Colab crea una instancia de VM con todas las dependencias necesarias, inicia el entorno de Colab y carga el notebook.

Colab Enterprise

Para abrir un instructivo de notebook en Colab Enterprise, haz lo siguiente:

1. Configura un Google Cloud proyecto y habilita las APIs requeridas.
2. Haz clic en el vínculo Colab Enterprise en la lista de notebooks. Colab Enterprise carga el notebook.

Agent Platform Workbench

Para abrir un instructivo de notebook en Agent Platform Workbench, haz lo siguiente:

1. Crea una instancia de Agent Platform Workbench.
2. Haz clic en el vínculo Agent Platform Workbench en la lista de notebooks.
3. Selecciona una instancia activa de Agent Platform Workbench. Si ninguna de tus instancias se está ejecutando, selecciona una y, luego, haz clic en Iniciar. Después de que se inicie la instancia, vuelve a seleccionarla.
4. Haz clic en Implementar.
5. En la página Confirmar implementación en servidor de notebook, selecciona Confirmar. Agent Platform Workbench carga el notebook.
6. En el cuadro de diálogo Seleccionar kernel, selecciona Python 3 y haz clic en Seleccionar.

GitHub

Para descargar un instructivo de notebook desde GitHub, haz lo siguiente:

1. Haz clic en el vínculo GitHub en la lista de notebooks.
2. En GitHub, haz clic en el botón  Descargar archivo sin procesar.
3. Completa el diálogo para descargar el notebook.

Lista de notebooks

Selecciona un servicio Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise Agent Platform de Gemini Enterprise

Servicios	Descripción	Abrir en
Clasificación para datos tabulares	Entrenamiento y predicción en AutoML con datos tabulares Aprende a entrenar y hacer predicciones en un modelo de AutoML basado en un conjunto de datos tabular. Obtén más información sobre la Clasificación para datos tabulares. Pasos del instructivo Crea un trabajo de entrenamiento de modelos de Gemini Enterprise Agent Platform. Entrenar un modelo tabular de AutoML Implementa el recurso de modelo en un recurso de extremo de entrega. Enviar datos para hacer una predicción Anular la implementación del recurso modelo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Obtén predicciones a partir de un modelo de clasificación de imágenes	Modelo de clasificación personalizado de imágenes de entrenamiento de AutoML para la predicción por lotes En este instructivo, crearás un modelo de clasificación de imágenes de AutoML a partir de una secuencia de comandos de Python y, luego, realizarás una predicción por lotes con el SDK de Vertex. Conoce más información sobre cómo obtener predicciones a partir de un modelo de clasificación de imágenes. Pasos del instructivo Crea un recurso de conjunto de datos de Vertex. Entrena el modelo. Visualice la evaluación del modelo. Realizar una predicción por lotes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Obtén predicciones a partir de un modelo de clasificación de imágenes	Modelo de clasificación de imágenes de entrenamiento de AutoML para la predicción en línea En este instructivo, crearás un modelo de clasificación de imágenes de AutoML y, luego, lo implementarás para la predicción en línea desde una secuencia de comandos de Python con el SDK de Vertex. Conoce más información sobre cómo obtener predicciones a partir de un modelo de clasificación de imágenes. Pasos del instructivo Crea un recurso Dataset de Vertex. Entrena el modelo. Visualice la evaluación del modelo. Implementa el recurso Model en un recurso de entrega Endpoint. Realiza una predicción. Anula la implementación de Model.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
AutoML	Modelo de entrenamiento de detección de objetos en imágenes de AutoML para la exportación a Edge. En este instructivo, crearás un modelo de detección de objetos en imágenes de AutoML a partir de una secuencia de comandos de Python mediante el SDK de Vertex y, luego, exportarás el modelo como un modelo de Edge en formato TFLite. Pasos del instructivo Crea un recurso de conjunto de datos de Vertex. Entrena el modelo. Exporta el modelo de edge del recurso de modelo a Cloud Storage. Descarga el modelo de forma local. Haz una predicción local.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Detección de objetos para datos de imágenes	Modelo de entrenamiento de detección de objetos en imágenes de AutoML para la predicción en línea. En este instructivo, crearás un modelo de detección de objetos en imágenes de AutoML y, luego, lo implementarás para la predicción en línea desde una secuencia de comandos de Python con el SDK de Agent Platform. Obtén más información sobre la Detección de objetos para datos de imágenes. Pasos del instructivo Crea un recurso de conjunto de datos de Gemini Enterprise Agent Platform. Entrena el modelo. Visualice la evaluación del modelo. Implementa el recurso de modelo en un recurso de extremo de entrega. Realiza una predicción. Anula la implementación del modelo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Flujo de trabajo tabular para AutoML de E2E	Canalizaciones de flujo de trabajo tabular de AutoML. Obtén información para crear dos modelos de regresión con Gemini Enterprise Agent Platform Pipelines descargados desde los componentes de canalización de Google Cloud . Obtén más información sobre el Flujo de trabajo tabular para AutoML E2E. Pasos del instructivo Crea una canalización de entrenamiento que reduzca el espacio de búsqueda del valor predeterminado para ahorrar tiempo. Crea una canalización de entrenamiento que vuelva a usar los resultados de la búsqueda de arquitectura a partir de la canalización anterior para ahorrar tiempo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento de AutoML	Comienza a usar el entrenamiento de AutoML. Aprende a usar AutoML para el entrenamiento con Gemini Enterprise Agent Platform. Obtén más información sobre el entrenamiento de AutoML. Pasos del instructivo Entrena un modelo de imagen Exporta el modelo de imagen como un modelo de conexión de integración Entrena un modelo tabular Exporta el modelo tabular como un modelo en la nube Entrena un modelo de texto	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Previsión jerárquica de datos tabulares	Previsión de jerarquía de entrenamiento de AutoML de Gemini Enterprise Agent Platform para la predicción por lotes. En este instructivo, crearás un modelo de previsión jerárquica de AutoML y lo implementarás en la predicción por lotes con el SDK de Agent Platform para Python. Obtén más información sobre la Previsión jerárquica para datos tabulares. Pasos del instructivo Crea un recurso TimeSeriesDataset de Gemini Enterprise Agent Platform. Entrena el modelo. Visualice la evaluación del modelo. Realizar una predicción por lotes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Detección de objetos para datos de imágenes	Modelo de entrenamiento de detección de objetos en imágenes de AutoML para la predicción por lotes. En este instructivo, crearás un modelo de detección de objetos en imágenes de AutoML a partir de una secuencia de comandos de Python y, luego, realizarás una predicción por lotes con el SDK de Agent Platform para Python. Obtén más información sobre la Detección de objetos para datos de imágenes. Pasos del instructivo Crea un recurso de conjunto de datos de Vertex. Entrena el modelo. Visualice la evaluación del modelo. Realizar una predicción por lotes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Previsión con AutoML	Modelo de previsión tabular de AutoML para la predicción por lotes. Aprende a crear un modelo de previsión tabular de AutoML a partir de una secuencia de comandos de Python y, luego, genera una predicción por lotes con el SDK de Agent Platform. Obtén más información sobre Previsión con AutoML. Pasos del instructivo Crea un recurso de conjunto de datos de Gemini Enterprise Agent Platform. Entrenar un recurso de modelo de previsión tabular de AutoML. Obtén las métricas de evaluación para el recurso de modelo. Realizar una predicción por lotes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Regresión de datos tabulares	Modelo de regresión tabular de entrenamiento de AutoML para la predicción por lotes con BigQuery. Aprende a crear un modelo de regresión tabular de AutoML y a implementarlo para la predicción por lotes con el SDK de Agent Platform para Python. Obtén más información sobre la Regresión de datos tabulares. Pasos del instructivo Crea un recurso de conjunto de datos de Gemini Enterprise Agent Platform. Entrena un recurso de modelo de regresión tabular de AutoML. Obtén las métricas de evaluación para el recurso de modelo. Realizar una predicción por lotes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Regresión de datos tabulares	Modelo de regresión tabular de entrenamiento de AutoML para la predicción en línea mediante BigQuery. Aprende a crear un modelo de regresión tabular de AutoML y a implementarlo para la predicción en línea desde una secuencia de comandos de Python con el SDK de Agent Platform. Obtén más información sobre la Regresión de datos tabulares. Pasos del instructivo Crea un recurso de conjunto de datos de Vertex. Entrena el modelo. Visualice la evaluación del modelo. Implementa el recurso de modelo en un recurso de extremo de entrega. Realiza una predicción. Anula la implementación del modelo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
BigQuery ML	Comienza a usar BigQuery ML Training. Aprende a usar BigQuery ML para el entrenamiento con Gemini Enterprise Agent Platform. Más información sobre BigQuery ML Pasos del instructivo Crea una tabla local de BigQuery en tu proyecto Entrena un modelo de BigQuery ML Evalúa el modelo de BigQuery ML Exporta el modelo de BigQuery ML como modelo en la nube Sube el modelo exportado como un recurso de modelo de Gemini Enterprise Agent Platform Hiperparámetro ajusta un modelo de BigQuery ML con Agent Platform Vizier Registra automáticamente un modelo de BigQuery ML en Model Registry	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado Vertex AI Inference	Implementa el modelo de detección de Iris con FastAPI y la entrega de contenedores personalizados de Gemini Enterprise Agent Platform. Aprende a crear, implementar y entregar un modelo de clasificación personalizado en Gemini Enterprise Agent Platform. Más información sobre el entrenamiento personalizado Obtén más información sobre Vertex AI Inference. Pasos del instructivo Entrena un modelo que use las medidas de flores como entrada para predecir la clase de iris. Guarda el modelo y su preprocesador serializado. Compila un servidor de FastAPI para manejar predicciones y verificaciones de estado. Compila un contenedor personalizado con artefactos de modelo. Sube e implementa un contenedor personalizado en los extremos de Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Entrena un modelo de TensorFlow con los datos de BigQuery Aprende a crear un modelo entrenado de forma personalizada a partir de una secuencia de comandos de Python en un contenedor de Docker con el SDK de Agent Platform para Python y envía datos para obtener una predicción del modelo implementado. Obtén más información sobre Vertex AI Training. Pasos del instructivo Crea un TrainingPipeline personalizado de Gemini Enterprise Agent Platform para entrenar un modelo. Entrene un modelo de TensorFlow. Implementa el recurso Model en un recurso de entrega Endpoint. Realiza una predicción. Anula la implementación del recurso Model.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado	Entrenamiento personalizado con imagen de contenedor personalizado y carga automática de modelos en Model Registry. En este instructivo, entrenarás un enfoque de imagen de contenedor personalizado de modelo de aprendizaje automático para el entrenamiento personalizado en Gemini Enterprise Agent Platform. Más información sobre el entrenamiento personalizado Pasos del instructivo Crea un trabajo personalizado de Gemini Enterprise Agent Platform para entrenar un modelo. Entrena y registra un modelo de TensorFlow con un contenedor personalizado. Enumera el modelo registrado en Model Registry.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Cloud Profiler	Rendimiento del entrenamiento de modelos de perfil con Cloud Profiler Obtén más información sobre cómo habilitar Cloud Profiler para trabajos de entrenamiento personalizados. Obtén más información sobre Cloud Profiler. Pasos del instructivo Configura una cuenta de servicio y un bucket de Cloud Storage Crea una instancia de Vertex AI TensorBoard Crea y ejecuta un trabajo de entrenamiento personalizado Visualiza el panel de Cloud Profiler	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado	Comienza a usar Vertex AI Training para XGBoost. Aprende a usar Vertex AI Training para entrenar un modelo personalizado de XGBoost. Más información sobre el entrenamiento personalizado Pasos del instructivo Realiza entrenamientos con un paquete de Python. Informa la exactitud con el ajuste de hiperparámetros Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse. Crea un recurso de modelo de Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Recursos compartidos entre implementaciones	Comienza a usar los Extremos y las VM compartidas. Aprende a usar grupos de recursos de implementación para implementar modelos. Obtén más información sobre los recursos compartidos entre implementaciones. Pasos del instructivo Sube un modelo de clasificación de imágenes previamente entrenado como un recurso Model (modelo A). Sube un modelo de codificador de oraciones de texto previamente entrenado como un recurso Model (modelo B). Crea un grupo de recursos de implementación de VMs compartidas. Enumera los grupos de recursos de implementación de VMs compartidas. Crea dos recursos Endpoint. Implementa el primer modelo (modelo A) en el primer recurso Endpoint mediante el grupo de recursos de implementación. Implementa el segundo modelo (modelo B) en el segundo recurso Endpoint con el grupo de recursos de implementación. Realiza una solicitud de predicción con el primer modelo implementado (modelo A). Realiza una solicitud de predicción con el segundo modelo implementado (modelo B).	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado Predicción por lotes de Gemini Enterprise Agent Platform	Entrenamiento personalizado y predicción por lotes. Aprende a usar Vertex AI Training para crear un modelo entrenado personalizado y usar Gemini Enterprise Agent Platform Batch Prediction para realizar una predicción por lotes en el modelo entrenado. Más información sobre el entrenamiento personalizado Obtén más información sobre la predicción por lotes de Gemini Enterprise Agent Platform. Pasos del instructivo Crea un trabajo personalizado de Gemini Enterprise Agent Platform para entrenar un modelo de TensorFlow. Sube los artefactos del modelo entrenado como un recurso de modelo. Realizar una predicción por lotes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado Vertex AI Inference	Entrenamiento personalizado y predicción en línea. Aprende a usar Vertex AI Training para crear un modelo entrenado de forma personalizada a partir de una secuencia de comandos de Python en un contenedor de Docker y aprende a usar Vertex AI Inference a fin de realizar una predicción en el modelo implementado mediante el envío de datos. Más información sobre el entrenamiento personalizado Obtén más información sobre Vertex AI Inference. Pasos del instructivo Crea un trabajo personalizado Gemini Enterprise Agent Platform para entrenar un modelo de TensorFlow. Sube los artefactos del modelo entrenado a un recurso Model. Crea un recurso Endpoint de entrega. Implementa el recurso Model en un recurso de entrega Endpoint. Realiza una predicción. Anula la implementación del recurso Model.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Conjuntos de datos de BigQuery Gemini Enterprise Agent Platform para usuarios de BigQuery	Comienza a usar los conjuntos de datos de BigQuery. Aprende a usar BigQuery como un conjunto de datos para el entrenamiento con Gemini Enterprise Agent Platform. Obtén más información sobre los conjuntos de datos de BigQuery Obtén más información sobre Gemini Enterprise Agent Platform para usuarios de BigQuery. Pasos del instructivo Crea un recurso de conjunto de datos de Agent Platform de Gemini Enterprise a partir de una tabla de BigQuery compatible con el entrenamiento de AutoML. Extrae una copia del conjunto de datos de BigQuery a un archivo CSV en Cloud Storage compatible con AutoML o un entrenamiento personalizado. Selecciona filas de un conjunto de datos de BigQuery en un DataFrame de Pandas compatible con el entrenamiento personalizado. Selecciona filas de un conjunto de datos de BigQuery en un tf.data.Dataset compatible con los modelos de entrenamiento personalizado de TensorFlow. Selecciona filas de archivos CSV extraídos en un tf.data.Dataset compatible con los modelos de entrenamiento personalizados de TensorFlow. Crea un conjunto de datos de BigQuery a partir de archivos CSV Extrae datos de la tabla BigQuery en una DMatrix compatible con los modelos de entrenamiento personalizado de XGBoost.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Vertex ML Metadata	Compila el linaje de Gemini Enterprise Agent Platform Experiment para el entrenamiento personalizado. Aprende a integrar el código de procesamiento previo en un experimento de Gemini Enterprise Agent Platform. Obtén más información sobre Vertex AI Experiments. Obtén más información sobre los Vertex ML Metadata. Pasos del instructivo Ejecuta el módulo para preprocesar datos Crea un artefacto de conjunto de datos Registra parámetros Ejecuta el módulo para entrenar el modelo Registra parámetros Crea un artefacto de modelo Asigna el linaje de seguimiento al conjunto de datos, el modelo y los parámetros	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	Haz un seguimiento de los parámetros y métricas de los modelos entrenados de forma local. Aprende a usar Vertex AI Experiments para comparar y evaluar los experimentos de modelos. Obtén más información sobre Vertex AI Experiments. Pasos del instructivo Registra los parámetros del modelo registra las pérdidas y las métricas en cada ciclo de entrenamiento en Vertex AI TensorBoard Registra las métricas de evaluación	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Gemini Enterprise Agent Platform Pipelines	Compara ejecuciones de canalizaciones con Vertex AI Experiments. Aprende a usar Vertex AI Experiments para registrar un trabajo de canalización y, luego, comparar diferentes trabajos de canalización. Obtén más información sobre Vertex AI Experiments. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Pasos del instructivo Formalizar un componente de entrenamiento Compilar una canalización de entrenamiento Ejecuta varios trabajos de canalización y registra sus resultados. Compara diferentes trabajos de canalización	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard	Borra los experimentos desactualizados en Vertex AI TensorBoard. Obtén información sobre cómo borrar experimentos desactualizados en Vertex AI TensorBoard para evitar costos de almacenamiento innecesarios. Obtén más información sobre Vertex AI TensorBoard. Pasos del instructivo Cómo borrar el experimento de TB con un par clave-valor de etiqueta predefinido Cómo borrar los experimentos de TB creados antes de create_time Cómo borrar los experimentos de TB creados antes de update_time	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	Registro automático de entrenamiento personalizado: secuencia de comandos local. Aprende a registrar de forma automática los parámetros y las métricas de un experimento de AA que se ejecuta en Vertex AI Training mediante la integración en Vertex AI Experiments. Pasos del instructivo Formaliza el experimento de modelo en una secuencia de comandos Ejecuta el entrenamiento de modelos con una secuencia de comandos local en el Vertex AI Training. Consulta los parámetros y las métricas del experimento de AA en Vertex AI Experiments	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Vertex ML Metadata Custom training	Comienza a usar Vertex AI Experiments. Aprende a usar Vertex AI Experiments cuando entrenas con Gemini Enterprise Agent Platform. Obtén más información sobre Vertex AI Experiments. Obtén más información sobre los Vertex ML Metadata. Más información sobre el entrenamiento personalizado Pasos del instructivo Entrenamiento local (notebook) Crea un experimento Crea una primera ejecución en el experimento Parámetros de registro y métricas Crea linaje de artefactos Visualiza los resultados del experimento Ejecuta una segunda ejecución Compara las dos ejecuciones del experimento Entrenamiento en la nube (Gemini Enterprise Agent Platform) Dentro de la secuencia de comandos de entrenamiento	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	Registro automático Aprende a usar el registro automático de Gemini Enterprise Agent Platform. Pasos del instructivo Habilita el registro automático en el SDK de Agent Platform. Entrena el modelo de scikit-learn y observa la ejecución del experimento resultante con métricas y parámetros registrados de forma automática en Vertex AI Experiments sin configurar una ejecución de experimento. Entrenar el modelo de TensorFlow y verificar las métricas y los parámetros registrados de forma automática en Vertex AI Experiments configurando de forma manual una ejecución de experimento con aiplatform.start_run() y aiplatform.end_run(). Inhabilita el registro automático en el SDK de Agent Platform, entrena un modelo de PyTorch y verifica que ninguno de los parámetros o métricas se registren.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Entrega y recuperación de atributos en línea de datos de BigQuery con Agent Platform Feature Store. Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Agent Platform Feature Store en un flujo de trabajo de extremo a extremo de valores de atributos que entregan y recuperan el recorrido del usuario. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos. Registra una vista de BigQuery con la instancia de Feature Store en línea y configura el trabajo de sincronización. Usa el servidor en línea para fin de recuperar valores de atributos para la predicción en línea.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Entrega y recuperación en línea de atributos de datos de BigQuery con la entrega optimizada de Feature Store de Agent Platform. Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Agent Platform Feature Store en un flujo de trabajo de extremo a extremo para entregar y recuperar valores de atributos. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos con la entrega en línea optimizada con un extremo público o privado. Registra una vista de BigQuery con la instancia de Feature Store en línea y configura el trabajo de sincronización. Usa el servidor en línea para fin de recuperar valores de atributos para la predicción en línea.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Entrega de atributos en línea y datos de BigQuery de recuperación de vectores con Agent Platform Feature Store. Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Agent Platform Feature Store en un flujo de trabajo de extremo a extremo de la entrega de atributos y el recorrido del usuario de recuperación de vectores. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos. Crea una instancia de Feature Store en línea para entregar una tabla de BigQuery. Usa el servidor en línea para buscar vecinos más cercanos.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Instructivo de fundamentación de LLM basado en Agent Platform Feature Store. Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Agent Platform Feature Store en un flujo de trabajo de extremo a extremo de la entrega de atributos y el recorrido del usuario de recuperación de vectores. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos. Crea una instancia de Feature Store en línea para entregar una tabla de BigQuery. Usa el servidor en línea para buscar vecinos más cercanos.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Instructivo de agentes de servicio de Vista de funciones de Agent Platform Feature Store. Aprende a usar un agente de servicio dedicado para una vista de atributos en Agent Platform Feature Store. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Crea una vista de atributos configurada para usar una cuenta de servicio dedicada. Se crea una cuenta de servicio para cada vista de funciones. Esta cuenta de servicio se usa para sincronizar datos de BigQuery. La API de Get/List feature view muestra la cuenta de servicio creada automáticamente. Los usuarios deben llamar al comando bq addiampolicybinding para otorgar roles/bigquery.dataViewer a la cuenta de servicio.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	SDK de importación de transmisiones en Agent Platform Feature Store (heredado) Obtén información para importar atributos de un Pandas DataFrame a Agent Platform Feature Store con el método write_feature_values del SDK de Agent Platform. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Crear un almacén de atributos. Crea un nuevo tipo de entidad para tu almacén de atributos. Importa los valores de atributos de Pandas DataFrame al tipo de entidad en el almacén de atributos.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Usa Agent Platform Feature Store (heredado) con Pandas Dataframe. Aprende a usar Agent Platform Feature Store con el DataFrame de Pandas. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Crea recursos Featurestore, EntityType y Feature. Importa los valores de atributos del DataFrame de Pandas en el tipo de entidad. Lee los valores de atributos de la entidad de Online Feature Store en el DataFrame de Pandas. Entrega por lotes los valores de atributos de tu Feature Store en el DataFrame de Pandas. Entrega en línea con valores de atributo actualizados. Precisión de un momento determinado a fin de recuperar valores de atributos para el entrenamiento.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Predicciones en línea y por lotes con Agent Platform Feature Store (heredado). Aprende a usar Agent Platform Feature Store a fin de importar datos de atributos y acceder a los datos de atributos para las tareas de entrega en línea y sin conexión, como el entrenamiento. Obtén más información sobre Agent Platform Feature Store. Pasos del instructivo Crea recursos Featurestore, EntityType y Feature. Importar los datos de los atributos al recurso Featurestore. Entregar solicitudes de predicción en línea con atributos importados. Acceder a atributos importados en trabajos sin conexión, como los de entrenamiento. Usa la importación de transmisiones para importar una cantidad pequeña de datos.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Descripción general de la compatibilidad de IA generativa en Gemini Enterprise Agent Platform	Inferencia por lotes de LLM de Gemini Enterprise Agent Platform con modelos ajustados por RLHF. En este instructivo, usarás Gemini Enterprise Agent Platform para obtener predicciones de un modelo de lenguaje grande ajustado con RLHF. Obtén más información sobre la Descripción general de la compatibilidad de IA generativa en Gemini Enterprise Agent Platform. Pasos del instructivo Crea un trabajo de canalización de Gemini Enterprise Agent Platform con una plantilla predefinida para la inferencia masiva. Ejecuta la canalización con Gemini Enterprise Agent Platform Pipelines. Produce resultados de predicción en un modelo para un conjunto de datos determinado.	Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Sintetiza un modelo de lenguaje grande. Aprende a sintetizar e implementar un modelo de lenguaje grande con el LLM de Gemini Enterprise Agent Platform. Pasos del instructivo Obtén el modelo de LLM de Gemini Enterprise Agent Platform. Sintetiza el modelo(esto crea automáticamente un extremo de Gemini Enterprise Agent Platform y, luego, implementa el modelo en el extremo). Realiza una predicción con el LLM de Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
incorporación de texto	Búsqueda semántica con incorporaciones. En este instructivo, mostramos cómo crear una incorporación generada a partir de texto y realizar una búsqueda semántica. Obtén más información sobre la incorporación de texto. Pasos del instructivo Instalación e importaciones Crea conjunto de datos de incorporación Crea un índice Consulta el índice	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Cómo obtener embeddings de texto en Gemini Enterprise Agent Platform Aprende a obtener un embedding de texto a partir de un modelo de embedding de texto y un texto. Pasos del instructivo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Cómo obtener embeddings de texto en Gemini Enterprise Agent Platform Aprende a obtener un embedding de texto a partir de un modelo de embedding de texto y un texto. Pasos del instructivo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ajusta los modelos de texto con el ajuste supervisado	Ajuste de un modelo de PEFT con Gemini Enterprise Agent Platform. Aprende a usar el LLM de Gemini Enterprise Agent Platform para ajustar y, luego, implementar un modelo grande de lenguaje de PEFT. Obtén más información sobre Ajusta los modelos de texto con el ajuste supervisado. Pasos del instructivo Obtén el modelo de LLM de Gemini Enterprise Agent Platform. Ajusta el modelo. De esta forma, se creará automáticamente un extremo de Gemini Enterprise Agent Platform y se implementará el modelo en él. Realiza una predicción con el LLM de Gemini Enterprise Agent Platform. Realiza una predicción con Vertex AI Inference.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Obtén incorporaciones de texto ajustadas en Gemini Enterprise Agent Platform. Aprende a ajustar un modelo de incorporación de texto. Pasos del instructivo	Colab GitHub Gemini Enterprise Agent Platform Workbench
API de PaLM	Usa el SDK de Agent Platform con modelos de lenguaje grandes. Aprende a proporcionar entradas de texto a modelos de lenguaje grandes disponibles en Gemini Enterprise Agent Platform para probar, ajustar y, luego, implementar modelos de lenguaje de IA generativa. Obtén más información sobre la API de PaLM. Pasos del instructivo Usa los extremos de predicción de la API de PaLM de Gemini Enterprise Agent Platform para recibir respuestas de la IA generativa a un mensaje. Usa el extremo de embedding de texto para recibir una representación vectorial de un mensaje. Realiza el ajuste rápido de un LLM, en función de los datos de entrenamiento de entrada/salida.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Migra a Gemini Enterprise Agent Platform Clasificación de datos de imágenes	Clasificación de imágenes con AutoML Aprende a usar AutoML para entrenar un modelo de imagen y usar Vertex AI Inference y Gemini Enterprise Agent Platform batch inference a fin de realizar predicciones en línea y por lotes. Obtén más información para migrar a Gemini Enterprise Agent Platform. Obtén más información sobre la Clasificación para datos de imágenes. Pasos del instructivo Entrenar un modelo de clasificación de imágenes de AutoML Realizar una predicción por lotes. Implementa el modelo en un extremo Haz una predicción en línea	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Migra a Gemini Enterprise Agent Platform Detección de objetos para datos de imágenes	Detección de objetos de imágenes de AutoML. Aprende a usar AutoML para entrenar un modelo de imagen y usar Vertex AI Inference y Gemini Enterprise Agent Platform Batch Prediction a fin de realizar predicciones en línea y por lotes. Obtén más información para migrar a Gemini Enterprise Agent Platform. Obtén más información sobre la detección de objetos para datos de imágenes. Pasos del instructivo Entrena un modelo de detección de objetos de AutoML. Realizar una predicción por lotes. Implementa el modelo en un extremo Haz una predicción en línea	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Migra a Gemini Enterprise Agent Platform Clasificación para datos tabulares	Clasificación binaria tabular de AutoML. En este instructivo, crearás un modelo de clasificación binaria tabular de AutoML y, luego, implementarás la predicción en línea desde una secuencia de comandos de Python con el SDK de Agent Platform. Obtén más información para migrar a Gemini Enterprise Agent Platform. Obtén más información sobre la Clasificación para datos tabulares. Pasos del instructivo Crea un recurso de conjunto de datos de Gemini Enterprise Agent Platform. Entrena el modelo. Visualice la evaluación del modelo. Implementa el recurso de modelo en un recurso de extremo de entrega. Realiza una predicción. Anula la implementación del modelo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Migra a Gemini Enterprise Agent Platform Entrenamiento personalizado	Clasificación de imágenes personalizada con un contenedor de entrenamiento personalizado. Aprende a entrenar un modelo de clasificación de imágenes de TensorFlow con un contenedor personalizado y el entrenamiento de Gemini Enterprise Agent Platform. Obtén más información para migrar a Gemini Enterprise Agent Platform. Más información sobre el entrenamiento personalizado Pasos del instructivo Empaqueta el código de entrenamiento en una aplicación de Python Crea contenedores para la aplicación de entrenamiento con Cloud Build y Artifact Registry. Crea un trabajo de entrenamiento de contenedor personalizado en Gemini Enterprise Agent Platform y ejecútalo. Evalúa el modelo generado a partir del trabajo de entrenamiento. Crea un recurso de modelo para el modelo entrenado en Model Registry. Ejecuta un trabajo de inferencia por lotes de Gemini Enterprise Agent Platform. Implementa el recurso de modelo en un extremo de Gemini Enterprise Agent Platform. Ejecuta un trabajo de predicción en línea en el recurso del modelo Limpia los recursos creados.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Migra a Gemini Enterprise Agent Platform Descripción del entrenamiento personalizado	Clasificación de imágenes personalizada con un contenedor de entrenamiento compilado previamente. Aprende a entrenar un modelo de clasificación de imágenes de TensorFlow con un contenedor compilado previamente y el entrenamiento de Gemini Enterprise Agent Platform. Obtén más información para migrar a Gemini Enterprise Agent Platform. Obtén más información sobre la descripción general del entrenamiento personalizado. Pasos del instructivo Empaqueta el código de entrenamiento en una aplicación de Python Crea contenedores para la aplicación de entrenamiento con Cloud Build y Artifact Registry. Crea un trabajo de entrenamiento de contenedor personalizado en Gemini Enterprise Agent Platform y ejecútalo. Evalúa el modelo generado a partir del trabajo de entrenamiento. Crea un recurso de modelo para el modelo entrenado en Model Registry. Ejecuta un trabajo de inferencia por lotes de Gemini Enterprise Agent Platform. Implementa el recurso de modelo en un extremo de Gemini Enterprise Agent Platform. Ejecuta un trabajo de predicción en línea en el recurso del modelo Limpia los recursos creados.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Migra a Gemini Enterprise Agent Platform Descripción del entrenamiento personalizado	Modelo personalizado de scikit-learn con contenedor de entrenamiento compilado previamente. Aprende a usar Vertex AI Training para crear un modelo entrenado personalizado. Obtén más información para migrar a Gemini Enterprise Agent Platform. Obtén más información sobre la descripción general del entrenamiento personalizado. Pasos del instructivo Crea un trabajo personalizado de Gemini Enterprise Agent Platform para entrenar un modelo de scikitlearn. Sube los artefactos del modelo entrenado como un recurso de modelo. Genera predicciones por lotes. Implementa el recurso de modelo en un recurso de extremo de entrega. Genera predicciones en línea. Anular la implementación del recurso modelo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Migra a Gemini Enterprise Agent Platform Descripción del entrenamiento personalizado	Modelo personalizado de XGBoost con contenedor de entrenamiento compilado previamente. Aprende a usar Vertex AI Training para crear un modelo entrenado personalizado. Obtén más información para migrar a Gemini Enterprise Agent Platform. Obtén más información sobre la descripción general del entrenamiento personalizado. Pasos del instructivo Crea un trabajo personalizado de Gemini Enterprise Agent Platform para entrenar un modelo de xgboost. Sube los artefactos del modelo entrenado como un recurso de modelo. Genera predicciones por lotes. Implementa el recurso de modelo en un recurso de extremo de entrega. Genera predicciones en línea. Anular la implementación del recurso modelo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ajuste de hiperparámetros de Gemini Enterprise Agent Platform Entrenamiento personalizado	Ajuste de hiperparámetros Obtén información para usar el hiperparámetro de Gemini Enterprise Agent Platform para crear y ajustar un modelo entrenado personalizado. Obtén más información sobre el ajuste de hiperparámetros de Gemini Enterprise Agent Platform. Más información sobre el entrenamiento personalizado Pasos del instructivo Crea un trabajo de ajuste de hiperparámetros de Gemini Enterprise Agent Platform para entrenar un modelo de TensorFlow.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Documentación de Google Artifact Registry	Comienza a usar Google Artifact Registry. Aprende a usar Google Artifact Registry. Obtén más información sobre la documentación de Google Artifact Registry. Pasos del instructivo Crear un repositorio privado de Docker. Etiqueta una imagen de contenedor, específica del repositorio privado de Docker. Envía una imagen de contenedor al repositorio privado de Docker. Extrae una imagen de contenedor del repositorio privado de Docker. Borra un repositorio privado de Docker.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata	Haz un seguimiento de los parámetros y métricas de los trabajos de entrenamiento personalizados. Aprende a usar el SDK de Agent Platform para Python para hacer lo siguiente: Pasos del instructivo Realiza un seguimiento de los parámetros de entrenamiento y las métricas de predicción para un trabajo de entrenamiento personalizado. Extrae y realiza análisis de todos los parámetros y métricas en un experimento.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata	Haz un seguimiento de los parámetros y métricas de los modelos entrenados de forma local. Aprende a usar Vertex ML Metadata para hacer un seguimiento de los parámetros de entrenamiento y las métricas de evaluación. Obtén más información sobre los Vertex ML Metadata. Pasos del instructivo Realiza un seguimiento de los parámetros y las métricas de un modelo entrenado de forma local. Extrae y realiza análisis de todos los parámetros y métricas en un experimento.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata Canalizaciones de Gemini Enterprise Agent Platform	Realiza un seguimiento de los artefactos y las métricas en las ejecuciones de Gemini Enterprise Agent Platform Pipelines con Vertex ML Metadata. Obtén información para realizar un seguimiento de los artefactos y las métricas con Vertex ML Metadata en las ejecuciones de canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los Vertex ML Metadata. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Pasos del instructivo Usa el SDK de Kubeflow Pipelines para compilar una canalización de AA que se ejecute en Gemini Enterprise Agent Platform. La canalización crea un conjunto de datos, entrena un modelo de scikitlearn y lo implementa en un extremo. Escribe componentes personalizados de canalización que generen artefactos y metadatos. Compara las ejecuciones de Gemini Enterprise Agent Platform Pipelines en la Google Cloud consola y de manera programática. Realiza un seguimiento de los artefactos generados por canalización. Consulta los metadatos de ejecución de tu canalización.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Evaluación de modelos de Agent Platform de Gemini Enterprise Clasificación de datos tabulares	Evalúa los resultados de la predicción por lotes a partir de un modelo de clasificación tabular de AutoML. Obtén información para entrenar un modelo de clasificación tabular de AutoML de Gemini Enterprise Agent Platform y aprende a evaluarlo a través de un trabajo de canalización de Gemini Enterprise Agent Platform con google_cloud_pipeline_components: Más información sobre Evaluación del modelo de Gemini Enterprise Agent Platform. Obtén más información sobre la Clasificación para datos tabulares. Pasos del instructivo Crea una Dataset de Gemini Enterprise Agent Platform. Entrena un modelo de clasificación tabular de AutoML en el recurso Dataset. Importa el AutoML model resource entrenado a la canalización. Ejecuta un trabajo Batch Prediction. Evalúa el modelo de AutoML mediante Classification Evaluation component. Importa las métricas de regresión al recurso del modelo de AutoML.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Evaluación de modelos de Agent Platform de Gemini Enterprise Regresión de datos tabulares	Evalúa los resultados de la predicción por lotes a partir del modelo de regresión tabular de AutoML. Obtén más información para evaluar un recurso de modelo de Gemini Enterprise Agent Platform a través de un trabajo de canalización de Gemini Enterprise Agent Platform con google_cloud_pipeline_components: Obtén más información sobre Gemini Enterprise Agent Platform Model Evaluation. Obtén más información sobre la Regresión de datos tabulares. Pasos del instructivo Crea un conjunto de datos de Gemini Enterprise Agent Platform. Configura una clase AutoMLTabularTrainingJob. Ejecuta el AutoMLTabularTrainingJob que muestra un modelo. Importa un AutoML model resource previamente entrenado a la canalización. Ejecuta un trabajo batch prediction en la canalización. Evalúa el modelo de AutoML mediante regression evaluation component. Importa las métricas de regresión generadas al recurso del modelo de AutoML.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado de Gemini Enterprise Agent Platform Evaluación del modelo de Gemini Enterprise Agent Platform	Evalúa los resultados de BatchPrediction a partir de un modelo de clasificación tabular personalizado. En este instructivo, entrenarás un modelo de RandomForest de scikit-learn, lo guardarás en Model Registry y aprenderás a evaluarlo a través de un trabajo de canalización de Gemini Enterprise Agent Platform con el SDK de Python de componentes de canalización de Google Cloud. Obtén más información sobre el entrenamiento personalizado de Gemini Enterprise Agent Platform. Obtén más información sobre la evaluación de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo Recupera el conjunto de datos de la fuente pública. Preprocesa los datos de forma local y guarda los datos de prueba en BigQuery. Entrena un modelo de clasificación de RandomForest con el paquete de scikitlearn para Python. Crea un contenedor personalizado en Artifact Registry para las predicciones. Sube el modelo a Model Registry. Crea y ejecuta un canal de Gemini Enterprise Agent Platform que	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Evaluación de modelos de Gemini Enterprise Agent Platform Entrenamiento personalizado	Evalúa los resultados de la predicción por lotes a partir del modelo de regresión tabular personalizado. Obtén más información para evaluar un recurso de modelo de Gemini Enterprise Agent Platform a través de un trabajo de canalización de Gemini Enterprise Agent Platform con componentes de canalización de Google Cloud. Obtén más información sobre la evaluación de modelos de Gemini Enterprise Agent Platform. Más información sobre el entrenamiento personalizado Pasos del instructivo Crea un trabajo de entrenamiento personalizado de Gemini Enterprise Agent Platform para entrenar un modelo de TensorFlow. Ejecuta el trabajo de entrenamiento personalizado. Recupere y cargue los artefactos del modelo. Visualice la evaluación del modelo. Sube el modelo como un recurso de modelo de Gemini Enterprise Agent Platform. Importa un recurso de modelo de Gemini Enterprise Agent Platform previamente entrenado en la canalización. Ejecuta un trabajo de predicción por lotes en la canalización. Evalúa el modelo mediante el componente de evaluación de regresión. Importa las métricas de regresión al recurso del modelo de Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Evaluación de modelos de AutoSxS de Gemini Enterprise Agent Platform	Verifica la alineación del autorizador con un conjunto de datos de preferencias humanas. Aprende a usar Gemini Enterprise Agent Platform Pipelines y google_cloud_pipeline_components para verificar la alineación del evaluador automático con datos de preferencias humanas: Obtén más información sobre la evaluación de modelos con AutoSxS de Gemini Enterprise Agent Platform. Pasos del instructivo Crea un conjunto de datos de evaluación con predicciones y datos de preferencias humanas. Preprocesa los datos de forma local y guárdalos en Cloud Storage. Crea y ejecuta una canalización de AutoSxS de Gemini Enterprise Agent Platform que genere los criterios y un conjunto de métricas de AutoSxS con los criterios generados. Imprime los criterios y las métricas de AutoSxS. Limpia los recursos creados en este notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Evaluación de modelos de AutoSxS de Gemini Enterprise Agent Platform	Evalúa un LLM en Model Registry con un modelo de terceros. Aprende a usar Gemini Enterprise Agent Platform Pipelines y google_cloud_pipeline_components para evaluar el rendimiento entre dos modelos de LLM: Obtén más información sobre la Evaluación de modelos con AutoSxS de Gemini Enterprise Agent Platform. Pasos del instructivo Recupera el conjunto de datos de la fuente pública. Preprocesa los datos de forma local y guarda los datos de prueba en Cloud Storage. Crea y ejecuta una canalización de AutoSxS de Gemini Enterprise Agent Platform que genere los criterios y evalúe los dos modelos candidatos con los criterios generados. Imprime los criterios y las métricas de evaluación. Limpia los recursos creados en este notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform para predicciones por lotes	Predicción por lotes de Gemini Enterprise Agent Platform con Model Monitoring. Aprende a usar el servicio de supervisión de modelos de la plataforma de agentes de Gemini Enterprise para detectar desvíos y anomalías en la predicción por lotes. Obtén más información sobre Gemini Enterprise Agent Platform Model Monitoring para las predicciones por lotes. Pasos del instructivo Sube un modelo previamente entrenado como un recurso de modelo de Gemini Enterprise Agent Platform. Genera solicitudes de predicción por lotes Interpreta las estadísticas, las visualizaciones y otros datos que informa el atributo de supervisión de modelos.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform	Vertex AI Model Monitoring para modelos tabulares de AutoML en Gemini Enterprise Agent Platform. Aprende a usar el servicio de Model Monitoring de la Agent Platform de Gemini Enterprise para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada para modelos tabulares de AutoML. Obtén más información sobre la supervisión de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo Entrenar un modelo de AutoML. Implementa el recurso de modelo en un recurso de extremo de Gemini Enterprise Agent Platform. Configura el recurso de extremo para la supervisión de modelos Genera solicitudes de predicción sintéticas para sesgos. Genera solicitudes de predicción sintéticas para el desvío. Espera la notificación de alerta por correo electrónico.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform	Supervisión de modelos de Gemini Enterprise Agent Platform para la predicción en línea en modelos de imagen de AutoML. Obtén información sobre cómo usar Gemini Enterprise Agent Platform Model Monitoring con Gemini Enterprise Agent Platform Online Prediction con un modelo de clasificación de imágenes de AutoML para detectar una imagen fuera de distribución. Obtén más información sobre la supervisión de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo 1. Entrenar un modelo de clasificación de imágenes de AutoML 2. Crear un extremo. 3. Implementa el modelo en el extremo y configúralo para la supervisión. 4. Envía una predicción en línea que contenga imágenes en distribución y fuera de ella. 5. Usa Model Monitoring para calcular la puntuación de anomalía en cada imagen. 6. Identifica las imágenes en la solicitud de predicción en línea que están fuera de distribución.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform	Gemini Enterprise Agent Platform Model Monitoring para modelos tabulares personalizados. Aprende a usar el servicio de Model Monitoring de la plataforma de agentes de Gemini Enterprise para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada para modelos tabulares personalizados. Obtén más información sobre la supervisión de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo Descarga un modelo tabular personalizado previamente entrenado. Sube el modelo previamente entrenado a Model Registry. Implementa el recurso de modelo en un recurso de extremo de Gemini Enterprise Agent Platform. Configura el recurso de extremo para la supervisión de modelos Genera solicitudes de predicción sintéticas para simular la asimetría. Espera las notificaciones de alerta por correo electrónico. Genera solicitudes de predicción sintéticas para simular el desvío. Espera las notificaciones de alerta por correo electrónico.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform	Supervisión de modelos de Gemini Enterprise Agent Platform para modelos tabulares personalizados con el contenedor de TensorFlow Serving. Aprende a usar el servicio de supervisión de modelos de la plataforma de agentes de Gemini Enterprise para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada, para modelos tabulares personalizados, mediante un contenedor de implementación personalizado. Obtén más información sobre la supervisión de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo Descarga un modelo tabular personalizado previamente entrenado. Sube el modelo previamente entrenado como un recurso de modelo. Implementa el recurso de modelo en un recurso de extremo con el objeto binario de entrega “TensorFlow Serving” Configura el recurso de extremo para la supervisión de modelos. Genera solicitudes de predicción sintéticas para sesgos. Espera la notificación de alerta por correo electrónico. Genera solicitudes de predicción sintéticas para el desvío. Espera la notificación de alerta por correo electrónico.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform	Vertex AI Model Monitoring para la configuración de modelos tabulares. Aprende a configurar el servicio de Model Monitoring de Gemini Enterprise Agent Platform para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada. Obtén más información sobre la supervisión de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo Descarga un modelo tabular personalizado previamente entrenado. Sube el modelo previamente entrenado como un recurso de modelo. Implementa el recurso de modelo en el recurso de extremo. Configura el recurso de extremo para la supervisión de modelos Detección de sesgo y desvío para las entradas de atributos. Detección de sesgo y desvío para las atribuciones de atributos. Generación automática del esquema de entrada mediante el envío de 1,000 solicitudes de predicción. Enumera, pausa, reanuda y borra trabajos de supervisión. Reinicia el trabajo de supervisión con un esquema de entrada predefinido. Visualiza datos supervisados registrados.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform	Supervisión de modelos de Gemini Enterprise Agent Platform para modelos de XGBoost. Aprende a usar el servicio de Model Monitoring de la plataforma de agentes de Gemini Enterprise para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada para modelos XGBoost. Obtén más información sobre la supervisión de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo Descarga un modelo XGBoost previamente entrenado. Sube el modelo previamente entrenado a Model Registry. Implementa el recurso de modelo en un recurso de extremo de Gemini Enterprise Agent Platform. Configura el recurso de extremo para la supervisión de modelos	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Supervisión de modelos de Gemini Enterprise Agent Platform	Vertex AI Model Monitoring con atribuciones de atributos de Vertex Explainable AI. Aprende a usar el servicio de Model Monitoring de Gemini Enterprise Agent Platform para detectar desvíos y anomalías en las solicitudes de predicción de un recurso de modelo de Gemini Enterprise Agent Platform implementado. Obtén más información sobre la supervisión de modelos de Gemini Enterprise Agent Platform. Pasos del instructivo Sube un modelo previamente entrenado como un recurso de modelo de Gemini Enterprise Agent Platform. Crea un recurso de extremo de Gemini Enterprise Agent Platform. Implementa el recurso de modelo en el recurso de extremo. Configura el recurso de extremo para la supervisión de modelos Inicializa la distribución del modelo de referencia para la supervisión de modelos. Genera solicitudes de predicción sintéticas Comprende cómo interpretar las estadísticas, las visualizaciones y otros datos que informa el atributo de supervisión de modelos	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
model_monitoring_v2	Supervisión de modelos para el trabajo de predicción por lotes de modelos personalizados de Gemini Enterprise Agent Platform. En este instructivo, completarás los siguientes pasos: Pasos del instructivo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
model_monitoring_v2	Supervisión de modelos para la predicción en línea de modelos personalizados de Gemini Enterprise Agent Platform. En este instructivo, completarás los siguientes pasos: Pasos del instructivo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Model Registry	Comienza a usar Model Registry. Aprende a usar Model Registry para crear y registrar varias versiones de un modelo. Obtén más información sobre Model Registry. Pasos del instructivo Crea y registra una primera versión de un modelo en Model Registry. Crea y registra una segunda versión de un modelo en Model Registry. Actualiza la versión del modelo que es la predeterminada. Borra una versión del modelo Vuelve a entrenar la próxima versión del modelo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Componentes de AutoML Clasificación para datos tabulares	Canalizaciones tabulares de AutoML mediante google-cloud-pipeline-components. Obtén información sobre cómo usar Gemini Enterprise Agent Platform Pipelines y los componentes de canalización de Google Cloud para compilar un modelo de clasificación tabular de AutoML. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los componentes de AutoML. Obtén más información sobre la Clasificación para datos tabulares. Pasos del instructivo Crea una canalización de KFP que cree un conjunto de datos de Gemini Enterprise Agent Platform. Agrega un componente a la canalización que entrene un recurso de modelo de clasificación tabular de AutoML. Agrega un componente que cree un recurso de extremo de Gemini Enterprise Agent Platform. Agrega un componente que implemente el recurso de modelo en el recurso de extremo. Compila la canalización de KFP. Ejecuta la canalización de KFP con Gemini Enterprise Agent Platform Pipelines.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Metodología de desafío frente a en buen estado para la implementación del modelo en producción. Aprende a crear una canalización de Gemini Enterprise Agent Platform, que entrena una versión nueva del desafío de un modelo, evalúa el modelo y compara la evaluación con el modelo existente en buen estado en producción. Pasos del instructivo Importa un modelo previamente entrenado (en buen estado) a Model Registry. Importa las métricas de evaluación de modelos sintéticos al modelo correspondiente (en buen estado). Crea un recurso de extremo de Gemini Enterprise Agent Platform Implementa el modelo en buen estado en el recurso de extremo. Crea una canalización de Gemini Enterprise Agent Platform que ejecute los siguientes pasos	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Estructuras de control de la canalización con el SDK de KFP. Aprende a usar el SDK de KFP, que usa bucles y condicionales, incluidos ejemplos anidados, para compilar canalizaciones. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Pasos del instructivo Crea una canalización de KFP con componentes de flujo de control Compila la canalización de KFP Ejecuta la canalización de KFP con Gemini Enterprise Agent Platform Pipelines	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Componentes de entrenamiento personalizado	Entrenamiento personalizado con componentes de canalización de Google Cloud compilados previamente Obtén información para usar Gemini Enterprise Agent Platform Pipelines y los componentes de canalización de Google Cloud para compilar un modelo personalizado. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los componentes de entrenamiento personalizados. Pasos del instructivo Crea una canalización de KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Componentes de predicción por lotes de Gemini Enterprise Agent Platform	Entrenamiento y predicción por lotes con la fuente y el destino de BigQuery para un modelo de clasificación tabular personalizado. En este instructivo, entrenarás un modelo de clasificación tabular de scikit-learn y crearás un trabajo de predicción por lotes para él a través de una canalización de Gemini Enterprise Agent Platform con google_cloud_pipeline_components. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los componentes de Gemini Enterprise Agent Platform Batch Prediction. Pasos del instructivo Crea un conjunto de datos en BigQuery. Reserva algunos datos aparte del conjunto de datos de origen para la predicción por lotes. Crea un paquete de Python personalizado para la aplicación de entrenamiento. Sube el paquete de Python a Cloud Storage. Crea una canalización de Gemini Enterprise Agent Platform que	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Ajuste de hiperparámetros de Gemini Enterprise Agent Platform	Comienza a usar los componentes de canalización de ajuste de hiperparámetros de Gemini Enterprise Agent Platform. Obtén información para usar los componentes de canalización de Google Cloud compilados previamente para el ajuste de hiperparámetros de Gemini Enterprise Agent Platform. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre el ajuste de hiperparámetros de Gemini Enterprise Agent Platform. Pasos del instructivo Construye una canalización para	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Comienza a usar la administración de máquinas para los pipelines de Gemini Enterprise Agent Platform. Aprende a convertir un componente de entrenamiento personalizado autónomo en un Gemini Enterprise Agent Platform CustomJob, en el que: Pasos del instructivo Crea un componente personalizado con un trabajo de entrenamiento autónomo. Ejecuta una canalización con la configuración componentlevel para los recursos de la máquina Convierte el componente de entrenamiento autónomo en un Gemini Enterprise Agent Platform CustomJob. Ejecuta una canalización con la configuración customjoblevel para los recursos de la máquina	Colab GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Componentes de AutoML	Canalizaciones de clasificación de imágenes de AutoML mediante google-cloud-pipeline-components. Obtén información sobre cómo usar Gemini Enterprise Agent Platform Pipelines y los componentes de canalización de Google Cloud para compilar un modelo de clasificación de imágenes de AutoML. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los componentes de AutoML. Pasos del instructivo Crea una canalización de KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Componentes de AutoML Regresión de datos tabulares	Canalizaciones de regresión tabular de AutoML mediante google-cloud-pipeline-components. Aprende a usar Gemini Enterprise Agent Platform Pipelines y Google Cloud Pipeline Components para compilar un modelo de regresión tabular AutoML. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los componentes de AutoML. Obtén más información sobre la Regresión para datos tabulares. Pasos del instructivo Crea una canalización de KFP que cree un recurso Dataset. Agrega un componente a la canalización que entrene un recurso Model de regresión tabular de AutoML. Agrega un componente que cree un recurso Endpoint. Agrega un componente que implemente el recurso Model en el recurso Endpoint. Compila la canalización de KFP. Ejecuta la canalización de KFP con Gemini Enterprise Agent Platform Pipelines.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Componentes de BigQuery ML	Entrena un modelo de adquisición y predicción con Swivel, BigQuery ML y Gemini Enterprise Agent Platform Pipelines. Aprende a compilar una canalización simple de BigQuery ML con Agent Platform Pipelines para calcular las incorporaciones de texto de contenido de artículos y clasificarlos en la categoría *adquisiciones corporativas*. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los componentes de BigQuery ML. Pasos del instructivo Crea un componente para el trabajo de Dataflow que transfiera datos a BigQuery Crea un componente para los pasos de procesamiento previo a fin de que se ejecuten en los datos en BigQuery. Crea un componente para entrenar un modelo de regresión logística con BigQuery ML Compila y configura una canalización de Kubeflow DSL con todos los componentes creados. Compila y ejecuta la canalización en Gemini Enterprise Agent Platform Pipelines.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform Componentes de entrenamiento personalizado	Entrena, sube e implementa modelos mediante los componentes de canalización de Google Cloud. Obtén información sobre cómo usar Gemini Enterprise Agent Platform Pipelines y el componente de canalización de Google Cloud para compilar e implementar un modelo personalizado. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Obtén más información sobre los componentes de entrenamiento personalizados. Pasos del instructivo Crea una canalización de KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Canalizaciones de Gemini Enterprise Agent Platform con KFP 2.x. Aprende a usar Gemini Enterprise Agent Platform Pipelines y KFP 2. Pasos del instructivo Crea una canalización de KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Componentes básicos de Python basados en funciones y E/S de componentes. Aprende a usar el SDK de KFP para compilar componentes básicos de Python basados en funciones y, luego, aprende a usar Gemini Enterprise Agent Platform Pipelines para ejecutar la canalización. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Pasos del instructivo Compila componentes de KFP basados en funciones de Python. Construye una canalización de KFP. Pasa artefactos y parámetros entre los componentes, tanto por referencia de ruta de acceso como por valor. Usa el método kfp.dsl.importer. Compila la canalización de KFP. Ejecuta la canalización de KFP con Gemini Enterprise Agent Platform Pipelines	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Visualización de métricas y comparación de ejecuciones con el SDK de KFP. Aprende a usar el SDK de KFP para Python para compilar canalizaciones que generen métricas de evaluación. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Pasos del instructivo Crea componentes de KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Metodología de aspirantes múltiple frente a campeones para la implementación de modelos en producción. Aprende a construir una canalización de Gemini Enterprise Agent Platform, que evalúa los datos de producción nuevos de un modelo implementado en comparación con otras versiones del modelo para determinar si un modelo aspirante se convierte en el modelo de campeón para su reemplazo en producción. Pasos del instructivo Importa un modelo previamente entrenado (campeón) a Model Registry. Importa métricas sintéticas de evaluación de entrenamiento de modelos al modelo correspondiente (campeón). Crea un recurso de extremo de Gemini Enterprise Agent Platform. Implementa el modelo de campeón en el recurso de extremo. Importa versiones adicionales (aspirantes) del modelo implementado. Importa las métricas de evaluación de entrenamiento de modelos sintéticos a los modelos correspondientes (aspirante). Crea una canalización de Gemini Enterprise Agent Platform que ejecute los siguientes pasos	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Canalizaciones de Gemini Enterprise Agent Platform	Introducción a las canalizaciones para KFP. Aprende a usar el SDK de KFP para Python para compilar canalizaciones que generen métricas de evaluación. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Pasos del instructivo Define y compila una canalización de Gemini Enterprise Agent Platform. Especifica qué cuenta de servicio usar para la ejecución de una canalización. Ejecuta la canalización con el SDK de Agent Platform para Python y la API de REST.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Componentes de AutoML Componentes de BigQuery ML	BigQuery ML y AutoML: Creación rápida de prototipos con Gemini Enterprise Agent Platform. Aprende a usar Gemini Enterprise Agent Platform Pipelines para el prototipado rápido de un modelo. Obtén más información sobre los componentes de AutoML. Obtén más información sobre los componentes de BigQuery ML. Pasos del instructivo Crea un conjunto de datos de entrenamiento de BigQuery y Gemini Enterprise Agent Platform. Entrena un modelo de BigQuery ML y AutoML Extraer métricas de evaluación de los modelos de BigQuery ML y AutoML Selecciona el modelo mejor entrenado. Implementa el modelo mejor entrenado. Prueba la infraestructura del modelo implementado.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Inferencia por lotes de Gemini Enterprise Agent Platform	Inferencia por lotes de modelos personalizados con filtrado de atributos. Aprende a crear un modelo entrenado de forma personalizada a partir de una secuencia de comandos de Python en un contenedor de Docker con el SDK de Agent Platform para Python y, luego, ejecuta un trabajo de inferencia por lotes incluyendo o excluyendo una lista de atributos. Obtén más información sobre la inferencia por lotes de Gemini Enterprise Agent Platform. Pasos del instructivo Crea un TrainingPipeline personalizado de Gemini Enterprise Agent Platform para entrenar un modelo. Entrene un modelo de TensorFlow. Envía un trabajo de predicción por lotes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Inference	Comienza a usar el servidor NVIDIA Triton. Aprende a implementar un contenedor que ejecute el servidor Nvidia Triton con un recurso de modelo de Gemini Enterprise Agent Platform en un extremo de Gemini Enterprise Agent Platform para realizar predicciones en línea. Obtén más información sobre Vertex AI Inference. Pasos del instructivo Descarga los artefactos del modelo desde TensorFlow Hub. Crea el archivo de configuración de entrega de Triton para el modelo. Construye un contenedor personalizado con una imagen de entrega de Triton para la implementación del modelo. Sube el modelo como un recurso de modelo de Gemini Enterprise Agent Platform. Implementa el recurso del modelo de Gemini Enterprise Agent Platform en un recurso del extremo de Gemini Enterprise Agent Platform. Realiza una solicitud de predicción. Anula la implementación del recurso de modelo y borra el extremo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Raw Predict	Comienza a usar las funciones de entrega de TensorFlow con la predicción sin procesar de Gemini Enterprise Agent Platform. Aprende a usar Gemini Enterprise Agent Platform Raw Prediction en un recurso Gemini Enterprise Agent Platform Endpoint. Obtén más información sobre Raw Predict. Pasos del instructivo Descarga artefactos de modelo de clasificación tabular previamente entrenados para un estimador de TensorFlow 1.x. Sube el modelo del estimador de TensorFlow como un recurso Gemini Enterprise Agent Platform Model. Crea un recurso Endpoint. Implementa el recurso Model en un recurso Endpoint. Realiza una predicción sin procesar en línea a la instancia de recurso Model implementada en el recurso Endpoint.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Solicita predicciones de un modelo entrenado de forma personalizada	Comienza a usar TensorFlow Serving con la inferencia de Vertex AI. Aprende a usar Vertex AI Inference en un recurso Gemini Enterprise Agent Platform Endpoint con el objeto binario de entrega TensorFlow Serving. Obtén más información sobre cómo obtener predicciones a partir de un modelo entrenado personalizado. Pasos del instructivo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Extremos privados	Comienza a usar los extremos privados de Gemini Enterprise Agent Platform. Aprende a usar los recursos de Gemini Enterprise Agent Platform Private Endpoint. Obtén más información sobre Extremos privados. Pasos del instructivo Crea un recurso Private Endpoint. Configurar una conexión de intercambio de tráfico de VPC. Configura el objeto binario de entrega de un recurso Model para la implementación en un recurso Private Endpoint. Implementa un recurso Model en un recurso Private Endpoint. Envía una solicitud de predicción a un Private Endpoint	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Modelos de lenguaje de Gemini Enterprise Agent Platform	LLM y predicción de transmisiones de Gemini Enterprise Agent Platform. Obtén información sobre cómo usar LLM de Gemini Enterprise Agent Platform para descargar un modelo de LLM previamente entrenado, realizar predicciones y ajustar el modelo. Obtén más información sobre los modelos de lenguaje de Gemini Enterprise Agent Platform. Pasos del instructivo Carga un modelo de generación de texto previamente entrenado. Realiza una predicción sin transmisión Carga un modelo de generación de texto previamente entrenado que admita la transmisión. Realiza una predicción de transmisión Cargar un modelo de chat previamente entrenado. Realiza una sesión de chat interactivo local. Realiza una predicción por lotes con un modelo de generación de texto. Realiza una predicción por lotes con un modelo de incorporación de texto.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Contenedores previamente compilados para la predicción	Entrega modelos de imágenes de PyTorch con contenedores precompilados en Gemini Enterprise Agent Platform. Aprende a empaquetar e implementar un modelo de clasificación de imágenes de PyTorch con un contenedor de Gemini Enterprise Agent Platform compilado previamente con TorchServe para entregar predicciones en línea y por lotes. Obtén más información sobre los contenedores compilados previamente para el entrenamiento. Pasos del instructivo Descarga un modelo de imagen previamente entrenado de PyTorch Crea un controlador de modelos personalizado Empaqueta artefactos de modelo en un archivo del modelo Sube un modelo para la implementación Implementa el modelo para la predicción Haz predicciones en línea Haz predicciones por lotes	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Inferencia de Gemini Enterprise Agent Platform	Entrena e implementa modelos de PyTorch con contenedores compilados con anterioridad en Gemini Enterprise Agent Platform. Aprende a compilar, entrenar e implementar un modelo de clasificación de imágenes de PyTorch con contenedores compilados con anterioridad para el entrenamiento y la predicción personalizados. Pasos del instructivo Empaqueta la aplicación de entrenamiento en una distribución de fuente de Python Configura y ejecuta el trabajo de entrenamiento en un contenedor compilado previamente Empaqueta artefactos de modelo en un archivo del modelo Sube un modelo para la implementación Implementa el modelo con un contenedor precompilado para la predicción Haz predicciones en línea	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Descripción general de Ray en Gemini Enterprise Agent Platform	Comienza a usar PyTorch en Ray en Gemini Enterprise Agent Platform. Aprende a distribuir de forma eficiente el proceso de entrenamiento de un modelo de clasificación de imágenes de PyTorch aprovechando Ray en Gemini Enterprise Agent Platform. Obtén más información sobre la descripción general de Ray en Gemini Enterprise Agent Platform. Pasos del instructivo Prepara la secuencia de comandos de entrenamiento Envía un trabajo de Ray con la API de Ray Jobs Descarga un modelo de imagen entrenado de PyTorch Crea un controlador de modelos personalizado Empaqueta artefactos de modelo en un archivo del modelo Registra el modelo en Model Registry Implementa el modelo en el extremo de Gemini Enterprise Agent Platform Haz predicciones en línea	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Descripción general de Ray en Gemini Enterprise Agent Platform	Administración de clústeres de Ray en Gemini Enterprise Agent Platform. Aprende a enumerar clústeres existentes y a crear, obtener, actualizar y borrar un clúster. Obtén más información sobre la descripción general de Ray en Gemini Enterprise Agent Platform. Pasos del instructivo Crear un clúster Enumera los clústeres existentes. Obtén un clúster. Escala verticalmente el clúster de forma manual y, luego, reduce la escala verticalmente. Ajuste de escala automático de un clúster Borra los clústeres existentes.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ray en Gemini Enterprise Agent Platform Spark en Ray en Gemini Enterprise Agent Platform	Spark en Ray en Gemini Enterprise Agent Platform. Aprende a usar RayDP para ejecutar aplicaciones de Spark en un clúster de Ray en Gemini Enterprise Agent Platform. Obtén más información sobre Ray en Gemini Enterprise Agent Platform. Obtén más información sobre Spark on Ray en Gemini Enterprise Agent Platform. Pasos del instructivo Crea una imagen de contenedor personalizada de Ray en Gemini Enterprise Agent Platform Crea un clúster de Ray en Gemini Enterprise Agent Platform con una imagen de contenedor personalizada Ejecuta Spark de forma interactiva en el clúster con RayDP Ejecuta la aplicación de Spark en el clúster a través de la API de Ray Jobs Lee archivos de Google Cloud Storage en la aplicación de Spark UDF de Pandas en la aplicación de Spark en Ray en Gemini Enterprise Agent Platform Borra el clúster de Ray en Gemini Enterprise Agent Platform	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training Servidor de reducción de Gemini Enterprise Agent Platform	Entrenamiento distribuido de PyTorch con el servidor de reducción de Gemini Enterprise Agent Platform. Obtén información sobre cómo crear un trabajo de entrenamiento distribuido de PyTorch que use el framework y las herramientas de entrenamiento distribuido de PyTorch y, luego, ejecutar el trabajo de entrenamiento en el servicio de Vertex AI Training con Reduction Server. Obtén más información sobre Vertex AI Training. Obtén más información sobre Gemini Enterprise Agent Platform Reduction Server. Pasos del instructivo Crea una aplicación de entrenamiento distribuido de PyTorch Empaqueta la aplicación de entrenamiento con contenedores compilados previamente Crea un trabajo personalizado en Gemini Enterprise Agent Platform con el servidor de reducción Envía y supervisa el trabajo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado	Entrenamiento personalizado con un paquete de Python, un conjunto de datos de texto administrado y un contenedor de TF Serving. Aprende a crear un modelo personalizado mediante el entrenamiento de paquetes de Python personalizado y a entregar el modelo mediante el contenedor de TensorFlow Serving para la predicción en línea. Más información sobre el entrenamiento personalizado Pasos del instructivo Crea funciones de utilidad para descargar datos y preparar archivos CSV para crear un conjunto de datos administrado de Gemini Enterprise Agent Platform Descargar datos Prepara archivos CSV para crear conjuntos de datos administrados Crea un paquete de entrenamiento personalizado de Python Crea contenedores de TensorFlow Serving Ejecuta un entrenamiento de paquetes de Python personalizado con un conjunto de datos de texto administrado Implementa un modelo y crea un extremo en Gemini Enterprise Agent Platform Predice en el extremo Crea un trabajo de predicción por lotes en el modelo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Previsión ARIMA+ de BigQuery ML para datos tabulares	Entrena un modelo ARIMA_PLUS de BigQuery ML con flujos de trabajo tabulares de Gemini Enterprise Agent Platform. Obtén información para crear el modelo ARIMA_PLUS de BigQuery ML con una canalización de la plataforma de agentes de Gemini Enterprise de entrenamiento a partir de los componentes de canalización de Google Cloud y, luego, realiza una predicción por lotes con la canalización de predicción correspondiente. Obtén más información sobre la previsión de ARIMA+ de BigQuery ML para datos tabulares. Pasos del instructivo Entrena el modelo ARIMA_PLUS de BigQuery ML Visualiza la evaluación del modelo de BigQuery ML. Realiza una predicción por lotes con el modelo de BigQuery ML.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Componentes de canalización de Google Cloud Prophet para datos tabulares	Entrena un modelo de Prophet con flujos de trabajo tabulares de Gemini Enterprise Agent Platform. Obtén información para crear varios modelos de Prophet con una canalización de la plataforma de Gemini Enterprise Agent de entrenamiento a partir de los componentes de canalización de Google Cloud y, luego, realiza una predicción por lotes con la canalización de predicción correspondiente. Obtén más información sobre los componentes de canalización de Google Cloud. Obtén más información sobre Prophet para datos tabulares. Pasos del instructivo 1. Entrena los modelos de Prophet. 1. Consulta las métricas de evaluación. 1. Realiza una predicción por lotes con los modelos de Prophet.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard Entrenamiento personalizado	Entrenamiento personalizado de Vertex AI TensorBoard con contenedor personalizado. Aprende a crear un trabajo de entrenamiento personalizado con contenedores personalizados y supervisa tu proceso de entrenamiento en Vertex AI TensorBoard casi en tiempo real. Obtén más información sobre Vertex AI TensorBoard. Más información sobre el entrenamiento personalizado Pasos del instructivo Crea un repositorio y una configuración de Docker. Crea una imagen de contenedor personalizada con el código de entrenamiento personalizado. Configura una cuenta de servicio y buckets de Google Cloud Storage. Crea e inicia el trabajo de entrenamiento personalizado con tu contenedor personalizado.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard Entrenamiento personalizado	Entrenamiento personalizado de Vertex AI TensorBoard con contenedor compilado previamente. Aprende a crear un trabajo de entrenamiento personalizado con contenedores compilados previamente y supervisa tu proceso de entrenamiento en Vertex AI TensorBoard casi en tiempo real. Obtén más información sobre Vertex AI TensorBoard. Más información sobre el entrenamiento personalizado Pasos del instructivo Configura una cuenta de servicio y buckets de Cloud Storage. Escribe el código de entrenamiento personalizado. Empaqueta y sube tu código de entrenamiento a Cloud Storage. Crea e inicia tu trabajo de entrenamiento personalizado con Vertex AI TensorBoard habilitado para supervisión casi en tiempo real.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard	Ajuste de hiperparámetros de Vertex AI TensorBoard con el panel de HParams En este notebook, entrenas un modelo y realizas el ajuste de hiperparámetros con TensorFlow. Pasos del instructivo Adapta las ejecuciones de TensorFlow para registrar hiperparámetros y métricas. Inicia ejecuciones y regístralas en un directorio superior. Visualiza los resultados en el panel de HParams de Vertex AI TensorBoard.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Generador de perfiles Vertex AI TensorBoard	Rendimiento del entrenamiento de modelos de perfil con Cloud Profiler Obtén más información para habilitar Profiler para trabajos de entrenamiento personalizados. Obtén más información sobre Profiler. Obtén más información sobre Vertex AI TensorBoard. Pasos del instructivo Configura una cuenta de servicio y un bucket de Cloud Storage Crea una instancia de Vertex AI TensorBoard Crea y ejecuta un trabajo de entrenamiento personalizado que habilite el generador de perfiles. Visualiza el panel del generador de perfiles para depurar el rendimiento del entrenamiento de modelos.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Generador de perfiles Vertex AI TensorBoard	Genera perfiles del rendimiento del entrenamiento de modelos con Cloud Profiler en entrenamiento personalizado con contenedor compilado previamente. Aprende a habilitar Profiler en Gemini Enterprise Agent Platform para trabajos de entrenamiento personalizados con un contenedor compilado previamente. Obtén más información sobre Profiler. Obtén más información sobre Vertex AI TensorBoard. Pasos del instructivo Prepara tu código de entrenamiento personalizado y cárgalo como un paquete de Python en un contenedor compilado previamente Crea y ejecuta un trabajo de entrenamiento personalizado que habilite el generador de perfiles. Visualiza el panel del generador de perfiles para depurar el rendimiento del entrenamiento de modelos.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard Gemini Enterprise Agent Platform Pipelines	Integración de Vertex AI TensorBoard en Gemini Enterprise Agent Platform Pipelines. Aprende a crear una canalización de entrenamiento con el SDK de KFP, ejecutarla en Gemini Enterprise Agent Platform Pipelines y supervisar el proceso de entrenamiento en Vertex AI TensorBoard casi en tiempo real. Obtén más información sobre Vertex AI TensorBoard. Obtén más información sobre las canalizaciones de Gemini Enterprise Agent Platform. Pasos del instructivo Configura una cuenta de servicio y buckets de Google Cloud Storage. Construye una canalización de KFP con tu código de entrenamiento personalizado. Compilar y ejecutar la canalización de KFP en Gemini Enterprise Agent Platform Pipelines con Vertex AI TensorBoard habilitado para la supervisión casi en tiempo real.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ajuste de hiperparámetros en Gemini Enterprise Agent Platform	Ajuste de hiperparámetros distribuido de Gemini Enterprise Agent Platform. En este notebook, crearás un modelo entrenado personalizado a partir de una secuencia de comandos de Python en un contenedor de Docker. Obtén más información sobre el ajuste de hiperparámetros de Gemini Enterprise Agent Platform. Pasos del instructivo Realiza entrenamientos con un paquete de Python. Informa la exactitud con el ajuste de hiperparámetros Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Comienza a usar Vertex AI Training para LightGBM. Aprende a entrenar un modelo personalizado de LightGBM con el método de contenedor personalizado para Vertex AI Training. Pasos del instructivo Realiza entrenamientos con un paquete de Python. Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse. Construye un servidor de predicción de FastAPI. Construye una imagen de implementación de Dockerfile para el servidor. Prueba la imagen de implementación de forma local (opcional y no para usuarios de Colab). Crea un recurso de modelo de Gemini Enterprise Agent Platform. Ejecuta un trabajo de predicción por lotes. Implementa el modelo en un extremo y envía solicitudes de predicción en línea. Limpia los recursos creados.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento distribuido de Gemini Enterprise Agent Platform	Comienza a usar el entrenamiento distribuido de Gemini Enterprise Agent Platform. Aprende a usar el entrenamiento distribuido de Gemini Enterprise Agent Platform cuando entrenas con Gemini Enterprise Agent Platform. Obtén más información sobre el entrenamiento distribuido de Gemini Enterprise Agent Platform. Pasos del instructivo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ajuste de hiperparámetros en Gemini Enterprise Agent Platform	Ejecuta el ajuste de hiperparámetros para un modelo de TensorFlow. Obtén información para ejecutar un trabajo de ajuste de hiperparámetros de Gemini Enterprise Agent Platform para un modelo de TensorFlow. Obtén más información sobre el ajuste de hiperparámetros de Gemini Enterprise Agent Platform. Pasos del instructivo Modifica el código de entrenamiento de la aplicación para el ajuste de hiperparámetros. Aloja en un contenedor el código de entrenamiento de la aplicación. Configurar y, luego, iniciar un trabajo de ajuste de hiperparámetros con el SDK de Gemini Enterprise Agent Platform para Python	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ajuste de hiperparámetros de Gemini Enterprise Agent Platform	Ajuste de hiperparámetros de Gemini Enterprise Agent Platform para XGBoost. Aprende a usar el servicio de ajuste de hiperparámetros de la plataforma de agentes de Gemini Enterprise para entrenar un modelo de XGBoost. Obtén más información sobre el ajuste de hiperparámetros de Gemini Enterprise Agent Platform. Pasos del instructivo Entrena con un paquete de aplicación de entrenamiento de Python. Informa la exactitud durante el ajuste de hiperparámetros. Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse. Enumera el mejor modelo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Entrenamiento paralelo de datos distribuidos de varios nodos de clasificación de imágenes de PyTorch en la CPU con entrenamiento de Gemini Enterprise Agent Platform mediante un contenedor personalizado. Obtén información para crear un trabajo de entrenamiento distribuido de PyTorch con el SDK de Agent Platform para Python y contenedores personalizados. Obtén más información sobre Vertex AI Training. Pasos del instructivo Configura tu proyecto de Google Cloud	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Clasificación de imágenes de PyTorch con entrenamiento paralelo de datos distribuidos de NCCL de varios nodos en la CPU y Gemini Enterprise Agent Platform. Obtén información para crear un trabajo de entrenamiento distribuido de PyTorch con el SDK de Agent Platform para Python y contenedores personalizados. Obtén más información sobre Vertex AI Training. Pasos del instructivo Compila un contenedor personalizado mediante Artifact Registry y Docker Crea una instancia de TensorBoard de Gemini Enterprise Agent Platform para almacenar tu experimento de Gemini Enterprise Agent Platform. Ejecuta un trabajo de entrenamiento de Gemini Enterprise Agent Platform con el SDK de Agent Platform para Python.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado	Entrena, ajusta e implementa un modelo de clasificación de opiniones de texto de PyTorch en Gemini Enterprise Agent Platform. Aprende a compilar, entrenar, ajustar e implementar un modelo de PyTorch en Gemini Enterprise Agent Platform. Más información sobre el entrenamiento personalizado Pasos del instructivo Crea un paquete de entrenamiento para el modelo de clasificación de texto. Entrena el modelo con entrenamiento personalizado en Gemini Enterprise Agent Platform. Verifica los artefactos del modelo creados. Crear un contenedor personalizado para las predicciones. Implementar el modelo entrenado en un extremo de Gemini Enterprise Agent Platform con el contenedor personalizado para las predicciones Envía solicitudes de predicción en línea al modelo implementado y valida. Limpia los recursos creados en este notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Integración de PyTorch en Gemini Enterprise Agent Platform	Entrena el modelo de PyTorch en Gemini Enterprise Agent Platform con datos de Cloud Storage. Obtén más información sobre cómo crear un trabajo de entrenamiento con PyTorch y un conjunto de datos almacenado en Cloud Storage. Obtén más información sobre la integración de PyTorch en Gemini Enterprise Agent Platform. Pasos del instructivo Escribe una secuencia de comandos de entrenamiento personalizada que cree tus conjuntos de datos de entrenamiento y prueba, y entrene el modelo. Ejecuta un CustomTrainingJob con el SDK de Agent Platform para Python.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento distribuido	Usa Torchrun de PyTorch para simplificar el entrenamiento de varios nodos con contenedores personalizados. Aprende a entrenar un modelo de Imagenet con Torchrun de PyTorch en varios nodos. Obtén más información sobre el entrenamiento distribuido. Pasos del instructivo Crea una secuencia de comandos de shell para iniciar un clúster de ETCD en el nodo principal Crea una secuencia de comandos de entrenamiento con el código del repositorio de GitHub de PyTorch Elastic Crea contenedores que descarguen los datos y, luego, inicia un clúster de ETCD en el host Entrena el modelo a través de varios nodos con GPU	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Entrenamiento personalizado	Entrenamiento de XGBoost distribuido con Dask. Aprende a crear un trabajo de entrenamiento distribuido mediante XGBoost con Dask. Más información sobre el entrenamiento personalizado Pasos del instructivo Configura las variables PROJECT_ID y LOCATION para tu proyecto de Google Cloud. Crear un bucket de Cloud Storage para almacenar los artefactos de tu modelo. Compila un contenedor personalizado de Docker que aloje tu código de entrenamiento y envía la imagen de contenedor a Artifact Registry. Ejecuta un CustomContainerTrainingJob del SDK de Agent Platform	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
vector_search	Usa incorporaciones multimodales y Vector Search de Gemini Enterprise Agent Platform. Aprende a codificar incorporaciones de texto personalizadas, crear un índice de vecinos más cercanos aproximados y realizar consultas en índices. Pasos del instructivo Convertir un conjunto de datos de imágenes en incorporaciones. Crea un índice. Sube incorporaciones al índice. Crea un extremo de índice. Implementa el índice en el extremo del índice. Realiza una consulta en línea.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vector Search de Gemini Enterprise Agent Platform	Usa la Búsqueda de vector de la plataforma de agentes de Gemini Enterprise para preguntas de StackOverflow. Aprende a codificar incorporaciones de texto personalizadas, crear un índice de vecinos más cercanos aproximados y realizar consultas en índices. Obtén más información sobre Vector Search en Gemini Enterprise Agent Platform. Pasos del instructivo Crea el índice de ANN. Crea un extremo de índice con una red de VPC. Implementa el índice de ANN. Realiza una consulta en línea.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vector Search de Gemini Enterprise Agent Platform Embeddings de Gemini Enterprise Agent Platform para texto	Usa la Búsqueda de vector de Gemini Enterprise Agent Platform y las incorporaciones de Gemini Enterprise Agent Platform para texto en las preguntas de StackOverflow. Aprende a codificar incorporaciones de texto, crear un índice de vecinos más cercanos aproximados y realizar consultas en índices. Obtén más información sobre Vector Search en Gemini Enterprise Agent Platform. Obtén más información sobre los embeddings de Gemini Enterprise Agent Platform para texto. Pasos del instructivo Convierte un conjunto de datos de BigQuery en incorporaciones. Crea un índice. Sube incorporaciones al índice. Crea un extremo de índice. Implementa el índice en el extremo del índice. Realiza una consulta en línea.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vector Search de Gemini Enterprise Agent Platform	Crea un índice de Vector Search de Gemini Enterprise Agent Platform. Obtén información sobre cómo crear el índice de vecino más cercano aproximado, consultar índices y validar el rendimiento del índice. Obtén más información sobre Vector Search en Gemini Enterprise Agent Platform. Pasos del instructivo Crea los índices de ANN y ataques de fuerza bruta. Crea un IndexEndpoint con una red de VPC. Implementa el índice de ANN y de índice de fuerza bruta Realiza una consulta en línea. Recuperación del procesamiento.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Vizier	Optimiza varios objetivos con Agent Platform Vizier. Obtén información para usar Agent Platform Vizier y optimizar un estudio de varios objetivos. Obtén más información sobre Agent Platform Vizier. Pasos del instructivo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Vizier	Comienza a usar Agent Platform Vizier. Aprende a usar Agent Platform Vizier cuando entrenas con Gemini Enterprise Agent Platform. Obtén más información sobre Agent Platform Vizier. Pasos del instructivo Ajuste de hiperparámetros con algoritmo aleatorio. Ajuste de hiperparámetros con el algoritmo Agent Platform Vizier (bayesiano). Sugerir pruebas y actualizar los resultados del estudio de Agent Platform Vizier	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Workbench de Gemini Enterprise Agent Platform Vertex AI Training	Entrena un modelo de clasificación de clases múltiples para la segmentación de anuncios. Aprende a recopilar datos de BigQuery, procesarlos previamente y a entrenar un modelo de clasificación de clases múltiples en un conjunto de datos de comercio electrónico. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Obtén más información sobre Vertex AI Training. Pasos del instructivo Recupera los datos necesarios de BigQuery Preprocesa los datos Entrena un modelo de clasificación de TensorFlow (>=2.4) Evalúa la pérdida para el modelo entrenado Automatiza la ejecución del notebook mediante la función del ejecutor Guarda el modelo en una ruta de Cloud Storage Limpia los recursos creados	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Previsión de la demanda minorista con Gemini Enterprise Agent Platform y BigQuery ML Obtén información para compilar un modelo ARIMA (promedio móvil integrado autorregresivo) a partir de BigQuery ML en datos de venta minorista Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Más información sobre BigQuery ML Pasos del instructivo Explorar datos Modelo con BigQuery y el modelo ARIMA Evaluar el modelo Evalúa los resultados del modelo con BigQuery ML (en datos de entrenamiento) Evalúa los resultados del modelo MAE, MAPE, MSE y RMSE (en datos de prueba) Usa la función del ejecutor	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Análisis exploratorio interactivo de datos de BigQuery en un notebook. Aprende sobre varias formas de explorar y obtener estadísticas de los datos de BigQuery en un entorno de notebook de Jupyter. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Más información sobre BigQuery ML Pasos del instructivo Usa Python y SQL para consultar datos públicos en BigQuery Explora el conjunto de datos con BigQuery INFORMATION_SCHEMA Crea elementos interactivos para ayudarte a explorar partes interesantes de los datos Haz una correlación exploratoria y un análisis de series temporales Crea resultados estáticos e interactivos (tablas de datos y trazados) en el notebook Guarda algunos resultados en Cloud Storage	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Entrenamiento personalizado	Crea un modelo de detección de fraudes en Gemini Enterprise Agent Platform. En este instructivo, se muestra el análisis de datos y la compilación de modelos mediante un conjunto de datos financieros sintéticos. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Más información sobre el entrenamiento personalizado Pasos del instructivo Instalación de bibliotecas obligatorias Lee el conjunto de datos de un bucket de Cloud Storage Realiza análisis exploratorios en el conjunto de datos Procesa de forma previa el conjunto de datos Entrena un modelo de bosque aleatorio mediante scikitlearn Guarda el modelo en un bucket de Cloud Storage Crea un recurso de modelo de Gemini Enterprise Agent Platform y, luego, impleméntalo en un extremo Cómo ejecutar la Herramienta WhatIf en datos de prueba Anula la implementación del modelo y limpia los recursos del modelo	Colab GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Predicción de deserción para desarrolladores de videojuegos mediante Google Analytics 4 y BigQuery ML. Aprende a entrenar, evaluar un modelo de propensión en BigQuery ML. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Más información sobre BigQuery ML Pasos del instructivo Explora los datos exportados de Google Analytics 4 en BigQuery. Prepara los datos de entrenamiento con datos de comportamiento demográficos y etiquetas (deserción o no deserción). Entrena un modelo de XGBoost con BigQuery ML. Evalúa el modelo con BigQuery ML. Usa BigQuery ML para predecir qué usuarios tienen más probabilidades de desertar.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Workbench de Agent Platform de Gemini Enterprise Capacitación de Agent Platform de Gemini Enterprise	Mantenimiento predictivo con Gemini Enterprise Agent Platform. Aprende a usar la función del ejecutor de Gemini Enterprise Agent Platform Workbench para automatizar un flujo de trabajo a fin de entrenar e implementar un modelo. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Obtén más información sobre la capacitación de Gemini Enterprise Agent Platform. Pasos del instructivo Carga el conjunto de datos requerido desde un bucket de Cloud Storage. Analiza los campos presentes en el conjunto de datos Selecciona los datos necesarios para el modelo de mantenimiento predictivo. Entrena un modelo de regresión de XGBoost para predecir la vida útil restante. Evaluúa el modelo Ejecuta el notebook al extremo como un trabajo de entrenamiento mediante el ejecutor. Implementar el modelo en Gemini Enterprise Agent Platform Realizar una limpieza	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Análisis de optimización de precios en datos de precios de CDM. El objetivo de este notebook es compilar un modelo de optimización de precios con BigQuery ML. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Más información sobre BigQuery ML Pasos del instructivo Carga el conjunto de datos requerido desde un bucket de Cloud Storage. Analiza los campos presentes en el conjunto de datos. Procesa los datos para compilar un modelo Compila un modelo de previsión de BigQuery ML sobre los datos procesados Obtén valores previstos del modelo de BigQuery ML. Interpreta las previsiones para identificar los mejores precios. Realizar una limpieza	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Workbench de Agent Platform de Gemini Enterprise Dataproc Serverless para Spark	Resume y analiza datos de BigQuery con Dataproc. En este instructivo de notebook, se ejecuta un trabajo de Apache Spark que recupera datos del conjunto de datos “Actividad de GitHub” de BigQuery, consulta los datos y, luego, vuelve a escribir los resultados en BigQuery. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Obtén más información sobre Dataproc sin servidores para Spark. Pasos del instructivo Configura un proyecto de Google Cloud y un clúster de Dataproc. Configura el sparkbigqueryconnector. Transfiere datos de BigQuery a un DataFrame de Spark. Procesamiento previo de los datos transferidos. Consulta el lenguaje de programación que se usa con mayor frecuencia en repositorios de monoglot. Consulta el tamaño promedio (MB) del código en cada idioma almacenado en repositorios de monoglot. Consulta los archivos de lenguajes que se encuentran con mayor frecuencia en repositorios políglotas. Vuelve a escribir los resultados de la consulta en BigQuery. Borra los recursos creados para este instructivo de notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Dataproc	SparkML con Dataproc y BigQuery. En este instructivo, se ejecuta un trabajo de Apache Spark ML que recupera datos del conjunto de datos de BigQuery, realiza análisis exploratorios de datos, limpia los datos, ejecuta ingeniería de atributos, entrena el modelo, lo evalúa, genera resultados y lo guarda en un bucket de Cloud Storage. Obtén más información sobre Gemini Enterprise Agent Platform Workbench. Obtén más información sobre Dataproc. Pasos del instructivo Configura un proyecto de Google Cloud y un clúster de Dataproc. Crea un bucket de Cloud Storage y un conjunto de datos de BigQuery. Configura el sparkbigqueryconnector. Transfiere datos de BigQuery a un DataFrame de Spark. Realiza análisis exploratorios de datos (EDA) Visualiza los datos con muestras. Limpia los datos. Selecciona las características. Entrena el modelo. Genera resultados. Guarda el modelo en un bucket de Cloud Storage. Borra los recursos creados para el instructivo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench