Tutorial sui notebook Agent Platform

Questo documento contiene un elenco di tutorial sui notebook della piattaforma agentica Gemini Enterprise disponibili. Questi tutorial end-to-end ti aiutano a iniziare a utilizzare Agent Platform e possono darti idee su come implementare un progetto specifico.

Esistono molti ambienti in cui puoi ospitare i notebook. Puoi eseguirli nel cloud utilizzando un servizio come Colaboratory (Colab), Colab Enterprise o Gemini Enterprise Agent Platform Workbench. In alternativa, puoi scaricare i notebook da GitHub ed eseguirli sulla tua macchina locale o su un'implementazione di JupyterLab nella tua rete locale.

Colab

Per aprire un tutorial sui notebook in Colab, fai clic sul link Colab nell'elenco dei notebook. Colab crea un'istanza VM con tutte le dipendenze necessarie, avvia l'ambiente Colab e carica il notebook.

Colab Enterprise

Per aprire un tutorial sui notebook in Colab Enterprise:

1. Configura un progetto Google Cloud e abilita le API richieste.
2. Fai clic sul link Colab Enterprise nell'elenco dei notebook. Colab Enterprise carica il notebook.

Agent Platform Workbench

Per aprire un tutorial sui notebook in Agent Platform Workbench:

1. Crea un'istanza di Agent Platform Workbench.
2. Fai clic sul link Agent Platform Workbench nell' elenco dei notebook.
3. Seleziona un'istanza di Agent Platform Workbench attiva. Se nessuna delle tue istanze è in esecuzione, seleziona un'istanza e poi fai clic su Avvia. Dopo l'avvio dell'istanza, selezionala di nuovo.
4. Fai clic su Esegui il deployment.
5. Nella pagina Conferma il deployment sul server notebook, seleziona Conferma. Agent Platform Workbench carica il notebook.
6. Nella finestra di dialogo Seleziona kernel, seleziona Python 3 e poi fai clic su Seleziona.

GitHub

Per scaricare un tutorial sui notebook da GitHub:

1. Fai clic sul link GitHub nell'elenco dei notebook.
2. In GitHub, fai clic sul pulsante  Scarica file non elaborato.
3. Completa la finestra di dialogo per scaricare il notebook.

Elenco dei notebook

Seleziona un servizio Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform Gemini Enterprise Agent Platform

Servizi	Descrizione	Apri in
Classificazione per dati tabulari	Addestramento e previsione tabulare AutoML. Scopri come addestrare un modello AutoML e fare previsioni in base a un set di dati tabulare. Scopri di più sulla classificazione per i dati tabellari. Passaggi del tutorial Crea un job di addestramento del modello Gemini Enterprise Agent Platform. Addestra un modello tabulare AutoML. Esegui il deployment della risorsa modello in una risorsa endpoint di servizio. Fai una previsione inviando i dati. Annulla il deployment della risorsa modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Recuperare le previsioni da un modello di classificazione delle immagini	Modello di classificazione delle immagini di addestramento AutoML per la previsione batch. In questo tutorial, creerai un modello di classificazione delle immagini AutoML da uno script Python e poi eseguirai una previsione batch utilizzando l'SDK Vertex. Scopri di più su Come ottenere previsioni da un modello di classificazione delle immagini. Passaggi del tutorial Crea una risorsa del set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Recuperare le previsioni da un modello di classificazione delle immagini	Addestra un modello di classificazione delle immagini AutoML per la previsione online. In questo tutorial, crei un modello di classificazione delle immagini AutoML ed esegui il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex. Scopri di più su Come ottenere previsioni da un modello di classificazione delle immagini. Passaggi del tutorial Crea una risorsa Vertex Dataset. Addestrare il modello. Visualizza la valutazione del modello. Esegui il deployment della risorsa Model in una risorsa di pubblicazione Endpoint. Fai una previsione. Annulla il deployment di Model.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
AutoML	Modello di rilevamento degli oggetti delle immagini di addestramento AutoML per l'esportazione all'edge. In questo tutorial, crei un modello AutoML per il rilevamento degli oggetti nelle immagini da uno script Python utilizzando SDK Vertex, quindi esporti il modello come modello Edge in formato TFLite. Passaggi del tutorial Crea una risorsa del set di dati Vertex. Addestrare il modello. Esporta il modello edge dalla risorsa modello in Cloud Storage. Scarica il modello localmente. Fare una previsione locale.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Rilevamento di oggetti per i dati delle immagini	Modello di rilevamento di oggetti di immagini di addestramento AutoML per la previsione online. In questo tutorial, crei un modello di rilevamento degli oggetti immagine AutoML ed esegui il deployment per la previsione online da uno script Python utilizzando l'SDK Agent Platform. Scopri di più sul rilevamento di oggetti per i dati delle immagini. Passaggi del tutorial Crea una risorsa del set di dati Gemini Enterprise Agent Platform. Addestrare il modello. Visualizza la valutazione del modello. Esegui il deployment della risorsa modello in una risorsa endpoint di servizio. Fai una previsione. Annulla il deployment del modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Flusso di lavoro tabulare per AutoML end-to-end	Pipeline del flusso di lavoro AutoML Tabular. Scopri come creare due modelli di regressione utilizzando le pipeline di Gemini Enterprise Agent Platform scaricate da Componenti delle pipeline di Google Cloud . Scopri di più sul flusso di lavoro tabulare per AutoML end-to-end. Passaggi del tutorial Crea una pipeline di addestramento che riduca lo spazio di ricerca dal valore predefinito per risparmiare tempo. Crea una pipeline di addestramento che riutilizzi i risultati della ricerca dell'architettura della pipeline precedente per risparmiare tempo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento AutoML	Inizia a utilizzare l'addestramento AutoML. Scopri come utilizzare AutoML per l'allenamento con Gemini Enterprise Agent Platform. Scopri di più sull'addestramento di AutoML. Passaggi del tutorial Addestra un modello di immagini Esporta il modello di immagine come modello edge Addestra un modello tabulare Esporta il modello tabulare come modello cloud Addestra un modello di testo	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Previsione gerarchica per dati tabulari	Addestramento AutoML di Gemini Enterprise Agent Platform per la previsione gerarchica per la previsione batch. In questo tutorial, crei un modello di previsione gerarchica AutoML ed esegui il deployment per la previsione batch utilizzando l'SDK Agent Platform per Python. Scopri di più sulla previsione gerarchica per i dati tabellari. Passaggi del tutorial Crea una risorsa TimeSeriesDataset di Gemini Enterprise Agent Platform. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Rilevamento di oggetti per i dati delle immagini	Modello di rilevamento degli oggetti di immagini di addestramento AutoML per la previsione batch. In questo tutorial, crei un modello di rilevamento degli oggetti immagine AutoML da uno script Python e poi esegui una previsione batch utilizzando l'SDK Agent Platform per Python. Scopri di più sul rilevamento di oggetti per i dati delle immagini. Passaggi del tutorial Crea una risorsa del set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Previsione con AutoML	Modello di previsione tabulare AutoML per la previsione batch. Scopri come creare un modello di previsione tabulare AutoML da uno script Python e poi generare una previsione batch utilizzando l'SDK Agent Platform. Scopri di più sulla previsione con AutoML. Passaggi del tutorial Crea una risorsa del set di dati Gemini Enterprise Agent Platform. Addestra una risorsa del modello di previsione tabulare AutoML. Ottieni le metriche di valutazione per la risorsa modello. Esegui una previsione batch.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Regressione per dati tabulari	Modello di regressione tabellare di addestramento AutoML per la previsione batch utilizzando BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguirne il deployment per la previsione batch utilizzando l'SDK Agent Platform per Python. Scopri di più sulla regressione per i dati tabellari. Passaggi del tutorial Crea una risorsa del set di dati Gemini Enterprise Agent Platform. Addestra una risorsa modello di regressione tabulare AutoML. Ottieni le metriche di valutazione per la risorsa modello. Esegui una previsione batch.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Regressione per dati tabulari	Modello di regressione tabellare di addestramento AutoML per la previsione online utilizzando BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguirne il deployment per la previsione online da uno script Python utilizzando l'SDK Agent Platform. Scopri di più sulla regressione per i dati tabellari. Passaggi del tutorial Crea una risorsa del set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Esegui il deployment della risorsa modello in una risorsa endpoint di servizio. Fai una previsione. Annulla il deployment del modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
BigQuery ML	Inizia a utilizzare l'addestramento BigQuery ML. Scopri come utilizzare BigQuery ML per l'addestramento con Gemini Enterprise Agent Platform. Scopri di più su BigQuery ML. Passaggi del tutorial Crea una tabella BigQuery locale nel tuo progetto Addestrare un modello BigQuery ML Valuta il modello BigQuery ML Esporta il modello BigQuery ML come modello cloud Carica il modello esportato come risorsa modello Gemini Enterprise Agent Platform Ottimizzare gli iperparametri di un modello BigQuery ML con Agent Platform Vizier Registrare automaticamente un modello BigQuery ML in Model Registry	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato Vertex AI Inference	Deployment del modello di rilevamento dell'iride utilizzando FastAPI e il servizio di container personalizzato di Gemini Enterprise Agent Platform. Scopri come creare, eseguire il deployment e pubblicare un modello di classificazione personalizzato su Gemini Enterprise Agent Platform. Scopri di più sull'addestramento personalizzato. Scopri di più su Vertex AI Inference. Passaggi del tutorial Addestra un modello che utilizza le misurazioni del fiore come input per prevedere la classe di iris. Salva il modello e il relativo preprocessor serializzato. Crea un server FastAPI per gestire le previsioni e i controlli di integrità. Crea un container personalizzato con gli artefatti del modello. Carica ed esegui il deployment del container personalizzato negli endpoint di Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Addestramento di un modello TensorFlow sui dati BigQuery. Scopri come creare un modello addestrato personalizzato da uno script Python in un container Docker utilizzando l'SDK Agent Platform per Python e poi ottenere una previsione dal modello di cui è stato eseguito il deployment inviando dati. Scopri di più su Vertex AI Training. Passaggi del tutorial Crea un TrainingPipeline personalizzato di Gemini Enterprise Agent Platform per l'addestramento di un modello. Addestra un modello TensorFlow. Esegui il deployment della risorsa Model in una risorsa di pubblicazione Endpoint. Fai una previsione. Annulla il deployment della risorsa Model.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato	Addestramento personalizzato con immagine container personalizzata e caricamento automatico del modello nel registro dei modelli. In questo tutorial, addestri un approccio di immagine container personalizzata del modello di machine learning per l'addestramento personalizzato in Gemini Enterprise Agent Platform. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job personalizzato Gemini Enterprise Agent Platform per l'addestramento di un modello. Addestra e registra un modello TensorFlow utilizzando un container personalizzato. Elenca il modello registrato in Model Registry.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Cloud Profiler	Prestazioni dell'addestramento del modello di profilo utilizzando Cloud Profiler. Scopri come attivare Cloud Profiler per i job di addestramento personalizzato. Scopri di più su Cloud Profiler. Passaggi del tutorial Configura un account di servizio e un bucket Cloud Storage Crea un'istanza di Vertex AI TensorBoard Crea ed esegui un job di addestramento personalizzato Visualizzare la dashboard di Cloud Profiler	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato	Inizia a utilizzare Vertex AI Training per XGBoost. Scopri come utilizzare Vertex AI Training per l'addestramento di un modello personalizzato XGBoost. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Addestramento utilizzando un pacchetto Python. Segnala l'accuratezza durante l'ottimizzazione degli iperparametri. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud Storage FUSE. Crea una risorsa modello Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Risorse condivise tra i deployment	Inizia a utilizzare l'endpoint e la VM condivisa. Scopri come utilizzare i pool di risorse di deployment per il deployment dei modelli. Scopri di più sulle risorse condivise tra i deployment. Passaggi del tutorial Carica un modello di classificazione delle immagini preaddestrato come risorsa Model (modello A). Carica un modello di codifica di frasi di testo preaddestrato come risorsa Model (modello B). Crea un pool di risorse di deployment di VM condivise. Elenca i pool di risorse di deployment delle VM condivisi. Crea due risorse Endpoint. Esegui il deployment del primo modello (modello A) nella prima risorsa Endpoint utilizzando il pool di risorse di deployment. Esegui il deployment del secondo modello (modello B) nella seconda risorsa Endpoint utilizzando il pool di risorse di deployment. Effettua una richiesta di previsione con il primo modello di cui è stato eseguito il deployment (modello A). Effettua una richiesta di previsione con il secondo modello di cui è stato eseguito il deployment (modello B).	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato Previsione batch di Gemini Enterprise Agent Platform	Addestramento personalizzato e previsione batch. Scopri come utilizzare Vertex AI Training per creare un modello addestrato personalizzato e utilizzare la previsione batch di Gemini Enterprise Agent Platform per eseguire una previsione batch sul modello addestrato. Scopri di più sull'addestramento personalizzato. Scopri di più sulla previsione batch di Gemini Enterprise Agent Platform. Passaggi del tutorial Crea un job personalizzato Gemini Enterprise Agent Platform per l'addestramento di un modello TensorFlow. Carica gli artefatti del modello addestrato come risorsa modello. Esegui una previsione batch.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato Vertex AI Inference	Addestramento personalizzato e previsione online. Scopri come utilizzare Vertex AI Training per creare un modello con addestramento personalizzato da uno script Python in un container Docker e come utilizzare Vertex AI Inference per fare una previsione sul modello di cui è stato eseguito il deployment inviando dati. Scopri di più sull'addestramento personalizzato. Scopri di più su Vertex AI Inference. Passaggi del tutorial Crea un Gemini Enterprise Agent Platform job personalizzato per l'addestramento di un modello TensorFlow. Carica gli artefatti del modello addestrato in una risorsa Model. Crea una risorsa Endpoint di pubblicazione. Esegui il deployment della risorsa Model in una risorsa di pubblicazione Endpoint. Fai una previsione. Annulla il deployment della risorsa Model.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Set di dati BigQuery Gemini Enterprise Agent Platform per gli utenti di BigQuery	Inizia a utilizzare i set di dati BigQuery. Scopri come utilizzare BigQuery come set di dati per l'addestramento con Gemini Enterprise Agent Platform. Scopri di più sui set di dati BigQuery. Scopri di più su Gemini Enterprise Agent Platform per gli utenti di BigQuery. Passaggi del tutorial Crea una risorsa del set di dati Gemini Enterprise Agent Platform dalla tabella BigQuery compatibile per l'addestramento AutoML. Estrai una copia del set di dati da BigQuery in un file CSV in Cloud Storage compatibile con AutoML o l'addestramento personalizzato. Seleziona le righe di un set di dati BigQuery in un dataframe pandas compatibile per l'addestramento personalizzato. Seleziona le righe di un set di dati BigQuery in un formato tf.data.Dataset compatibile per i modelli TensorFlow di addestramento personalizzato. Seleziona le righe dai file CSV estratti in un formato tf.data.Dataset compatibile per i modelli TensorFlow di addestramento personalizzato. Crea un set di dati BigQuery dai file CSV. Estrai i dati dalla tabella BigQuery in una DMatrix compatibile per i modelli XGBoost di addestramento personalizzato.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Vertex ML Metadata	Crea la genealogia dell'esperimento Gemini Enterprise Agent Platform per l'addestramento personalizzato. Scopri come integrare il codice di preelaborazione in un esperimento di Gemini Enterprise Agent Platform. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex ML Metadata. Passaggi del tutorial Esegui il modulo per la pre-elaborazione dei dati Crea un artefatto del set di dati Parametri log Esegui il modulo per l'addestramento del modello Parametri log Crea artefatto del modello Assegnare la tracciabilità della provenienza a set di dati, modello e parametri	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	Monitora parametri e metriche per i modelli addestrati localmente. Scopri come utilizzare Vertex AI Experiments per confrontare e valutare gli esperimenti sui modelli. Scopri di più su Vertex AI Experiments. Passaggi del tutorial registrare i parametri del modello registra la perdita e le metriche in ogni epoca in Vertex AI TensorBoard registrare le metriche di valutazione	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Gemini Enterprise Agent Platform Pipelines	Confronta le esecuzioni delle pipeline con Vertex AI Experiments. Scopri come utilizzare Vertex AI Experiments per registrare un job della pipeline e poi confrontare diversi job della pipeline. Scopri di più su Vertex AI Experiments. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Passaggi del tutorial Formalizzare un componente di formazione Crea una pipeline di addestramento Esegui diversi job della pipeline e registra i risultati Confrontare job della pipeline diversi	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard	Elimina gli esperimenti obsoleti in Vertex AI TensorBoard. Scopri come eliminare gli esperimenti Vertex AI TensorBoard obsoleti per evitare costi di archiviazione non necessari. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Come eliminare l'esperimento TB con una coppia di etichette chiave-valore predefinita Come eliminare gli esperimenti TB creati prima del giorno create_time Come eliminare gli esperimenti TB creati prima del giorno update_time	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	Registrazione automatica dell'allenamento personalizzato - Script locale. Scopri come registrare automaticamente i parametri e le metriche di un esperimento di ML in esecuzione su Vertex AI Training sfruttando l'integrazione con Vertex AI Experiments. Passaggi del tutorial Formalizzare l'esperimento sul modello in uno script Esegui l'addestramento del modello utilizzando lo script locale su Vertex AI Training Controlla i parametri e le metriche degli esperimenti di ML in Vertex AI Experiments	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Vertex ML Metadata Addestramento personalizzato	Inizia a utilizzare Vertex AI Experiments. Scopri come utilizzare Vertex AI Experiments durante l'addestramento con Gemini Enterprise Agent Platform. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex ML Metadata. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Addestramento locale (notebook) Crea un esperimento. Crea una prima esecuzione nell'esperimento. Parametri e metriche dei log. Crea la derivazione dell'artefatto. Visualizza i risultati dell'esperimento. Esegui una seconda corsa. Confronta le due esecuzioni nell'esperimento. Addestramento su Cloud (Gemini Enterprise Agent Platform) All'interno dello script di addestramento	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	Registrazione automatica. Scopri come utilizzare la registrazione automatica di Gemini Enterprise Agent Platform. Passaggi del tutorial Abilita la registrazione automatica nell'SDK Agent Platform. Addestra il modello scikitlearn e controlla l'esecuzione dell'esperimento risultante con metriche e parametri registrati automaticamente in Vertex AI Experiments senza impostare l'esecuzione di un esperimento. Addestra il modello TensorFlow, controlla le metriche e i parametri registrati automaticamente in Vertex AI Experiments impostando manualmente l'esecuzione di un esperimento con aiplatform.start_run() e aiplatform.end_run(). Disattiva la registrazione automatica nell'SDK Agent Platform, addestra un modello PyTorch e verifica che nessuno dei parametri o delle metriche venga registrato.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Servizio delle funzionalità online e recupero dei dati BigQuery con Agent Platform Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e pubblicare dati in BigQuery con Agent Platform Feature Store in un workflow end-to-end di pubblicazione dei valori delle funzionalità e recupero del percorso dell'utente. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di Feature Store online per ospitare e pubblicare i dati. Registra una vista BigQuery con l'istanza dell'archivio delle funzionalità online e configura il job di sincronizzazione. Utilizza il server online per recuperare i valori delle caratteristiche per la previsione online.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Servizio e recupero delle funzionalità online dei dati BigQuery con Agent Platform Feature Store Optimized Serving. Scopri come creare e utilizzare un'istanza dell'archivio delle funzionalità online per ospitare e pubblicare dati in BigQuery con l'archivio delle funzionalità di Agent Platform in un flusso di lavoro end-to-end di pubblicazione e recupero dei valori delle funzionalità. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di feature store online per ospitare e pubblicare dati utilizzando la pubblicazione online ottimizzata con endpoint pubblico o privato. Registra una vista BigQuery con l'istanza dell'archivio delle funzionalità online e configura il job di sincronizzazione. Utilizza il server online per recuperare i valori delle caratteristiche per la previsione online.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Servizio di funzionalità online e recupero di vettori di dati BigQuery con Agent Platform Feature Store. Scopri come creare e utilizzare un'istanza dell'archivio delle funzionalità online per ospitare e pubblicare dati in BigQuery con l'archivio delle funzionalità di Agent Platform in un workflow end-to-end di pubblicazione delle funzionalità e percorso dell'utente di recupero dei vettori. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di Feature Store online per ospitare e pubblicare i dati. Crea un'istanza dell'online feature store per pubblicare una tabella BigQuery. Utilizza il server online per cercare i vicini più prossimi.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Tutorial sull'ancoraggio del modello LLM basato su Agent Platform Feature Store. Scopri come creare e utilizzare un'istanza dell'archivio delle funzionalità online per ospitare e pubblicare dati in BigQuery con l'archivio delle funzionalità di Agent Platform in un workflow end-to-end di pubblicazione delle funzionalità e percorso dell'utente di recupero dei vettori. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di Feature Store online per ospitare e pubblicare i dati. Crea un'istanza dell'online feature store per pubblicare una tabella BigQuery. Utilizza il server online per cercare i vicini più prossimi.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Tutorial sugli agenti di servizio di visualizzazione delle funzionalità di Agent Platform Feature Store. Scopri come utilizzare un service agent dedicato per una visualizzazione delle funzionalità in Agent Platform Feature Store. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Crea una vista delle funzionalità configurata per utilizzare un account di servizio dedicato. Viene creato un account di servizio per ogni visualizzazione delle funzionalità. Questo account di servizio viene utilizzato per sincronizzare i dati da BigQuery. L'API Get/List feature view restituisce il account di servizio creato automaticamente. Gli utenti devono chiamare il comando bq addiampolicybinding per concedere roles/bigquery.dataViewer al account di servizio.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	SDK di importazione dello streaming in Agent Platform Feature Store (legacy). Scopri come importare funzionalità da un Pandas DataFrame in Agent Platform Feature Store utilizzando il metodo write_feature_values dell'SDK Agent Platform. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Crea un archivio di caratteristiche. Crea un nuovo tipo di entità per il featurestore. Importa i valori delle caratteristiche da Pandas DataFrame nel tipo di entità nell'archivio di caratteristiche.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Utilizzo di Agent Platform Feature Store (legacy) con Pandas Dataframe. Scopri come utilizzare Agent Platform Feature Store con il dataframe Pandas. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Crea risorse Featurestore, EntityType e Feature. Importa i valori delle caratteristiche da Pandas DataFrame nel tipo di entità. Leggi i valori delle caratteristiche delle entità dallo feature store online in Pandas DataFrame. Eroga in batch i valori delle caratteristiche dal feature store in Pandas DataFrame. Distribuzione online con valori delle caratteristiche aggiornati. Correttezza point-in-time per recuperare i valori delle caratteristiche per l'addestramento.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Previsioni online e batch utilizzando Agent Platform Feature Store (legacy). Scopri come utilizzare Agent Platform Feature Store per importare i dati delle caratteristiche e per accedere ai dati delle caratteristiche sia per la pubblicazione online sia per le attività offline, come l'addestramento. Scopri di più su Agent Platform Feature Store. Passaggi del tutorial Crea risorse Featurestore, EntityType e Feature. Importa i dati delle funzionalità nella risorsa Featurestore. Gestire le richieste di previsione online utilizzando le caratteristiche importate. Accedere alle caratteristiche importate in job offline, come job di addestramento. Utilizza l'importazione in streaming per importare piccole quantità di dati.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Panoramica del supporto dell'AI generativa su Gemini Enterprise Agent Platform	Inferenza batch LLM di Gemini Enterprise Agent Platform con modelli ottimizzati con RLHF. In questo tutorial, utilizzi Gemini Enterprise Agent Platform per ottenere previsioni da un modello linguistico di grandi dimensioni ottimizzato con RLHF. Scopri di più su Panoramica del supporto dell'AI generativa su Gemini Enterprise Agent Platform. Passaggi del tutorial Crea un job della pipeline Gemini Enterprise Agent Platform utilizzando un modello predefinito per l'inferenza collettiva. Esegui la pipeline utilizzando le pipeline di Gemini Enterprise Agent Platform. Genera risultati di previsione rispetto a un modello per un determinato set di dati.	Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Distillare un modello linguistico di grandi dimensioni. Scopri come distillare ed eseguire il deployment di un modello linguistico di grandi dimensioni utilizzando l'LLM di Gemini Enterprise Agent Platform. Passaggi del tutorial Ottieni il modello LLM Gemini Enterprise Agent Platform. Distilla il modello(in questo modo viene creato automaticamente un endpoint Gemini Enterprise Agent Platform e viene eseguito il deployment del modello sull'endpoint). Fai una previsione utilizzando il LLM di Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
text embedding	Ricerca semantica utilizzando gli embedding. In questo tutorial, mostriamo come creare un incorporamento generato dal testo ed eseguire una ricerca semantica. Scopri di più sull'incorporamento del testo. Passaggi del tutorial Installazione e importazioni Crea set di dati di incorporamento Crea un indice Eseguire query sull'indice	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Ottenere incorporamenti di testo su Gemini Enterprise Agent Platform. Scopri come ottenere un text embedding dato un modello di text embedding e un testo. Passaggi del tutorial	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Ottenere incorporamenti di testo su Gemini Enterprise Agent Platform. Scopri come ottenere un text embedding dato un modello di text embedding e un testo. Passaggi del tutorial	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione supervisionata	Ottimizzazione di un modello PEFT di Gemini Enterprise Agent Platform. Scopri come utilizzare l'LLM di Gemini Enterprise Agent Platform per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni PEFT. Scopri di più sull'ottimizzazione dei modelli di testo utilizzando l'ottimizzazione supervisionata. Passaggi del tutorial Ottieni il modello LLM Gemini Enterprise Agent Platform. Ottimizza il modello. In questo modo viene creato automaticamente un endpoint Gemini Enterprise Agent Platform e viene eseguito il deployment del modello. Fai una previsione utilizzando il LLM di Gemini Enterprise Agent Platform. Esegui una previsione utilizzando Vertex AI Inference.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Ottenere incorporamenti di testo ottimizzati su Gemini Enterprise Agent Platform. Scopri come ottimizzare un modello di incorporamento di testo. Passaggi del tutorial	Colab GitHub Gemini Enterprise Agent Platform Workbench
API PaLM	Utilizzo dell'SDK Agent Platform con modelli linguistici di grandi dimensioni. Scopri come fornire input di testo ai modelli linguistici di grandi dimensioni disponibili su Gemini Enterprise Agent Platform per testare, ottimizzare ed eseguire il deployment di modelli linguistici di AI generativa. Scopri di più sull'API PaLM. Passaggi del tutorial Utilizza gli endpoint di previsione dell'API PaLM di Gemini Enterprise Agent Platform per ricevere risposte di AI generativa a un messaggio. Utilizza l'endpoint di text embedding per ricevere una rappresentazione vettoriale di un messaggio. Esegui l'ottimizzazione del prompt di un LLM in base ai dati di addestramento di input/output.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Esegui la migrazione a Gemini Enterprise Agent Platform Classificazione per i dati delle immagini	Classificazione immagine AutoML. Scopri come utilizzare AutoML per addestrare un modello di immagini e come utilizzare Vertex AI Inference e Gemini Enterprise Agent Platform batch inference per eseguire previsioni online e batch. Scopri di più su Migrazione a Gemini Enterprise Agent Platform. Scopri di più sulla classificazione per i dati delle immagini. Passaggi del tutorial Addestra un modello di classificazione di immagini AutoML. Esegui una previsione batch. Esegui il deployment del modello in un endpoint Generare una previsione online	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Esegui la migrazione a Gemini Enterprise Agent Platform Rilevamento di oggetti per i dati delle immagini	Rilevamento di oggetti nelle immagini AutoML. Scopri come utilizzare AutoML per addestrare un modello di immagini e come utilizzare Vertex AI Inference e Gemini Enterprise Agent Platform Batch Prediction per eseguire previsioni online e batch. Scopri di più su Migrazione a Gemini Enterprise Agent Platform. Scopri di più sul rilevamento di oggetti per i dati delle immagini. Passaggi del tutorial Addestra un modello di rilevamento degli oggetti AutoML. Esegui una previsione batch. Esegui il deployment del modello in un endpoint Generare una previsione online	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Esegui la migrazione a Gemini Enterprise Agent Platform Classificazione per dati tabellari	Classificazione binaria tabulare AutoML. In questo tutorial, crei un modello di classificazione binaria tabulare AutoML ed esegui il deployment per la previsione online da uno script Python utilizzando l'SDK Agent Platform. Scopri di più su Migrazione a Gemini Enterprise Agent Platform. Scopri di più sulla classificazione per i dati tabellari. Passaggi del tutorial Crea una risorsa del set di dati Gemini Enterprise Agent Platform. Addestrare il modello. Visualizza la valutazione del modello. Esegui il deployment della risorsa modello in una risorsa endpoint di servizio. Fai una previsione. Annulla il deployment del modello	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Esegui la migrazione a Gemini Enterprise Agent Platform Addestramento personalizzato	Classificazione delle immagini personalizzata con un container di addestramento personalizzato. Scopri come addestrare un modello di classificazione delle immagini TensorFlow utilizzando un container personalizzato e l'addestramento di Gemini Enterprise Agent Platform. Scopri di più su Migrazione a Gemini Enterprise Agent Platform. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Pacchettizza il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento utilizzando Cloud Build e Artifact Registry. Crea un job di addestramento di container personalizzato in Gemini Enterprise Agent Platform ed eseguilo. Valuta il modello generato dal job di addestramento. Crea una risorsa modello per il modello addestrato nel registro dei modelli. Esegui un job di inferenza batch di Gemini Enterprise Agent Platform. Esegui il deployment della risorsa modello su un endpoint Gemini Enterprise Agent Platform. Esegui un job di previsione online sulla risorsa del modello. Eseguire la pulizia delle risorse create.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Esegui la migrazione a Gemini Enterprise Agent Platform Panoramica dell'addestramento personalizzato	Classificazione delle immagini personalizzata con un container di addestramento predefinito. Scopri come addestrare un modello di classificazione delle immagini TensorFlow utilizzando un container predefinito e l'addestramento di Gemini Enterprise Agent Platform. Scopri di più su Migrazione a Gemini Enterprise Agent Platform. Scopri di più sulla panoramica dell'addestramento personalizzato. Passaggi del tutorial Pacchettizza il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento utilizzando Cloud Build e Artifact Registry. Crea un job di addestramento di container personalizzato in Gemini Enterprise Agent Platform ed eseguilo. Valuta il modello generato dal job di addestramento. Crea una risorsa modello per il modello addestrato nel registro dei modelli. Esegui un job di inferenza batch di Gemini Enterprise Agent Platform. Esegui il deployment della risorsa modello su un endpoint Gemini Enterprise Agent Platform. Esegui un job di previsione online sulla risorsa del modello. Eseguire la pulizia delle risorse create.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Esegui la migrazione a Gemini Enterprise Agent Platform Panoramica dell'addestramento personalizzato	Modello Scikit-Learn personalizzato con container di addestramento predefinito. Scopri come utilizzare Vertex AI Training per creare un modello addestrato personalizzato. Scopri di più su Migrazione a Gemini Enterprise Agent Platform. Scopri di più sulla panoramica dell'addestramento personalizzato. Passaggi del tutorial Crea un job personalizzato Gemini Enterprise Agent Platform per l'addestramento di un modello scikitlearn. Carica gli artefatti del modello addestrato come risorsa modello. Genera previsioni batch. Esegui il deployment della risorsa modello in una risorsa endpoint di servizio. Genera previsioni online. Annulla il deployment della risorsa modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Esegui la migrazione a Gemini Enterprise Agent Platform Panoramica dell'addestramento personalizzato	Modello XGBoost personalizzato con container di addestramento predefinito. Scopri come utilizzare Vertex AI Training per creare un modello addestrato personalizzato. Scopri di più su Migrazione a Gemini Enterprise Agent Platform. Scopri di più sulla panoramica dell'addestramento personalizzato. Passaggi del tutorial Crea un job personalizzato Gemini Enterprise Agent Platform per l'addestramento di un modello xgboost. Carica gli artefatti del modello addestrato come risorsa modello. Genera previsioni batch. Esegui il deployment della risorsa modello in una risorsa endpoint di servizio. Genera previsioni online. Annulla il deployment della risorsa modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform Addestramento personalizzato	Ottimizzazione degli iperparametri. Scopri come utilizzare l'iperparametro di Gemini Enterprise Agent Platform per creare e ottimizzare un modello addestrato personalizzato. Scopri di più sull'ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job di ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform per l'addestramento di un modello TensorFlow.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Documentazione di Google Artifact Registry	Inizia a utilizzare Google Artifact Registry. Scopri come utilizzare Google Artifact Registry. Scopri di più nella documentazione di Google Artifact Registry. Passaggi del tutorial Creazione di un repository Docker privato. Assegnazione di tag a un'immagine container, specifica per il repository Docker privato. Eseguire il push di un'immagine container nel repository Docker privato. Pull di un'immagine container dal repository Docker privato. Eliminazione di un repository Docker privato.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata	Monitora parametri e metriche per i job di addestramento personalizzati. Scopri come utilizzare l'SDK Agent Platform per Python per: Passaggi del tutorial Monitora i parametri di addestramento e le metriche di previsione per un job di addestramento personalizzato. Estrai ed esegui l'analisi per tutti i parametri e le metriche all'interno di un esperimento.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata	Monitora parametri e metriche per i modelli addestrati localmente. Scopri come utilizzare Vertex ML Metadata per monitorare i parametri di addestramento e le metriche di valutazione. Scopri di più su Vertex ML Metadata. Passaggi del tutorial Monitora i parametri e le metriche per un modello addestrato localmente. Estrai ed esegui l'analisi per tutti i parametri e le metriche all'interno di un esperimento.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata Pipeline Gemini Enterprise Agent Platform	Monitora gli artefatti e le metriche nelle esecuzioni delle pipeline di Gemini Enterprise Agent Platform utilizzando Vertex ML Metadata. Scopri come monitorare artefatti e metriche con Vertex ML Metadata nelle esecuzioni di pipeline di Gemini Enterprise Agent Platform. Scopri di più su Vertex ML Metadata. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Passaggi del tutorial Utilizza l'SDK Kubeflow Pipelines per creare una pipeline ML che viene eseguita su Gemini Enterprise Agent Platform. La pipeline crea un set di dati, addestra un modello scikit-learn ed esegue il deployment del modello in un endpoint. Scrivi componenti della pipeline personalizzati che generano artefatti e metadati. Confronta le esecuzioni della pipeline Gemini Enterprise Agent Platform, sia nella console Google Cloud che a livello di programmazione. Trace la derivazione degli artefatti generati dalla pipeline. Esegui una query sui metadati di esecuzione della pipeline.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Valutazione del modello Gemini Enterprise Agent Platform Classificazione per dati tabulari	Valutazione dei risultati delle previsioni batch di un modello di classificazione tabulare AutoML. Scopri come addestrare un modello di classificazione tabulare AutoML di Gemini Enterprise Agent Platform e come valutarlo tramite un job della pipeline di Gemini Enterprise Agent Platform utilizzando google_cloud_pipeline_components: Scopri di più sulla valutazione dei modelli di Gemini Enterprise Agent Platform. Scopri di più sulla classificazione per i dati tabellari. Passaggi del tutorial Crea una piattaforma agentica Gemini Enterprise Dataset. Addestra un modello di classificazione tabulare AutoML sulla risorsa Dataset. Importa AutoML model resource addestrato nella pipeline. Esegui un job Batch Prediction. Valuta il modello AutoML utilizzando Classification Evaluation component. Importa le metriche di classificazione nella risorsa del modello AutoML.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Valutazione del modello Gemini Enterprise Agent Platform Regressione per dati tabellari	Valutazione dei risultati della previsione batch dal modello di regressione tabulare AutoML. Scopri come valutare una risorsa modello Gemini Enterprise Agent Platform tramite un job della pipeline Gemini Enterprise Agent Platform utilizzando google_cloud_pipeline_components: Scopri di più sulla valutazione dei modelli Gemini Enterprise Agent Platform. Scopri di più sulla regressione per i dati tabellari. Passaggi del tutorial Crea un set di dati Gemini Enterprise Agent Platform. Configura una classe AutoMLTabularTrainingJob. Esegui AutoMLTabularTrainingJob che restituisce un modello. Importa un AutoML model resource preaddestrato nella pipeline. Esegui un job batch prediction nella pipeline. Valuta il modello AutoML utilizzando regression evaluation component. Importa le metriche di regressione generate nella risorsa del modello AutoML.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato di Gemini Enterprise Agent Platform Valutazione del modello Gemini Enterprise Agent Platform	Valutare i risultati di BatchPrediction di un modello di classificazione tabulare personalizzata. In questo tutorial, addestri un modello RandomForest scikit-learn, lo salvi in Model Registry e impari a valutarlo tramite un job della pipeline Gemini Enterprise Agent Platform utilizzando l'SDK Python di Google Cloud Pipeline Components. Scopri di più sull'addestramento personalizzato di Gemini Enterprise Agent Platform. Scopri di più sulla valutazione dei modelli di Gemini Enterprise Agent Platform. Passaggi del tutorial Recupera il set di dati dall'origine pubblica. Preelabora i dati localmente e salva i dati di test in BigQuery. Addestra un modello di classificazione RandomForest localmente utilizzando il pacchetto Python scikit-learn. Crea un container personalizzato in Artifact Registry per le previsioni. Carica il modello in Model Registry. Crea ed esegui una pipeline Gemini Enterprise Agent Platform che	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Valutazione del modello Gemini Enterprise Agent Platform Addestramento personalizzato	Valutare i risultati delle previsioni in batch del modello di regressione tabulare personalizzata. Scopri come valutare una risorsa modello Gemini Enterprise Agent Platform tramite un job della pipeline Gemini Enterprise Agent Platform utilizzando i componenti della pipeline Google Cloud. Scopri di più sulla valutazione dei modelli di Gemini Enterprise Agent Platform. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job di addestramento personalizzato di Gemini Enterprise Agent Platform per addestrare un modello TensorFlow. Esegui il job di addestramento personalizzato. Recupera e carica gli artefatti del modello. Visualizza la valutazione del modello. Carica il modello come risorsa modello di Gemini Enterprise Agent Platform. Importa una risorsa modello Gemini Enterprise Agent Platform preaddestrata nella pipeline. Esegui un job di previsione batch nella pipeline. Valuta il modello utilizzando il componente di valutazione della regressione. Importa le metriche di regressione nella risorsa modello Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Valutazione automatica del modello SxS di Gemini Enterprise Agent Platform	Verifica l'allineamento dello strumento di valutazione automatica rispetto a un set di dati con preferenze umane. Scopri come utilizzare Gemini Enterprise Agent Platform Pipelines e google_cloud_pipeline_components per verificare l'allineamento della valutazione automatica utilizzando i dati sulle preferenze umane: Scopri di più sulla valutazione del modello AutoSxS di Gemini Enterprise Agent Platform. Passaggi del tutorial Crea un set di dati di valutazione con previsioni e dati sulle preferenze umane. Preelabora i dati localmente e salvali in Cloud Storage. Crea ed esegui una pipeline AutoSxS di Gemini Enterprise Agent Platform che genera i giudizi e un insieme di metriche AutoSxS utilizzando i giudizi generati. Stampa i giudizi e le metriche AutoSxS. Eseguire la pulizia delle risorse create in questo notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Valutazione automatica del modello SxS di Gemini Enterprise Agent Platform	Valuta un LLM nel registro dei modelli rispetto a un modello di terze parti. Scopri come utilizzare Gemini Enterprise Agent Platform Pipelines e google_cloud_pipeline_components per valutare le prestazioni di due modelli LLM: Scopri di più sulla valutazione dei modelli AutoSxS della piattaforma agentica Gemini Enterprise. Passaggi del tutorial Recupera il set di dati dall'origine pubblica. Preelabora i dati localmente e salva i dati di test in Cloud Storage. Crea ed esegui una pipeline AutoSxS di Gemini Enterprise Agent Platform che genera i giudizi e valuta i due modelli candidati utilizzando i giudizi generati. Stampa i giudizi e le metriche di valutazione. Eseguire la pulizia delle risorse create in questo notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform per le previsioni batch	Gemini Enterprise Agent Platform Batch Prediction con Model Monitoring. Scopri come utilizzare il servizio di monitoraggio dei modelli di Gemini Enterprise Agent Platform per rilevare la deviazione e le anomalie nella previsione batch. Scopri di più sul monitoraggio del modello Gemini Enterprise Agent Platform per le previsioni batch. Passaggi del tutorial Carica un modello preaddestrato come risorsa del modello Gemini Enterprise Agent Platform. Genera richieste di previsione batch. Interpretare le statistiche, le visualizzazioni e gli altri dati riportati dalla funzionalità di monitoraggio del modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform	Monitoraggio dei modelli Gemini Enterprise Agent Platform per i modelli AutoML tabulari. Scopri come utilizzare il servizio di monitoraggio dei modelli di Gemini Enterprise Agent Platform per rilevare la distorsione e la deriva delle funzionalità nelle richieste di previsione di input per i modelli tabulari AutoML. Scopri di più sul monitoraggio del modello di Gemini Enterprise Agent Platform. Passaggi del tutorial Addestra un modello AutoML. Esegui il deployment della risorsa modello in una risorsa endpoint Gemini Enterprise Agent Platform. Configura la risorsa endpoint per il monitoraggio del modello. Genera richieste di previsione sintetiche per l'asimmetria. Genera richieste di previsione sintetiche per il drift. Attendi la notifica di avviso via email.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform	Monitoraggio dei modelli Gemini Enterprise Agent Platform per la previsione online nei modelli di immagini AutoML. Scopri come utilizzare Gemini Enterprise Agent Platform Model Monitoring con Gemini Enterprise Agent Platform Online Prediction con un modello di classificazione delle immagini AutoML per rilevare un'immagine fuori distribuzione. Scopri di più sul monitoraggio del modello di Gemini Enterprise Agent Platform. Passaggi del tutorial 1. Addestra un modello di classificazione di immagini AutoML. 2. Crea un endpoint. 3. Esegui il deployment del modello nell'endpoint e configura il monitoraggio del modello. 4. Invia una previsione online contenente immagini in distribuzione e non. 5. Utilizza il monitoraggio del modello per calcolare il punteggio di anomalia su ogni immagine. 6. Identifica le immagini nella richiesta di previsione online che non sono più distribuite.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform	Monitoraggio dei modelli di Gemini Enterprise Agent Platform per modelli tabellari personalizzati. Scopri come utilizzare il servizio Model Monitoring di Gemini Enterprise Agent Platform per rilevare la distorsione e la deviazione delle funzionalità nelle richieste di previsione di input per modelli tabellari personalizzati. Scopri di più sul monitoraggio del modello di Gemini Enterprise Agent Platform. Passaggi del tutorial Scarica un modello tabellare personalizzato preaddestrato. Carica il modello pre-addestrato in Model Registry. Esegui il deployment della risorsa modello in una risorsa endpoint Gemini Enterprise Agent Platform. Configura la risorsa endpoint per il monitoraggio del modello. Genera richieste di previsione sintetiche per simulare l'asimmetria. Attendi le notifiche di avviso via email. Genera richieste di previsione sintetiche per simulare la deriva. Attendi le notifiche di avviso via email.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform	Monitoraggio dei modelli di Gemini Enterprise Agent Platform per modelli tabulari personalizzati con il contenitore TensorFlow Serving. Scopri come utilizzare il servizio Model Monitoring di Gemini Enterprise Agent Platform per rilevare la distorsione e la deviazione delle funzionalità nelle richieste di previsione di input per modelli tabellari personalizzati, utilizzando un container di deployment personalizzato. Scopri di più sul monitoraggio del modello di Gemini Enterprise Agent Platform. Passaggi del tutorial Scarica un modello tabellare personalizzato preaddestrato. Carica il modello preaddestrato come risorsa modello. Deployment della risorsa modello in una risorsa endpoint con il binario di servizio "TensorFlow Serving". Configura la risorsa Endpoint per il monitoraggio del modello. Genera richieste di previsione sintetiche per l'asimmetria. Attendi la notifica di avviso via email. Genera richieste di previsione sintetiche per il drift. Attendi la notifica di avviso via email.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform	Monitoraggio dei modelli di Gemini Enterprise Agent Platform per la configurazione di modelli tabulari. Scopri come configurare il servizio di monitoraggio dei modelli di Gemini Enterprise Agent Platform per rilevare la distorsione e la deriva delle funzionalità nelle richieste di previsione di input. Scopri di più sul monitoraggio del modello di Gemini Enterprise Agent Platform. Passaggi del tutorial Scarica un modello tabellare personalizzato preaddestrato. Carica il modello preaddestrato come risorsa modello. Esegui il deployment della risorsa modello nella risorsa endpoint. Configura la risorsa endpoint per il monitoraggio del modello. Rilevamento di disallineamenti e deviazioni per gli input delle funzionalità. Rilevamento di disallineamenti e deviazioni per le attribuzioni delle caratteristiche. Generazione automatica dello schema di input inviando 1000 richieste di previsione. Elenca, metti in pausa, riprendi ed elimina i job di monitoraggio. Riavvia il job di monitoraggio con lo schema di input predefinito. Visualizzare i dati monitorati registrati.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform	Monitoraggio dei modelli di Gemini Enterprise Agent Platform per i modelli XGBoost. Scopri come utilizzare il servizio Model Monitoring di Gemini Enterprise Agent Platform per rilevare la deviazione e il disallineamento delle funzionalità nelle richieste di previsione di input per i modelli XGBoost. Scopri di più sul monitoraggio del modello di Gemini Enterprise Agent Platform. Passaggi del tutorial Scarica un modello XGBoost pre-addestrato. Carica il modello pre-addestrato in Model Registry. Esegui il deployment della risorsa modello in una risorsa endpoint Gemini Enterprise Agent Platform. Configurare la risorsa endpoint per il monitoraggio del modello	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Monitoraggio dei modelli di Gemini Enterprise Agent Platform	Monitoraggio dei modelli di Gemini Enterprise Agent Platform con attribuzioni delle funzionalità di Vertex Explainable AI. Scopri come utilizzare il servizio di monitoraggio dei modelli di Gemini Enterprise Agent Platform per rilevare la deriva e le anomalie nelle richieste di previsione da una risorsa modello di Gemini Enterprise Agent Platform di cui è stato eseguito il deployment. Scopri di più sul monitoraggio del modello di Gemini Enterprise Agent Platform. Passaggi del tutorial Carica un modello preaddestrato come risorsa del modello Gemini Enterprise Agent Platform. Crea una risorsa endpoint Gemini Enterprise Agent Platform. Esegui il deployment della risorsa modello nella risorsa endpoint. Configura la risorsa endpoint per il monitoraggio del modello. Inizializza la distribuzione di base per il monitoraggio del modello. Genera richieste di previsione sintetiche. Scopri come interpretare le statistiche, le visualizzazioni e gli altri dati riportati dalla funzionalità di monitoraggio del modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
model_monitoring_v2	Monitoraggio del modello per il job di previsione in batch del modello personalizzato di Gemini Enterprise Agent Platform. In questo tutorial, completerai i seguenti passaggi: Passaggi del tutorial	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
model_monitoring_v2	Monitoraggio dei modelli per la previsione online del modello personalizzato di Gemini Enterprise Agent Platform. In questo tutorial, completerai i seguenti passaggi: Passaggi del tutorial	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Model Registry	Inizia a utilizzare Model Registry. Scopri come utilizzare Model Registry per creare e registrare più versioni di un modello. Scopri di più sul registro dei modelli. Passaggi del tutorial Crea e registra una prima versione di un modello in Model Registry. Crea e registra una seconda versione di un modello in Model Registry. Aggiornamento della versione del modello predefinita. Eliminazione di una versione del modello. Riassegnazione della versione successiva del modello.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform Componenti AutoML Classificazione per dati tabulari	Pipeline tabulari AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare le pipeline di Gemini Enterprise Agent Platform e i componenti della pipeline di Google Cloud per creare un modello di classificazione tabulare AutoML. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sui componenti AutoML. Scopri di più sulla classificazione per i dati tabellari. Passaggi del tutorial Crea una pipeline KFP che crea un set di dati Gemini Enterprise Agent Platform. Aggiungi un componente alla pipeline che addestra una risorsa modello di classificazione tabulare AutoML. Aggiungi un componente che crea una risorsa endpoint Gemini Enterprise Agent Platform. Aggiungi un componente che esegue il deployment della risorsa modello nella risorsa endpoint. Compila la pipeline KFP. Esegui la pipeline KFP utilizzando le pipeline di Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Metodologia Challenger vs. Blessed per il deployment del modello in produzione. Scopri come creare una pipeline Gemini Enterprise Agent Platform, che addestra una nuova versione sfidante di un modello, lo valuta e confronta la valutazione con il modello approvato esistente in produzione. Passaggi del tutorial Importa un modello pre-addestrato (approvato) nel registro dei modelli. Importa le metriche di valutazione del modello sintetico nel modello corrispondente (approvato). Crea una risorsa endpoint Gemini Enterprise Agent Platform Esegui il deployment del modello approvato nella risorsa endpoint. Crea una pipeline Gemini Enterprise Agent Platform che esegua i seguenti passaggi:	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Strutture di controllo della pipeline utilizzando l'SDK KFP. Scopri come utilizzare l'SDK KFP, che utilizza cicli e condizioni, inclusi esempi nidificati, per creare pipeline. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Passaggi del tutorial Crea una pipeline KFP utilizzando i componenti di controllo del flusso Compila la pipeline KFP Esegui la pipeline KFP utilizzando le pipeline di Gemini Enterprise Agent Platform	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform Componenti di addestramento personalizzati	Addestramento personalizzato con componenti della pipeline di Google Cloud predefiniti. Scopri come utilizzare le pipeline di Gemini Enterprise Agent Platform e i componenti della pipeline di Google Cloud per creare un modello personalizzato. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sui componenti di addestramento personalizzato. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform Componenti di previsione batch di Gemini Enterprise Agent Platform	Addestramento e previsione batch con origine e destinazione BigQuery per un modello di classificazione tabellare personalizzato. In questo tutorial, addestri un modello di classificazione tabellare scikit-learn e crei un job di previsione batch per questo tramite una pipeline della piattaforma agentica Gemini Enterprise utilizzando google_cloud_pipeline_components. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sui componenti di previsione batch di Gemini Enterprise Agent Platform. Passaggi del tutorial Crea un set di dati in BigQuery. Metti da parte alcuni dati del set di dati di origine per la previsione batch. Crea un pacchetto Python personalizzato per l'applicazione di addestramento. Carica il pacchetto Python su Cloud Storage. Crea una pipeline Gemini Enterprise Agent Platform che	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform Ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform	Inizia a utilizzare i componenti della pipeline di ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform. Scopri come utilizzare i componenti di pipeline di Google Cloud predefiniti per l'ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sull'ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform. Passaggi del tutorial Costruisci una pipeline per	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Inizia a utilizzare la gestione delle macchine per le pipeline di Gemini Enterprise Agent Platform. Scopri come convertire un componente di addestramento personalizzato autonomo in un Gemini Enterprise Agent Platform CustomJob, in cui: Passaggi del tutorial Crea un componente personalizzato con un job di addestramento autonomo. Esegui la pipeline utilizzando le impostazioni a livello di componente per le risorse macchina Converti il componente di addestramento autonomo in un Gemini Enterprise Agent Platform CustomJob. Esegui la pipeline utilizzando le impostazioni personalizzate a livello di job per le risorse macchina	Colab GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform Componenti AutoML	Pipeline di classificazione delle immagini AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare le pipeline di Gemini Enterprise Agent Platform e i componenti della pipeline di Google Cloud per creare un modello di classificazione delle immagini AutoML. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sui componenti AutoML. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform Componenti AutoML Regressione per dati tabulari	Pipeline di regressione tabulare AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Gemini Enterprise Agent Platform Pipelines e Google Cloud Pipeline Components per creare un modello di regressione tabulare AutoML. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sui componenti AutoML. Scopri di più sulla regressione per i dati tabellari. Passaggi del tutorial Crea una pipeline KFP che crea una risorsa Dataset. Aggiungi alla pipeline un componente che addestra una risorsa di regressione tabulare AutoML Model. Aggiungi un componente che crea una risorsa Endpoint. Aggiungi un componente che esegue il deployment della risorsa Model nella risorsa Endpoint. Compila la pipeline KFP. Esegui la pipeline KFP utilizzando Gemini Enterprise Agent Platform Pipelines.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline della piattaforma agentica Gemini Enterprise Componenti BigQuery ML	Addestramento di un modello di previsione dell'acquisizione utilizzando Swivel, BigQuery ML e le pipeline della piattaforma agentica Gemini Enterprise. Scopri come creare una semplice pipeline BigQuery ML utilizzando Agent Platform Pipelines per calcolare gli incorporamenti di testo dei contenuti degli articoli e classificarli nella categoria *Acquisizioni aziendali*. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sui componenti di BigQuery ML. Passaggi del tutorial Creazione di un componente per il job Dataflow che importa i dati in BigQuery. Creazione di un componente per i passaggi di pre-elaborazione da eseguire sui dati in BigQuery. Creare un componente per l'addestramento di un modello di regressione logistica utilizzando BigQuery ML. Creazione e configurazione di una pipeline DSL Kubeflow con tutti i componenti creati. Compilazione ed esecuzione della pipeline in Gemini Enterprise Agent Platform Pipelines.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform Componenti di addestramento personalizzati	Addestramento, caricamento e deployment del modello utilizzando i componenti della pipeline di Google Cloud. Scopri come utilizzare le pipeline di Gemini Enterprise Agent Platform e il componente della pipeline Google Cloud per creare e implementare un modello personalizzato. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Scopri di più sui componenti di addestramento personalizzato. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Pipeline Gemini Enterprise Agent Platform con KFP 2.x. Scopri come utilizzare Gemini Enterprise Agent Platform Pipelines e KFP 2. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Componenti leggeri basati su funzioni Python e I/O dei componenti. Impara a utilizzare l'SDK KFP per creare componenti leggeri basati su funzioni Python, quindi impara a utilizzare le pipeline di Gemini Enterprise Agent Platform per eseguire la pipeline. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Passaggi del tutorial Crea componenti KFP basati su funzioni Python. Crea una pipeline KFP. Passa artefatti e parametri tra i componenti, sia per riferimento al percorso sia per valore. Utilizza il metodo kfp.dsl.importer. Compila la pipeline KFP. Esegui la pipeline KFP utilizzando le pipeline di Gemini Enterprise Agent Platform	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Visualizzazione delle metriche e confronto delle esecuzioni utilizzando l'SDK KFP. Scopri come utilizzare l'SDK KFP per Python per creare pipeline che generano metriche di valutazione. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Passaggi del tutorial Crea componenti KFP	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Metodologia multicontender e campione per il deployment del modello in produzione. Scopri come creare una pipeline Gemini Enterprise Agent Platform, che valuta i nuovi dati di produzione di un modello di cui è stato eseguito il deployment rispetto ad altre versioni del modello, per determinare se un modello concorrente diventa il modello campione da sostituire in produzione. Passaggi del tutorial Importa un modello pre-addestrato (campione) in Model Registry. Importa le metriche di valutazione dell'addestramento del modello sintetico nel modello corrispondente (principale). Crea una risorsa endpoint Gemini Enterprise Agent Platform. Esegui il deployment del modello campione nella risorsa endpoint. Importa versioni aggiuntive (concorrenti) del modello di cui è stato eseguito il deployment. Importa le metriche di valutazione dell'addestramento del modello sintetico nei modelli (concorrenti) corrispondenti. Crea una pipeline Gemini Enterprise Agent Platform che esegua i seguenti passaggi:	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Pipeline di Gemini Enterprise Agent Platform	Introduzione alle pipeline per KFP. Scopri come utilizzare l'SDK KFP per Python per creare pipeline che generano metriche di valutazione. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Passaggi del tutorial Definisci e compila una pipeline Gemini Enterprise Agent Platform. Specifica il account di servizio da utilizzare per l'esecuzione di una pipeline. Esegui la pipeline utilizzando l'SDK Agent Platform per Python e l'API REST.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Componenti AutoML Componenti BigQuery ML	BigQuery ML e AutoML - Prototipazione rapida con Gemini Enterprise Agent Platform. Scopri come utilizzare le pipeline di Gemini Enterprise Agent Platform per la prototipazione rapida di un modello. Scopri di più sui componenti AutoML. Scopri di più sui componenti di BigQuery ML. Passaggi del tutorial Creazione di un set di dati di addestramento BigQuery e Gemini Enterprise Agent Platform. Addestramento di un modello BigQuery ML e AutoML. Estrazione delle metriche di valutazione dai modelli BigQueryML e AutoML. Selezionare il modello con il miglior addestramento. Deployment del modello con il miglior addestramento. Test dell'infrastruttura del modello di cui è stato eseguito il deployment.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Inferenza batch di Gemini Enterprise Agent Platform	Inferenza in batch di modelli personalizzati con filtro delle funzionalità. Scopri come creare un modello con addestramento personalizzato da uno script Python in un container Docker utilizzando l'SDK Agent Platform per Python, quindi esegui un job di inferenza batch includendo o escludendo un elenco di funzionalità. Scopri di più sull'inferenza batch di Gemini Enterprise Agent Platform. Passaggi del tutorial Crea un TrainingPipeline personalizzato di Gemini Enterprise Agent Platform per l'addestramento di un modello. Addestra un modello TensorFlow. Invia job di previsione batch.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Inference	Inizia a utilizzare il server NVIDIA Triton. Scopri come eseguire il deployment di un container che esegue Nvidia Triton Server con una risorsa modello Gemini Enterprise Agent Platform su un endpoint Gemini Enterprise Agent Platform per fare previsioni online. Scopri di più su Vertex AI Inference. Passaggi del tutorial Scarica gli artefatti del modello da TensorFlow Hub. Crea il file di configurazione di pubblicazione di Triton per il modello. Crea un container personalizzato, con l'immagine di servizio Triton, per il deployment del modello. Carica il modello come risorsa modello di Gemini Enterprise Agent Platform. Esegui il deployment della risorsa modello Gemini Enterprise Agent Platform in una risorsa endpoint Gemini Enterprise Agent Platform. Invia una richiesta di previsione. Annulla il deployment della risorsa modello ed elimina l'endpoint.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Raw Predict	Inizia a utilizzare le funzioni di serving di TensorFlow con la previsione non elaborata di Gemini Enterprise Agent Platform. Scopri come utilizzare Gemini Enterprise Agent Platform Raw Prediction su una risorsa Gemini Enterprise Agent Platform Endpoint. Scopri di più su Raw Predict. Passaggi del tutorial Scarica gli artefatti del modello di classificazione tabulare preaddestrato per uno strumento di stima TensorFlow 1.x. Carica il modello TensorFlow Estimator come risorsa Gemini Enterprise Agent Platform Model. Crea una risorsa Endpoint. Esegui il deployment della risorsa Model in una risorsa Endpoint. Esegui una previsione non elaborata online per l'istanza della risorsa Model di cui è stato eseguito il deployment nella risorsa Endpoint.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
ottenere previsioni da un modello addestrato personalizzato	Inizia a utilizzare TensorFlow Serving con Vertex AI Inference. Scopri come utilizzare Vertex AI Inference su una risorsa Gemini Enterprise Agent Platform Endpoint con il binario di pubblicazione TensorFlow Serving. Scopri di più su come ottenere previsioni da un modello con addestramento personalizzato. Passaggi del tutorial	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Endpoint privati	Inizia a utilizzare gli endpoint privati di Gemini Enterprise Agent Platform. Scopri come utilizzare le risorse Gemini Enterprise Agent Platform Private Endpoint. Scopri di più sugli endpoint privati. Passaggi del tutorial Creazione di una risorsa Private Endpoint. Configura una connessione di peering VPC. Configurazione del binario di pubblicazione di una risorsa Model per il deployment in una risorsa Private Endpoint. Deployment di una risorsa Model in una risorsa Private Endpoint. Invia una richiesta di previsione a un Private Endpoint	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Modelli linguistici di Gemini Enterprise Agent Platform	LLM di Gemini Enterprise Agent Platform e previsione in streaming. Scopri come utilizzare l'LLM di Gemini Enterprise Agent Platform per scaricare il modello LLM preaddestrato, fare previsioni e ottimizzare il modello. Scopri di più sui modelli linguistici di Gemini Enterprise Agent Platform. Passaggi del tutorial Carica un modello di generazione di testo preaddestrato. Creare una previsione non in streaming Carica un modello di generazione di testo preaddestrato che supporti lo streaming. Genera una previsione di streaming Carica un modello di chat preaddestrato. Partecipa a una sessione di chat interattiva locale. Esegui una previsione batch con un modello di generazione di testo. Esegui una previsione batch con un modello di incorporamento di testo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Container predefiniti per la previsione	Serving di modelli di immagini PyTorch con container predefiniti su Gemini Enterprise Agent Platform. Scopri come creare pacchetti ed eseguire il deployment di un modello di classificazione delle immagini PyTorch utilizzando un container predefinito di Gemini Enterprise Agent Platform con TorchServe per fornire previsioni online e batch. Scopri di più sui container predefiniti per la previsione. Passaggi del tutorial Scaricare un modello di immagine preaddestrato da PyTorch Crea un gestore di modelli personalizzato Pacchettizzare gli artefatti del modello in un file di archivio del modello Carica il modello per il deployment Esegui il deployment del modello per la previsione Generare previsioni online Genera previsioni batch	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Inferenza di Gemini Enterprise Agent Platform	Addestra ed esegui il deployment di modelli PyTorch con container predefiniti su Gemini Enterprise Agent Platform. Scopri come creare, addestrare e eseguire il deployment di un modello di classificazione delle immagini PyTorch utilizzando container predefiniti per l'addestramento personalizzato e la previsione. Passaggi del tutorial Pacchettizza l'applicazione di addestramento in una distribuzione di origine Python Configura ed esegui il job di addestramento in un container predefinito Pacchettizzare gli artefatti del modello in un file di archivio del modello Carica il modello per il deployment Esegui il deployment del modello utilizzando un container predefinito per la previsione Generare previsioni online	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Panoramica di Ray su Gemini Enterprise Agent Platform	Inizia a utilizzare PyTorch su Ray su Gemini Enterprise Agent Platform. Scopri come distribuire in modo efficiente il processo di addestramento di un modello di classificazione delle immagini PyTorch sfruttando Ray sulla piattaforma agentica Gemini Enterprise. Scopri di più su Ray nella panoramica di Gemini Enterprise Agent Platform. Passaggi del tutorial Preparare lo script di addestramento Invia un job Ray utilizzando l'API Ray Jobs Scaricare un modello di immagine addestrato da PyTorch Crea un gestore di modelli personalizzato Pacchettizzare gli artefatti del modello in un file di archivio del modello Registra il modello in Model Registry Esegui il deployment del modello nell'endpoint Gemini Enterprise Agent Platform Generare previsioni online	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Panoramica di Ray su Gemini Enterprise Agent Platform	Gestione dei cluster Ray su Gemini Enterprise Agent Platform. Scopri come creare un cluster, elencare i cluster esistenti, ottenere un cluster, aggiornare un cluster ed eliminare un cluster. Scopri di più su Ray nella panoramica di Gemini Enterprise Agent Platform. Passaggi del tutorial Creare un cluster. Elenca i cluster esistenti. Recuperare un cluster. Aumenta manualmente le dimensioni del cluster, quindi fare lo scale down. Scalabilità automatica di un cluster. Elimina i cluster esistenti.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ray su Gemini Enterprise Agent Platform Spark su Ray su Gemini Enterprise Agent Platform	Spark su Ray su Gemini Enterprise Agent Platform. Scopri come utilizzare RayDP per eseguire applicazioni Spark su un cluster Ray su Gemini Enterprise Agent Platform. Scopri di più su Ray su Gemini Enterprise Agent Platform. Scopri di più su Spark su Ray su Gemini Enterprise Agent Platform. Passaggi del tutorial Crea un'immagine container Ray on Gemini Enterprise Agent Platform personalizzata Crea un cluster Ray su Gemini Enterprise Agent Platform utilizzando un'immagine container personalizzata Esegui Spark in modo interattivo sul cluster utilizzando RayDP Esegui l'applicazione Spark sul cluster tramite l'API Ray Job Leggi i file da Google Cloud Storage nell'applicazione Spark UDF Pandas nell'applicazione Spark su Ray su Gemini Enterprise Agent Platform Elimina il cluster Ray su Gemini Enterprise Agent Platform	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training Gemini Enterprise Agent Platform Reduction Server	Addestramento distribuito PyTorch con il server di riduzione di Gemini Enterprise Agent Platform. Scopri come creare un job di addestramento distribuito PyTorch che utilizza il framework e gli strumenti di addestramento distribuito PyTorch ed esegui il job di addestramento sul servizio Vertex AI Training con Reduction Server. Scopri di più su Vertex AI Training. Scopri di più sul server di riduzione di Gemini Enterprise Agent Platform. Passaggi del tutorial Crea un'applicazione di addestramento distribuito PyTorch Pacchetto dell'applicazione di addestramento con container predefiniti Crea un job personalizzato su Gemini Enterprise Agent Platform con Reduction Server Invia e monitora il job	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato	Addestramento personalizzato utilizzando il pacchetto Python, il set di dati di testo gestito e il container TF Serving. Scopri come creare un modello personalizzato utilizzando l'addestramento di pacchetti Python personalizzati e come pubblicare il modello utilizzando il container TensorFlow Serving per la previsione online. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea funzioni di utilità per scaricare i dati e preparare i file CSV per la creazione del set di dati gestito di Gemini Enterprise Agent Platform Scarica dati Preparare i file CSV per la creazione del set di dati gestito Crea un pacchetto Python di addestramento personalizzato Crea il container TensorFlow Serving Esegui l'addestramento di pacchetti Python personalizzati con un set di dati di testo gestito Esegui il deployment di un modello e crea un endpoint su Gemini Enterprise Agent Platform Prevedi sull'endpoint Crea un job di previsione batch sul modello	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Previsione ARIMA+ di BigQuery ML per dati tabulari	Addestra un modello ARIMA_PLUS di BigQuery ML utilizzando i workflow tabulari di Gemini Enterprise Agent Platform. Scopri come creare il modello BigQuery ML ARIMA_PLUS utilizzando una pipeline di addestramento della piattaforma Gemini Enterprise Agent dai componenti della pipeline di Google Cloud , quindi esegui una previsione batch utilizzando la pipeline di previsione corrispondente. Scopri di più sulla previsione ARIMA+ di BigQuery ML per i dati tabulari. Passaggi del tutorial Addestra il modello BigQuery ML ARIMA_PLUS. Visualizza la valutazione del modello BigQuery ML. Esegui una previsione batch con il modello BigQuery ML.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Google Cloud Pipeline Components Prophet per dati tabulari	Addestra un modello Prophet utilizzando i workflow tabulari di Gemini Enterprise Agent Platform. Scopri come creare diversi modelli Prophet utilizzando una pipeline di addestramento Gemini Enterprise Agent Platform dai componenti di pipeline di Google Cloud e poi esegui una previsione batch utilizzando la pipeline di previsione corrispondente. Scopri di più su Google Cloud Pipeline Components. Scopri di più su Prophet per i dati tabellari. Passaggi del tutorial 1. Addestra i modelli Prophet. 1. Visualizza le metriche di valutazione. 1. Esegui una previsione batch con i modelli Prophet.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard Addestramento personalizzato	Addestramento personalizzato di Vertex AI TensorBoard con container personalizzato. Scopri come creare un job di addestramento personalizzato utilizzando container personalizzati e monitorare il processo di addestramento su Vertex AI TensorBoard quasi in tempo reale. Scopri di più su Vertex AI TensorBoard. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea il repository Docker e la configurazione. Crea un'immagine container personalizzata con il codice di addestramento personalizzato. Configura il account di servizio e i bucket Google Cloud Storage. Crea e avvia il job di addestramento personalizzato con il tuo container personalizzato.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard Addestramento personalizzato	Addestramento personalizzato Vertex AI TensorBoard con container predefinito. Scopri come creare un job di addestramento personalizzato utilizzando container predefiniti e monitorare il processo di addestramento su Vertex AI TensorBoard quasi in tempo reale. Scopri di più su Vertex AI TensorBoard. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Configura il account di servizio e i bucket Cloud Storage. Scrivi il codice di addestramento personalizzato. Pacchettizza e carica il codice di addestramento in Cloud Storage. Crea e avvia il tuo job di addestramento personalizzato con Vertex AI TensorBoard abilitato per il monitoraggio quasi in tempo reale.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard	Ottimizzazione degli iperparametri di Vertex AI TensorBoard con la dashboard HParams. In questo notebook, addestri un modello ed esegui l'ottimizzazione degli iperparametri utilizzando TensorFlow. Passaggi del tutorial Adatta le esecuzioni di TensorFlow per registrare iperparametri e metriche. Avvia le corse e registrale tutte in una directory principale. Visualizza i risultati nella dashboard HParams di Vertex AI TensorBoard.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Profiler Vertex AI TensorBoard	Prestazioni dell'addestramento del modello di profilo utilizzando Cloud Profiler. Scopri come attivare Profiler per i job di addestramento personalizzati. Scopri di più su Profiler. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Configura un account di servizio e un bucket Cloud Storage Crea un'istanza di Vertex AI TensorBoard Crea ed esegui un job di addestramento personalizzato che attiva Profiler Visualizza la dashboard di Profiler per eseguire il debug delle prestazioni di addestramento del modello	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Profiler Vertex AI TensorBoard	Profila le prestazioni di addestramento del modello utilizzando Cloud Profiler nell'addestramento personalizzato con container predefinito. Scopri come attivare Profiler in Gemini Enterprise Agent Platform per job di addestramento personalizzato con un container predefinito. Scopri di più su Profiler. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Prepara il codice di addestramento personalizzato e caricalo come pacchetto Python in un container predefinito Crea ed esegui un job di addestramento personalizzato che attiva Profiler Visualizza la dashboard di Profiler per eseguire il debug delle prestazioni di addestramento del modello	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard Pipeline di Gemini Enterprise Agent Platform	Integrazione di Vertex AI TensorBoard con le pipeline di Gemini Enterprise Agent Platform. Scopri come creare una pipeline di addestramento utilizzando l'SDK KFP, eseguire la pipeline in Gemini Enterprise Agent Platform Pipelines e monitorare il processo di addestramento su Vertex AI TensorBoard quasi in tempo reale. Scopri di più su Vertex AI TensorBoard. Scopri di più su Gemini Enterprise Agent Platform Pipelines. Passaggi del tutorial Configura un account di servizio e i bucket Google Cloud Storage. Costruisci una pipeline KFP con il tuo codice di addestramento personalizzato. Compila ed esegui la pipeline KFP in Gemini Enterprise Agent Platform Pipelines con Vertex AI TensorBoard abilitato per il monitoraggio quasi in tempo reale.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform	Ottimizzazione distribuita degli iperparametri di Gemini Enterprise Agent Platform. In questo notebook, crei un modello addestrato personalizzato da uno script Python in un container Docker. Scopri di più sull'ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform. Passaggi del tutorial Addestramento utilizzando un pacchetto Python. Segnala l'accuratezza durante l'ottimizzazione degli iperparametri. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud Storage FUSE.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Inizia a utilizzare Vertex AI Training per LightGBM. Scopri come addestrare un modello personalizzato LightGBM utilizzando il metodo del container personalizzato per Vertex AI Training. Passaggi del tutorial Addestramento utilizzando un pacchetto Python. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud Storage FUSE. Costruisci un server di previsione FastAPI. Crea un'immagine di deployment Dockerfile per il server. Testa l'immagine di deployment localmente (facoltativo e non per gli utenti di Colab). Crea una risorsa modello Gemini Enterprise Agent Platform. Esegui un job di previsione batch. Esegui il deployment del modello in un endpoint e invia richieste di previsione online. Esegui la pulizia delle risorse create.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento distribuito di Gemini Enterprise Agent Platform	Inizia a utilizzare l'addestramento distribuito di Gemini Enterprise Agent Platform. Scopri come utilizzare l'addestramento distribuito di Gemini Enterprise Agent Platform durante l'addestramento con Gemini Enterprise Agent Platform. Scopri di più sull'addestramento distribuito di Gemini Enterprise Agent Platform. Passaggi del tutorial	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform	Esegui l'ottimizzazione degli iperparametri per un modello TensorFlow. Scopri come eseguire un job di ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform per un modello TensorFlow. Scopri di più sull'ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform. Passaggi del tutorial Modificare il codice dell'applicazione di addestramento per l'ottimizzazione automatica degli iperparametri. Containerizza il codice dell'applicazione di addestramento. Configura e avvia un job di ottimizzazione degli iperparametri con l'SDK Python di Gemini Enterprise Agent Platform.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform	Ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform per XGBoost. Scopri come utilizzare il servizio di ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform per l'addestramento di un modello XGBoost. Scopri di più sull'ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform. Passaggi del tutorial Esegui l'addestramento utilizzando un pacchetto di applicazioni di addestramento Python. Segnala l'accuratezza durante l'ottimizzazione degli iperparametri. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud Storage FUSE. Elenca il modello migliore.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Addestramento parallelo distribuito su più nodi per la classificazione delle immagini PyTorch sulla CPU utilizzando l'addestramento di Gemini Enterprise Agent Platform con container personalizzato. Scopri come creare un job di addestramento PyTorch distribuito utilizzando l'SDK Agent Platform per Python e i container personalizzati. Scopri di più su Vertex AI Training. Passaggi del tutorial Configurazione del progetto Google Cloud	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	Classificazione delle immagini PyTorch utilizzando l'addestramento parallelo distribuito NCCL multi-nodo su CPU e Gemini Enterprise Agent Platform. Scopri come creare un job di addestramento PyTorch distribuito utilizzando l'SDK Agent Platform per Python e i container personalizzati. Scopri di più su Vertex AI Training. Passaggi del tutorial Creazione di un container personalizzato utilizzando Artifact Registry e Docker. Creazione di un'istanza TensorBoard di Gemini Enterprise Agent Platform per archiviare l'esperimento Gemini Enterprise Agent Platform. Esegui un job di addestramento di Gemini Enterprise Agent Platform utilizzando l'SDK Agent Platform per Python.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato	Addestramento, ottimizzazione e deployment di un modello di classificazione del sentiment del testo PyTorch su Gemini Enterprise Agent Platform. Scopri come creare, addestrare, ottimizzare e implementare un modello PyTorch su Gemini Enterprise Agent Platform. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea il pacchetto di addestramento per il modello di classificazione del testo. Addestra il modello con l'addestramento personalizzato su Gemini Enterprise Agent Platform. Controlla gli artefatti del modello creato. Crea un container personalizzato per le previsioni. Esegui il deployment del modello addestrato su un endpoint Gemini Enterprise Agent Platform utilizzando il container personalizzato per le previsioni. Invia richieste di previsione online al modello di cui è stato eseguito il deployment e convalida. Eseguire la pulizia delle risorse create in questo notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Integrazione di PyTorch in Gemini Enterprise Agent Platform	Addestra il modello PyTorch su Gemini Enterprise Agent Platform con i dati di Cloud Storage. Scopri come creare un job di addestramento utilizzando PyTorch e un set di dati archiviato su Cloud Storage. Scopri di più sull'integrazione di PyTorch in Gemini Enterprise Agent Platform. Passaggi del tutorial Scrivere uno script di addestramento personalizzato che crei i set di dati di addestramento e test e addestri il modello. Esecuzione di un CustomTrainingJob utilizzando l'SDK Agent Platform per Python.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento distribuito	Utilizzo di torchrun di PyTorch per semplificare l'addestramento multi-nodo con container personalizzati. Scopri come addestrare un modello Imagenet utilizzando Torchrun di PyTorch su più nodi. Scopri di più sull'addestramento distribuito. Passaggi del tutorial Crea uno script shell per avviare un cluster ETCD sul nodo master Crea uno script di addestramento utilizzando il codice del repository GitHub di PyTorch Elastic Crea container che scaricano i dati e avvia un cluster ETCD sull'host Addestra il modello utilizzando più nodi con GPU	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Addestramento personalizzato	Addestramento XGBoost distribuito con Dask. Scopri come creare un job di addestramento distribuito utilizzando XGBoost con Dask. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Configura le variabili PROJECT_ID e LOCATION per il tuo progetto Google Cloud. Crea un bucket Cloud Storage per archiviare gli artefatti del modello. Crea un container Docker personalizzato che ospita il codice di addestramento ed esegui il push dell'immagine container su Artifact Registry. Esegui un CustomContainerTrainingJob dell'SDK Agent Platform	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
vector_search	Utilizzo di incorporamenti multimodali e ricerca vettoriale di Gemini Enterprise Agent Platform. Scopri come codificare gli incorporamenti di testo personalizzati, creare un indice di ricerca del vicino più prossimo approssimato ed eseguire query sugli indici. Passaggi del tutorial Converti un set di dati di immagini in embedding. Crea un indice. Carica gli incorporamenti nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice sull'endpoint dell'indice. Esegui una query online.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ricerca vettoriale di Gemini Enterprise Agent Platform	Utilizzo della ricerca vettoriale di Gemini Enterprise Agent Platform per le domande di StackOverflow. Scopri come codificare gli incorporamenti di testo personalizzati, creare un indice del vicino più prossimo approssimato ed eseguire query sugli indici. Scopri di più sulla ricerca vettoriale di Gemini Enterprise Agent Platform. Passaggi del tutorial Crea l'indice ANN. Crea un endpoint indice con la rete VPC. Esegui il deployment dell'indice ANN. Esegui una query online.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ricerca vettoriale di Gemini Enterprise Agent Platform Incorporamenti di Gemini Enterprise Agent Platform per il testo	Utilizzo della ricerca vettoriale di Gemini Enterprise Agent Platform e degli incorporamenti di Gemini Enterprise Agent Platform per il testo per le domande di StackOverflow. Scopri come codificare gli incorporamenti di testo, creare un indice del vicino più prossimo approssimato ed eseguire query sugli indici. Scopri di più sulla ricerca vettoriale di Gemini Enterprise Agent Platform. Scopri di più sugli embedding di Gemini Enterprise Agent Platform per il testo. Passaggi del tutorial Convertire un set di dati BigQuery in incorporamenti. Crea un indice. Carica gli incorporamenti nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice sull'endpoint dell'indice. Esegui una query online.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Ricerca vettoriale di Gemini Enterprise Agent Platform	Crea l'indice di ricerca vettoriale di Gemini Enterprise Agent Platform. Scopri come creare un indice Approximate Nearest Neighbor, eseguire query sugli indici e convalidare il rendimento dell'indice. Scopri di più sulla ricerca vettoriale di Gemini Enterprise Agent Platform. Passaggi del tutorial Crea l'indice ANN e l'indice di ricerca esaustiva. Crea un IndexEndpoint con la rete VPC. Esegui il deployment dell'indice ANN e dell'indice Brute Force. Esegui una query online. Calcolo del richiamo.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Vizier	Ottimizzazione di più obiettivi con Agent Platform Vizier. Scopri come utilizzare Agent Platform Vizier per ottimizzare uno studio multi-obiettivo. Scopri di più su Agent Platform Vizier. Passaggi del tutorial	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Vizier	Inizia a utilizzare Agent Platform Vizier. Scopri come utilizzare Agent Platform Vizier durante l'addestramento con Gemini Enterprise Agent Platform. Scopri di più su Agent Platform Vizier. Passaggi del tutorial Ottimizzazione degli iperparametri con l'algoritmo Random. Ottimizzazione degli iperparametri con l'algoritmo Vizier (bayesiano) della piattaforma di agenti. Suggerimento di prove e aggiornamento dei risultati per lo studio di Agent Platform Vizier	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Vertex AI Training	Addestra un modello di classificazione multi-classe per il targeting degli annunci. Scopri come raccogliere i dati da BigQuery, pretrattarli e addestrare un modello di classificazione multiclasse su un set di dati di e-commerce. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più su Vertex AI Training. Passaggi del tutorial Recuperare i dati richiesti da BigQuery Preelaborare i dati Addestra un modello di classificazione TensorFlow (>=2.4) Valuta la perdita per il modello addestrato Automatizzare l'esecuzione del notebook utilizzando la funzionalità di esecuzione Salva il modello in un percorso Cloud Storage Esegui la pulizia delle risorse create	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Previsione della domanda al dettaglio con Gemini Enterprise Agent Platform e BigQuery ML. Scopri come creare un modello ARIMA (Autoregressive Integrated Moving Average) da BigQuery ML sui dati di vendita al dettaglio Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Esplora i dati Modello con BigQuery e il modello ARIMA Valuta il modello Valuta i risultati del modello utilizzando BigQuery ML (sui dati di addestramento) Valuta i risultati del modello MAE, MAPE, MSE, RMSE (sui dati di test) Utilizzare la funzionalità di esecutore	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Analisi esplorativa interattiva dei dati BigQuery in un notebook. Scopri vari modi per esplorare e ottenere insight dai dati BigQuery in un ambiente di blocco note Jupyter. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Utilizzare Python e SQL per eseguire query sui dati pubblici in BigQuery Esplorare il set di dati utilizzando BigQuery INFORMATION_SCHEMA Creare elementi interattivi per esplorare le parti interessanti dei dati Eseguire un'analisi esplorativa della correlazione e delle serie temporali Creazione di output statici e interattivi (tabelle e grafici di dati) nel notebook Salvataggio di alcuni output in Cloud Storage	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Addestramento personalizzato	Crea un modello di rilevamento delle frodi su Gemini Enterprise Agent Platform. Questo tutorial mostra l'analisi dei dati e la creazione di modelli utilizzando un set di dati finanziari sintetici. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Installazione delle librerie richieste Lettura del set di dati da un bucket Cloud Storage Eseguire un'analisi esplorativa sul set di dati Pre-elaborazione del set di dati Addestramento di un modello di foresta casuale utilizzando scikit-learn Salvataggio del modello in un bucket Cloud Storage Creazione di una risorsa modello Gemini Enterprise Agent Platform ed esecuzione del deployment in un endpoint Esecuzione di What-If Tool sui dati di test Annullamento del deployment del modello e pulizia delle risorse del modello	Colab GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Previsione del tasso di abbandono per gli sviluppatori di giochi che utilizzano Google Analytics 4 e BigQuery ML. Scopri come addestrare e valutare un modello di propensione in BigQuery ML. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Esplora i dati esportati da Google Analytics 4 in BigQuery. Prepara i dati di addestramento utilizzando dati demografici, comportamentali ed etichette (abbandono/non abbandono). Addestra un modello XGBoost utilizzando BigQuery ML. Valuta il modello utilizzando BigQuery ML. Utilizza BigQuery ML per prevedere quali utenti potrebbero abbandonare il servizio.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Addestramento di Gemini Enterprise Agent Platform	Manutenzione predittiva utilizzando Gemini Enterprise Agent Platform. Scopri come utilizzare la funzionalità di esecuzione di Gemini Enterprise Agent Platform Workbench per automatizzare un workflow per l'addestramento e il deployment di un modello. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più sull'addestramento di Gemini Enterprise Agent Platform. Passaggi del tutorial Caricamento del set di dati richiesto da un bucket Cloud Storage. Analizzare i campi presenti nel set di dati. Selezione dei dati richiesti per il modello di manutenzione predittiva. Addestramento di un modello di regressione XGBoost per prevedere la vita utile residua. Valutazione del modello. Esecuzione del notebook end-to-end come job di addestramento utilizzando Executor. Deployment del modello su Gemini Enterprise Agent Platform. Eseguire la pulizia.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench BigQuery ML	Analisi dell'ottimizzazione dei prezzi sui dati sui prezzi CDM. L'obiettivo di questo blocco note è creare un modello di ottimizzazione dei prezzi utilizzando BigQuery ML. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Carica il set di dati richiesto da un bucket Cloud Storage. Analizza i campi presenti nel set di dati. Elabora i dati per creare un modello. Crea un modello di previsione BigQuery ML sui dati elaborati. Ottieni i valori previsti dal modello BigQuery ML. Interpreta le previsioni per identificare i prezzi migliori. Eseguire la pulizia.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Dataproc Serverless per Spark	Elabora e analizza i dati di BigQuery con Dataproc. Questo tutorial sul notebook esegue un job Apache Spark che recupera i dati dal set di dati BigQuery "GitHub Activity Data", esegue query sui dati e poi scrive i risultati in BigQuery. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più su Dataproc Serverless per Spark. Passaggi del tutorial Configurazione di un progetto Google Cloud e di un cluster Dataproc. Configurazione di sparkbigqueryconnector. Importazione dei dati da BigQuery in un DataFrame Spark. Pre-elaborazione dei dati importati. Eseguire query sul linguaggio di programmazione più utilizzato nei repository monolingue. Esecuzione di query sulla dimensione media (MB) del codice in ogni lingua archiviato nei repository monoglot. Esecuzione di query sui file di lingue più frequentemente trovati insieme nei repository multilingue. Scrittura dei risultati della query in BigQuery. Eliminazione delle risorse create per questo tutorial sul notebook.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Dataproc	SparkML con Dataproc e BigQuery. Questo tutorial esegue un job Apache SparkML che recupera i dati dal set di dati BigQuery, esegue l'analisi esplorativa dei dati, pulisce i dati, esegue l'feature engineering, addestra il modello, lo valuta, restituisce i risultati e lo salva in un bucket Cloud Storage. Scopri di più su Gemini Enterprise Agent Platform Workbench. Scopri di più su Dataproc. Passaggi del tutorial Configura un progetto Google Cloud e un cluster Dataproc. Crea un bucket Cloud Storage e un set di dati BigQuery. Configura sparkbigqueryconnector. Importa i dati BigQuery in uno Spark DataFrame. Esegui l'analisi esplorativa dei dati (EDA). Visualizza i dati con i campioni. Pulisce i dati. Seleziona le funzionalità. Addestra il modello. Restituisce i risultati. Salva il modello in un bucket Cloud Storage. Elimina le risorse create per il tutorial.	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench