Agent Platform ノートブック チュートリアル

このドキュメントには、利用可能な Gemini Enterprise Agent Platform ノートブックのチュートリアルの一覧が掲載されています。これらのエンドツーエンドのチュートリアルは、Agent Platform の使用を開始する際に役立ちます。また、特定のプロジェクトの実装方法に関するヒントも得ることができます。

ノートブックをホストできる環境は数多くあります。これらは、Colaboratory（Colab）、Colab Enterprise、Gemini Enterprise Agent Platform Workbench などのサービスを使用してクラウドで実行できます。あるいは、GitHub からノートブックをダウンロードし、ローカルマシンまたはローカル ネットワークの JupyterLab 実装で実行することも可能です。

Colab

Colab でノートブックのチュートリアルを開くには、ノートブックの一覧にある Colab のリンクをクリックします。Colab は、必要なすべての依存関係を含む VM インスタンスを作成し、Colab 環境を起動して、ノートブックを読み込みます。

Colab Enterprise

Colab Enterprise でノートブックのチュートリアルを開くには、次の操作を行います。

1. Google Cloud プロジェクトを設定し、必要な API を有効にします。
2. ノートブックの一覧にある Colab Enterprise のリンクをクリックします。Colab Enterprise がノートブックを読み込みます。

Agent Platform Workbench

Agent Platform Workbench でノートブックのチュートリアルを開くには、次の操作を行います。

1. Agent Platform Workbench インスタンスを作成します。
2. ノートブックの一覧にある Agent Platform Workbench のリンクをクリックします。
3. アクティブな Agent Platform Workbench インスタンスを選択します。インスタンスが実行されていない場合は、インスタンスを選択して [開始] をクリックします。インスタンスが起動したら、もう一度選択します。
4. [デプロイ] をクリックします。
5. [ノートブック サーバーへのデプロイを確認] ページで、[確認] を選択します。 Agent Platform Workbench がノートブックを読み込みます。
6. [Select Kernel] ダイアログで [Python 3] を選択し、[Select] をクリックします。

GitHub

GitHub からノートブック チュートリアルをダウンロードするには:

1. ノートブックの一覧にある GitHub のリンクをクリックします。
2. GitHub で、 [Download raw file] ボタンをクリックします。
3. ダイアログの項目を入力して、ノートブックをダウンロードします。

ノートブックの一覧

サービスを選択してください 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

サービス	説明	開始
表形式データの分類	AutoML 表形式トレーニングと予測。 表形式のデータセットに基づいて AutoML モデルをトレーニングして予測する方法を学習します。表形式データの分類について学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform モデル トレーニング ジョブを作成する。 AutoML の表形式モデルをトレーニングする。 サービング エンドポイント リソースにモデルリソースをデプロイする。 データを送信して予測を行う モデルリソースのデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
画像分類モデルから予測を取得する	AutoML トレーニングで画像分類モデルを使用してバッチ予測を行う。 このチュートリアルでは、Python スクリプトから AutoML 画像分類モデルを作成し、Vertex SDK を使用してバッチ予測を行います。画像分類モデルからの予測の取得について学習します。 チュートリアルのステップ Vertex データセット リソースを作成する。 モデルをトレーニングする。 モデルの評価を表示する。 バッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
画像分類モデルから予測を取得する	AutoML トレーニングで画像分類モデルを使用してオンライン予測を行う。 このチュートリアルでは、Vertex SDK を使用して Python スクリプトから AutoML 画像分類モデルを作成し、オンライン予測用にデプロイします。画像分類モデルからの予測の取得について学習します。 チュートリアルのステップ Vertex Dataset リソースを作成する。 モデルをトレーニングする。 モデルの評価を表示する。 サービスを提供する Endpoint リソースに Model リソースをデプロイする。 予測を行う。 Model のデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
AutoML	AutoML トレーニングで画像オブジェクト検出モデルをエッジにエクスポートする。 このチュートリアルでは、Vertex SDK を使用して Python スクリプトから AutoML 画像オブジェクト検出モデルを作成し、そのモデルを TFLite 形式で Edge モデルとしてエクスポートします。 チュートリアルのステップ Vertex データセット リソースを作成する。 モデルをトレーニングする。 モデルリソースから Cloud Storage にエッジモデルをエクスポートする。 モデルをローカルにダウンロードする。 ローカルで予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
画像データのオブジェクト検出	AutoML トレーニングで画像オブジェクト検出モデルを使用してオンライン予測を行う。 このチュートリアルでは、Agent Platform SDK を使用して Python スクリプトから AutoML 画像オブジェクト検出モデルを作成してデプロイし、オンライン予測を行います。画像データのオブジェクト検出についても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform データセット リソースを作成します。 モデルをトレーニングする。 モデルの評価を表示する。 サービング エンドポイント リソースにモデルリソースをデプロイする。 予測を行う。 モデルのデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
E2E AutoML の表形式ワークフロー	AutoML 表形式ワークフロー パイプライン。 Google Cloud Pipeline コンポーネントからダウンロードした Gemini Enterprise エージェント プラットフォーム パイプラインを使用して 2 つの回帰モデルを作成する方法を学習します。E2E AutoML の表形式ワークフローについても学習します。 チュートリアルのステップ 時間を節約するために、検索スペースがデフォルトよりも少なくなるようにトレーニング パイプラインを作成する。 前のパイプラインのアーキテクチャ検索結果を再利用して、時間を節約するトレーニング パイプラインを作成する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
AutoML トレーニング	AutoML トレーニングを使ってみる。 Gemini Enterprise Agent Platform でのトレーニングに AutoML を使用する方法について学習します。AutoML トレーニングについて学習します。 チュートリアルのステップ 画像モデルをトレーニングする。 画像モデルをエッジモデルとしてエクスポートする。 表形式モデルをトレーニングする。 表形式のモデルをクラウドモデルとしてエクスポートする。 テキストモデルをトレーニングする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
表形式データの階層予測	Gemini Enterprise Agent Platform AutoML トレーニングで階層予測モデルを使用してバッチ予測を行う。 このチュートリアルでは、AutoML 階層予測モデルを作成し、Agent Platform SDK for Python を使用してバッチ予測用にデプロイします。表形式データの階層予測についても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform TimeSeriesDataset リソースを作成する。 モデルをトレーニングする。 モデルの評価を表示する。 バッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
画像データのオブジェクト検出	AutoML トレーニングで画像オブジェクト検出モデルを使用してバッチ予測を行う。 このチュートリアルでは、Python スクリプトから AutoML 画像オブジェクト検出モデルを作成し、Agent Platform SDK for Python を使用してバッチ予測を行います。画像データのオブジェクト検出についても学習します。 チュートリアルのステップ Vertex データセット リソースを作成する。 モデルをトレーニングする。 モデルの評価を表示する。 バッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
AutoML による予測	バッチ予測用の AutoML 表形式予測モデル。 Python スクリプトから AutoML 表形式の予測モデルを作成し、Agent Platform SDK を使用してバッチ予測を生成する方法を学習します。AutoML による予測について学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform データセット リソースを作成します。 AutoML 表形式予測のモデルリソースをトレーニングする。 モデルリソースの評価指標を取得する。 バッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
表形式データの回帰	AutoML トレーニングで表形式回帰モデルを作成し、BigQuery を使用してバッチ予測を行う。 AutoML 表形式の回帰モデルを作成し、Agent Platform SDK for Python を使用してバッチ予測用にデプロイする方法を学習します。表形式データの回帰についても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform データセット リソースを作成します。 AutoML 表形式回帰モデルリソースをトレーニングします。 モデルリソースの評価指標を取得する。 バッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
表形式データの回帰	AutoML トレーニングで表形式回帰モデルを作成し、BigQuery を使用してオンライン予測を行う。 Agent Platform SDK を使用して Python スクリプトから AutoML 表形式の回帰モデルを作成し、オンライン予測用にデプロイする方法を学習します。表形式データの回帰についても学習します。 チュートリアルのステップ Vertex データセット リソースを作成する。 モデルをトレーニングする。 モデルの評価を表示する。 サービング エンドポイント リソースにモデルリソースをデプロイする。 予測を行う。 モデルのデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
BigQuery ML	BigQuery ML トレーニングを使ってみる。 Gemini Enterprise Agent Platform で BigQuery ML を使用してトレーニングを行う方法を学習します。BigQuery ML についても学習します。 チュートリアルのステップ プロジェクトにローカル BigQuery テーブルを作成する BigQuery ML モデルをトレーニングする BigQuery ML モデルを評価する BigQuery ML モデルをクラウドモデルとしてエクスポートする エクスポートしたモデルを Gemini Enterprise Agent Platform モデルリソースとしてアップロードする Agent Platform Vizier を使用して BigQuery ML モデルのハイパーパラメータをチューニングする BigQuery ML モデルを Model Registry に自動的に登録する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング Vertex AI Inference	FastAPI と Gemini Enterprise Agent Platform カスタム コンテナ サービスを使用した Iris 検出モデルのデプロイ。 Gemini Enterprise Agent Platform でカスタム分類モデルを作成、デプロイ、提供する方法を学習します。カスタム トレーニングについて学習します。Vertex AI Inference についても学習します。 チュートリアルのステップ 花の測定値を入力として使用し、アヤメの種類を予測するモデルをトレーニングする。 モデルとシリアル化されたプリプロセッサを保存する。 予測とヘルスチェックを処理する FastAPI サーバーを構築する。 モデル アーティファクトを使用してカスタム コンテナをビルドする。 カスタム コンテナをアップロードして Gemini Enterprise Agent Platform エンドポイントにデプロイする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	BigQuery データでの TensorFlow モデルのトレーニング。 Agent Platform SDK for Python を使用して Docker コンテナで Python スクリプトからカスタム トレーニング済みモデルを作成し、データを送信してデプロイ済みモデルから予測を取得する方法を学習します。Vertex AI Training についても学習します。 チュートリアルのステップ モデルをトレーニングするための Gemini Enterprise Agent Platform カスタム TrainingPipeline を作成する。 TensorFlow モデルをトレーニングする。 サービスを提供する Endpoint リソースに Model リソースをデプロイする。 予測を行う。 Model リソースのデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング	カスタム コンテナ イメージを使用したカスタム トレーニングと Model Registry へのモデルの自動アップロード。 このチュートリアルでは、Gemini Enterprise Agent Platform でカスタム コンテナ イメージを使用して ML モデルのカスタム トレーニングを行います。カスタム トレーニングについても学習します。 チュートリアルのステップ モデルのトレーニング用の Gemini Enterprise Agent Platform カスタムジョブを作成する。 カスタム コンテナを使用して TensorFlow モデルをトレーニングして登録する。 Model Registry に登録されているモデルのリストを取得する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Cloud Profiler	Cloud Profiler を使用してモデルのトレーニング パフォーマンスをプロファイリングする。 カスタム トレーニング ジョブで Cloud Profiler を有効にする方法を学習します。Cloud Profiler について学習します。 チュートリアルのステップ サービス アカウントと Cloud Storage バケットを設定する Vertex AI TensorBoard インスタンスを作成する カスタム トレーニング ジョブを作成して実行する Cloud Profiler ダッシュボードを表示する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング	XGBoost 用 Vertex AI Training を使ってみる。 Vertex AI Training を使用して XGBoost カスタムモデルをトレーニングする方法を学習します。カスタム トレーニングについて学習します。 チュートリアルのステップ Python パッケージを使用してトレーニングを行う。 ハイパーパラメータ チューニングの実行中に精度を報告する。 Cloud StorageFuse を使用して、モデル アーティファクトを Cloud Storage に保存する。 Gemini Enterprise Agent Platform モデルリソースを作成する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
デプロイ間の共有リソース	Endpoint と共有 VM を使ってみる。 モデルのデプロイにデプロイ リソースプールを使用する方法を学習します。デプロイ間の共有リソースについて学習します。 チュートリアルのステップ 事前トレーニング済みの画像分類モデルを Model リソース（モデル A）としてアップロードする。 事前トレーニング済みのテキスト センテンス エンコーダ モデルを Model リソース（モデル B）としてアップロードする。 共有 VM デプロイ リソースプールを作成する。 共有 VM デプロイ リソースプールを一覧取得する。 2 つの Endpoint リソースを作成する。 デプロイ リソースプールを使用して、最初のモデル（モデル A）を最初の Endpoint リソースにデプロイする。 デプロイ リソースプールを使用して、2 番目のモデル（モデル B）を 2 番目の Endpoint リソースにデプロイする。 最初にデプロイされたモデル（モデル A）を使用して予測リクエストを行う。 2 番目にデプロイされたモデル（モデル B）を使用して予測リクエストを行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング Gemini Enterprise Agent Platform バッチ予測	カスタム トレーニングとバッチ予測 Vertex AI Training を使用してカスタム トレーニングされたモデルを作成し、Gemini Enterprise Agent Platform Batch Prediction を使用してトレーニング済みモデルに対するバッチ予測を行う方法を学習します。カスタム トレーニングについて学習します。Gemini Enterprise Agent Platform Batch Prediction の詳細を確認する。 チュートリアルのステップ TensorFlow モデルのトレーニング用の Gemini Enterprise Agent Platform カスタムジョブを作成する。 トレーニング済みモデルのアーティファクトをモデルリソースとしてアップロードする。 バッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング Vertex AI Inference	カスタム トレーニングとオンライン予測 Vertex AI Training を使用して、Docker コンテナで Python スクリプトからカスタム トレーニング モデルを作成する方法を学習します。また、Vertex AI Inference を使用してデータを送信し、デプロイ済みモデルで予測を行う方法を学習します。カスタム トレーニングについて学習します。Vertex AI Inference についても学習します。 チュートリアルのステップ TensorFlow モデルのトレーニング用の Gemini Enterprise Agent Platform カスタムジョブを作成する。 トレーニング済みモデルのアーティファクトを Model リソースにアップロードする。 サービング Endpoint リソースを作成する。 サービスを提供する Endpoint リソースに Model リソースをデプロイする。 予測を行う。 Model リソースのデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
BigQuery データセット BigQuery ユーザー向けの Gemini Enterprise Agent Platform	BigQuery データセットを使ってみる。 Gemini Enterprise Agent Platform でトレーニング用データセットとして BigQuery を使用する方法を学習します。BigQuery データセットについて学習します。BigQuery ユーザー向けの Gemini Enterprise Agent Platform の詳細を確認する。 チュートリアルのステップ AutoML トレーニングと互換性のある BigQuery テーブルから Gemini Enterprise Agent Platform データセット リソースを作成する。 AutoML またはカスタム トレーニングと互換性のある Cloud Storage 内の CSV ファイルに、BigQuery からデータセットのコピーを抽出する。 BigQuery データセットから、カスタム トレーニングと互換性のある Pandas DataFrame に変換する行を選択する。 BigQuery データセットから、カスタム トレーニングの TensorFlow モデルと互換性のある tf.data.Dataset に変換する行を選択する。 抽出された CSV ファイルから、カスタム トレーニングの TensorFlow モデルと互換性のある tf.data.Dataset に変換する行を選択する。 CSV ファイルから BigQuery データセットを作成する。 BigQuery テーブルから、カスタム トレーニングの XGBoost モデルと互換性のある DMatrix にデータを抽出する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Vertex ML Metadata	カスタム トレーニング用の Gemini Enterprise Agent Platform Experiment リネージを構築する。 Gemini Enterprise Agent Platform のテストに前処理コードを統合する方法を学習します。Vertex AI Experiments について学習します。Vertex ML Metadata について学習します。 チュートリアルのステップ データ前処理のモジュールを実行する データセット アーティファクトを作成する パラメータをログに記録する モデルをトレーニングするためのモジュールを実行する パラメータをログに記録する モデル アーティファクトを作成する データセット、モデル、パラメータにトラッキング リネージを割り当てる	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	ローカルでトレーニングされたモデルのパラメータと指標を追跡する。 Vertex AI Experiments を使用してモデルのテストを比較し、評価する方法を学習します。Vertex AI Experiments について学習します。 チュートリアルのステップ モデル パラメータをログに記録する 各エポックの損失と指標を Vertex AI TensorBoard に記録する 評価指標をログに記録する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Gemini Enterprise Agent Platform Pipelines	Vertex AI Experiments でパイプライン実行を比較する。 Vertex AI Experiments を使用してパイプライン ジョブを記録し、さまざまなパイプライン ジョブを比較する方法を学習します。Vertex AI Experiments について学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。 チュートリアルのステップ トレーニング コンポーネントを形式化する トレーニング パイプラインを構築する 複数のパイプライン ジョブを実行し、結果をログに記録する さまざまなパイプライン ジョブを比較する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard	Vertex AI TensorBoard で古いテストを削除する。 不要なストレージ コストを回避するため、古い Vertex AI TensorBoard テストを削除する方法を学習します。Vertex AI TensorBoard について学習します。 チュートリアルのステップ 事前定義された Key-Value ラベルペア を使用して TB テストを削除する方法 create_time より前に作成された TB テストを削除する方法 update_time より前に作成された TB テストを削除する方法	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	カスタム トレーニングの自動ロギング - ローカル スクリプト。 Vertex AI Experiments とのインテグレーションを使用して、Vertex AI Training で実行する ML テストのパラメータと指標を自動ロギングする方法を学習します。 チュートリアルのステップ スクリプトでモデルのテストを形式化する Vertex AI Training でローカル スクリプトを使用してモデル トレーニングを実行する Vertex AI Experiments で ML のテスト パラメータと指標を確認する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments Vertex ML Metadata カスタム トレーニング	Vertex AI Experiments を使ってみる。 Gemini Enterprise Agent Platform でトレーニングする際に Vertex AI Experiments を使用する方法を学習します。Vertex AI Experiments について学習します。Vertex ML Metadata について学習します。カスタム トレーニングについて学習します。 チュートリアルのステップ ローカル（ノートブック）トレーニング テストを作成する。 テストの初回実行を作成する。 パラメータと指標をログに記録する。 アーティファクト リネージを作成する。 テスト結果を可視化する。 2 回目の実行を行う。 テストで 2 つの実行を比較する。 Cloud（Gemini Enterprise Agent Platform）トレーニング トレーニング スクリプト内	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Experiments	自動ロギング。 Gemini Enterprise Agent Platform Autologging の使用方法を学習します。 チュートリアルのステップ Agent Platform SDK で自動ロギングを有効にします。 scikit-learn モデルをトレーニングし、Vertex AI Experiments に自動ロギングされた指標とパラメータで実行されたテスト結果を確認する（テストの実行は設定しません）。 TensorFlow モデルをトレーニングする - aiplatform.start_run() と aiplatform.end_run() を使用してテスト実行を手動で設定し、Vertex AI Experiments に対して自動的にログに記録された指標とパラメータをチェックする。 Agent Platform SDK で自動ロギングを無効にして PyTorch モデルをトレーニングし、パラメータや指標がログに記録されていないことを確認する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Agent Platform Feature Store を使用した BigQuery データのオンライン特徴サービングと取得。 オンラインの Feature Store インスタンスを作成して使用し、特徴値のサービングと取得を行うユーザー ジャーニーのエンドツーエンド ワークフローで、Agent Platform Feature Store を使用して BigQuery でデータをホストして提供する方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ データをホストして提供するためのオンラインの Feature Store インスタンスをプロビジョニングする。 オンラインの Feature Store インスタンスで BigQuery ビューを登録し、同期ジョブを設定する。 オンライン サーバーを使用して、オンライン予測の特徴値を取得する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Agent Platform Feature Store Optimized Serving を使用した BigQuery データのオンライン特徴サービングと取得。 オンラインの Feature Store インスタンスを作成して使用し、特徴値のサービングと取得を行うエンドツーエンド ワークフローで、Agent Platform Feature Store を使用して BigQuery でデータをホストして提供する方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ パブリックまたはプライベートのエンドポイントで、最適化されたオンライン サービングを使用して、データをホストして提供するオンラインの Feature Store インスタンスをプロビジョニングする。 オンラインの Feature Store インスタンスで BigQuery ビューを登録し、同期ジョブを設定する。 オンライン サーバーを使用して、オンライン予測の特徴値を取得する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Agent Platform Feature Store を使用した BigQuery データのオンライン特徴サービングとベクトル取得。 オンラインの Feature Store インスタンスを作成して使用し、特徴サービングとベクトル取得を行うユーザー ジャーニーのエンドツーエンド ワークフローで、Agent Platform Feature Store を使用して BigQuery でデータをホストして提供する方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ データをホストして提供するためのオンラインの Feature Store インスタンスをプロビジョニングする。 BigQuery テーブルを提供するオンラインの Feature Store インスタンスを作成する。 オンライン サーバーを使用して最近傍を探索する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Agent Platform Feature Store ベースの LLM グラウンディング チュートリアル。 オンラインの Feature Store インスタンスを作成して使用し、特徴サービングとベクトル取得を行うユーザー ジャーニーのエンドツーエンド ワークフローで、Agent Platform Feature Store を使用して BigQuery でデータをホストして提供する方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ データをホストして提供するためのオンラインの Feature Store インスタンスをプロビジョニングする。 BigQuery テーブルを提供するオンラインの Feature Store インスタンスを作成する。 オンライン サーバーを使用して最近傍を探索する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Agent Platform Feature Store 特徴ビュー サービス エージェントのチュートリアル。 Agent Platform Feature Store の特徴ビューに専用のサービス エージェントを使用する方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ 専用のサービス アカウントを使用するように構成された特徴ビューを作成する。 特徴ビューごとにサービス アカウントが作成されます。このサービス アカウントは、BigQuery からデータを同期するために使用されます。 特徴ビューの取得 / 一覧取得を行う API が、自動作成されたサービス アカウントを返します。ユーザーは bq addiampolicybinding コマンドを呼び出して、サービス アカウントに roles/bigquery.dataViewer を付与する必要があります。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Agent Platform Feature Store（従来版）のストリーミング インポート SDK。 Agent Platform SDK の write_feature_values メソッドを使用して、Pandas DataFrame から Agent Platform Feature Store に特徴をインポートする方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ featurestore を作成する。 featurestore に新しいエンティティ タイプを作成する。 Pandas DataFrame から featurestore のエンティティ タイプに特徴値をインポートする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Pandas Dataframe で Agent Platform Feature Store（従来版）を使用する。 pandas Dataframe で Agent Platform Feature Store を使用する方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ Featurestore、EntityType、Feature リソースを作成する。 Pandas DataFrame からエンティティ タイプに特徴値をインポートする。 オンラインの Feature Store から Pandas DataFrame にエンティティの特徴値を読み取る。 Feature Store から Pandas DataFrame に特徴値をバッチ サービングする。 更新された特徴値を使用してオンライン サービングを行う。 トレーニング用の特徴値を取得するための特定時点での正確性。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Feature Store	Agent Platform Feature Store（従来版）を使用したオンライン予測とバッチ予測。 Agent Platform Feature Store を使用して特徴データをインポートし、オンライン サービングとオフライン タスク（トレーニングなど）の両方の特徴データにアクセスする方法を学習します。Agent Platform Feature Store の詳細を確認する。 チュートリアルのステップ Featurestore、EntityType、Feature リソースを作成する。 特徴データを Featurestore リソースにインポートする。 インポートされた特徴量を使用してオンラインの予測リクエストを処理する。 オフラインのジョブ（トレーニング ジョブなど）でインポートされた特徴量にアクセスする ストリーミング インポートを使用して少量のデータをインポートする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform での生成 AI に関するサポートの概要	RLHF でチューニングされたモデルを使用した Gemini Enterprise Agent Platform LLM バッチ推論。 このチュートリアルでは、Gemini Enterprise Agent Platform を使用して、RLHF でチューニングされた大規模言語モデルから予測を取得します。Gemini Enterprise Agent Platform での生成 AI サポートの概要についても学習します。 チュートリアルのステップ 一括推論用の事前定義テンプレートを使用して、Gemini Enterprise Agent Platform Pipeline ジョブを作成する。 Gemini Enterprise Agent Platform Pipelines を使用してパイプラインを実行する。 与えられたデータセットのモデルに対して予測結果を生成する。	Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	大規模言語モデルを抽出する。 Gemini Enterprise Agent Platform LLM を使用して大規模言語モデルを抽出してデプロイする方法を学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform LLM モデルを取得します。 モデルを抽出する。これにより、Gemini Enterprise Agent Platform エンドポイントが自動的に作成され、モデルがエンドポイントにデプロイされます。 Gemini Enterprise Agent Platform LLM を使用して予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
テキスト エンベディング	エンベディングを使用したセマンティック検索。 このチュートリアルでは、テキストから生成されたエンベディングを作成し、セマンティック検索を行う方法を学習します。テキスト エンベディングについて学習します。 チュートリアルのステップ インストールとインポート エンベディング データセットを作成する インデックスを作成する インデックスをクエリする	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Gemini Enterprise Agent Platform でテキスト エンベディングを取得する。 テキスト エンベディング モデルとテキストを指定してテキスト エンベディングを取得する方法を学習します。 チュートリアルのステップ	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Gemini Enterprise Agent Platform でテキスト エンベディングを取得する。 テキスト エンベディング モデルとテキストを指定してテキスト エンベディングを取得する方法を学習します。 チュートリアルのステップ	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
教師ありチューニングを使用してテキストモデルをチューニングする	Gemini Enterprise Agent Platform チューニング PEFT モデル。 Gemini Enterprise Agent Platform LLM を使用して PEFT 大規模言語モデルのチューニングとデプロイを行う方法を学習します。教師ありチューニングを使用したテキストモデルのチューニングについて学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform LLM モデルを取得します。 モデルをチューニングする。 これにより、Gemini Enterprise Agent Platform エンドポイントが自動的に作成され、モデルがデプロイされます。 Gemini Enterprise Agent Platform LLM を使用して予測を行う。 Vertex AI Inference を使用して予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
generative_ai	Gemini Enterprise Agent Platform でチューニングされたテキスト エンベディングを取得する。 テキスト エンベディング モデルをチューニングする方法を学習します。 チュートリアルのステップ	Colab GitHub Gemini Enterprise Agent Platform Workbench
PaLM API	大規模言語モデルで Agent Platform SDK を使用する。 Gemini Enterprise Agent Platform で利用可能な大規模言語モデルにテキスト入力を提供し、生成 AI 言語モデルのテスト、チューニング、デプロイを行う方法を学習します。PaLM API についても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform PaLM API の予測エンドポイントを使用して、メッセージに対する生成 AI のレスポンスを受け取る。 テキスト エンベディング エンドポイントを使用して、メッセージのベクトル表現を受け取る。 入出力トレーニング データに基づいて、LLM の迅速なチューニングを行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform に移行する 画像データの分類	AutoML の画像分類。 AutoML を使用して画像モデルをトレーニングし、Vertex AI Inference と Gemini Enterprise Agent Platform batch inference を使用してオンライン予測とバッチ予測を行う方法を学習します。Gemini Enterprise Agent Platform への移行の詳細をご覧ください。画像データの分類について学習します。 チュートリアルのステップ AutoML 画像分類モデルをトレーニングする バッチ予測を行う。 エンドポイントにモデルをデプロイする オンライン予測を行う	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform に移行する 画像データのオブジェクト検出	AutoML 画像オブジェクト検出。 AutoML を使用して画像モデルをトレーニングし、Vertex AI Inference と Gemini Enterprise Agent Platform Batch Prediction を使用してオンライン予測とバッチ予測を行う方法を学習します。Gemini Enterprise Agent Platform への移行の詳細をご覧ください。画像データのオブジェクト検出について学習します。 チュートリアルのステップ AutoML オブジェクト検出モデルをトレーニングする。 バッチ予測を行う。 エンドポイントにモデルをデプロイする オンライン予測を行う	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform に移行する 表形式データの分類	AutoML 表形式のバイナリ分類。 このチュートリアルでは、Agent Platform SDK を使用して Python スクリプトから AutoML 表形式バイナリ分類モデルを作成し、オンライン予測用にデプロイします。Gemini Enterprise Agent Platform への移行の詳細をご覧ください。表形式データの分類についても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform データセット リソースを作成します。 モデルをトレーニングする。 モデルの評価を表示する。 サービング エンドポイント リソースにモデルリソースをデプロイする。 予測を行う。 モデルのデプロイを解除する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform に移行する カスタム トレーニング	カスタム トレーニング コンテナを使用したカスタム画像分類。 カスタム コンテナと Gemini Enterprise Agent Platform トレーニングを使用して TensorFlow 画像分類モデルをトレーニングする方法を学習します。Gemini Enterprise Agent Platform への移行の詳細をご覧ください。カスタム トレーニングについても学習します。 チュートリアルのステップ トレーニング コードを Python アプリケーションにパッケージ化する。 Cloud Build と Artifact Registry を使用してトレーニング アプリケーションをコンテナ化する。 Gemini Enterprise Agent Platform でカスタム コンテナ トレーニング ジョブを作成して実行する。 トレーニング ジョブから生成されたモデルを評価する。 Model Registry でトレーニング済みモデルのモデルリソースを作成する。 Gemini Enterprise Agent Platform バッチ推論ジョブを実行する。 モデルリソースを Gemini Enterprise Agent Platform エンドポイントにデプロイする。 モデルリソースに対してオンライン予測ジョブを実行する。 作成したリソースをクリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform に移行する カスタム トレーニングの概要	ビルド済みトレーニング コンテナを使用したカスタム画像分類。 ビルド済みコンテナと Gemini Enterprise Agent Platform トレーニングを使用して TensorFlow 画像分類モデルをトレーニングする方法を学習します。Gemini Enterprise Agent Platform への移行の詳細をご覧ください。カスタム トレーニングの概要について学習します。 チュートリアルのステップ トレーニング コードを Python アプリケーションにパッケージ化する。 Cloud Build と Artifact Registry を使用してトレーニング アプリケーションをコンテナ化する。 Gemini Enterprise Agent Platform でカスタム コンテナ トレーニング ジョブを作成して実行する。 トレーニング ジョブから生成されたモデルを評価する。 Model Registry でトレーニング済みモデルのモデルリソースを作成する。 Gemini Enterprise Agent Platform バッチ推論ジョブを実行する。 モデルリソースを Gemini Enterprise Agent Platform エンドポイントにデプロイする。 モデルリソースに対してオンライン予測ジョブを実行する。 作成したリソースをクリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform に移行する カスタム トレーニングの概要	ビルド済みトレーニング コンテナを使用したカスタム Scikit-Learn モデル。 Vertex AI Training を使用してカスタム トレーニング モデルを作成する方法を学習します。Gemini Enterprise Agent Platform への移行の詳細をご覧ください。カスタム トレーニングの概要について学習します。 チュートリアルのステップ scikitlearn モデルのトレーニング用の Gemini Enterprise Agent Platform カスタムジョブを作成する。 トレーニング済みモデルのアーティファクトをモデルリソースとしてアップロードする。 バッチ予測を生成する。 サービング エンドポイント リソースにモデルリソースをデプロイする。 オンライン予測を生成する。 モデルリソースのデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform に移行する カスタム トレーニングの概要	ビルド済みトレーニング コンテナを使用したカスタム XGBoost モデル。 Vertex AI Training を使用してカスタム トレーニング モデルを作成する方法を学習します。Gemini Enterprise Agent Platform への移行の詳細をご覧ください。カスタム トレーニングの概要について学習します。 チュートリアルのステップ xgboost モデルのトレーニング用の Gemini Enterprise Agent Platform カスタムジョブを作成する。 トレーニング済みモデルのアーティファクトをモデルリソースとしてアップロードする。 バッチ予測を生成する。 サービング エンドポイント リソースにモデルリソースをデプロイする。 オンライン予測を生成する。 モデルリソースのデプロイを解除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ハイパーパラメータ チューニング カスタム トレーニング	ハイパーパラメータ チューニング。 Gemini Enterprise Agent Platform ハイパーパラメータを使用して、カスタム トレーニング モデルを作成およびチューニングする方法を学習します。Gemini Enterprise Agent Platform ハイパーパラメータ チューニングの詳細を確認する。カスタム トレーニングについても学習します。 チュートリアルのステップ TensorFlow モデルをトレーニングするための Gemini Enterprise Agent Platform ハイパーパラメータ チューニング ジョブを作成する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Google Artifact Registry のドキュメント	Google Artifact Registry を使ってみる。 Google Artifact Registry の使用方法を学習します。Google Artifact Registry のドキュメントについて学習します。 チュートリアルのステップ 限定公開 Docker リポジトリを作成する。 限定公開 Docker リポジトリに固有のコンテナ イメージにタグを付ける。 コンテナ イメージを限定公開 Docker リポジトリに push する。 限定公開 Docker リポジトリからコンテナ イメージを pull する。 限定公開 Docker リポジトリを削除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata	カスタム トレーニング ジョブのパラメータと指標を追跡する。 Agent Platform SDK for Python の使用方法を学習します。 チュートリアルのステップ カスタム トレーニング ジョブのトレーニング パラメータと予測指標を追跡する。 Experiment 内のすべてのパラメータと指標を抽出して分析する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata	ローカルでトレーニングされたモデルのパラメータと指標を追跡する。 Vertex ML Metadata を使用してトレーニング パラメータと評価指標を追跡する方法を学習します。Vertex ML Metadata について学習します。 チュートリアルのステップ ローカルでトレーニングしたモデルのパラメータと指標を追跡する。 Experiment 内のすべてのパラメータと指標を抽出して分析する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex ML Metadata Gemini Enterprise Agent Platform Pipelines	Vertex ML Metadata を使用して、Gemini Enterprise Agent Platform Pipelines の実行全体でアーティファクトと指標を追跡する。 Gemini Enterprise Agent Platform Pipeline の実行で Vertex ML Metadata を使用してアーティファクトと指標を追跡する方法を学習します。Vertex ML Metadata について学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。 チュートリアルのステップ Kubeflow Pipelines SDK を使用して、Gemini Enterprise Agent Platform で動作する ML パイプラインを構築する。 パイプラインがデータセットを作成し、scikitlearn モデルをトレーニングして、そのモデルをエンドポイントにデプロイする。 アーティファクトとメタデータを生成するカスタム パイプライン コンポーネントを作成する。 Google Cloud コンソールとプログラムの両方で Gemini Enterprise Agent Platform Pipelines の実行を比較する。 パイプライン生成アーティファクトのリネージを追跡する。 パイプライン実行メタデータをクエリする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル評価 表形式データの分類	AutoML 表形式分類モデルからのバッチ予測結果を評価する。 Gemini Enterprise Agent Platform AutoML Tabular 分類モデルをトレーニングし、google_cloud_pipeline_components を使用して Gemini Enterprise Agent Platform パイプライン ジョブで評価する方法を学習します。 Gemini Enterprise Agent Platform モデル評価について学習します。表形式データの分類についても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform Dataset を作成します。 Dataset リソースで Automl 表形式分類モデルをトレーニングする。 トレーニング済みの AutoML model resource をパイプラインにインポートする。 Batch Prediction ジョブを実行する。 Classification Evaluation component を使用して AutoML モデルを評価する。 分類指標を AutoML モデルリソースにインポートする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル評価 表形式データの回帰	AutoML 表形式回帰モデルからバッチ予測を評価する。 google_cloud_pipeline_components を使用して Gemini Enterprise Agent Platform パイプライン ジョブで Gemini Enterprise Agent Platform モデルリソースを評価する方法を学習します。 Gemini Enterprise Agent Platform モデル評価について学習します。 表形式データの回帰についても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform データセットを作成する。 AutoMLTabularTrainingJob クラスを構成する。 モデルを返す AutoMLTabularTrainingJob を実行する。 事前トレーニング済みの AutoML model resource をパイプラインにインポートする。 パイプラインで batch prediction ジョブを実行する。 regression evaluation component を使用して AutoML モデルを評価する。 生成された回帰指標を AutoML モデルリソースにインポートする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform カスタム トレーニング Gemini Enterprise Agent Platform モデル評価	カスタム表形式分類モデルから BatchPrediction 結果を評価する。 このチュートリアルでは、scikit-learn RandomForest モデルをトレーニングして Model Registry に保存し、Google Cloud Pipeline Components Python SDK を使用して Gemini Enterprise Agent Platform パイプライン ジョブでモデルを評価する方法を学習します。Gemini Enterprise Agent Platform のカスタム トレーニングの詳細を確認する。Gemini Enterprise Agent Platform モデル評価の詳細を確認する。 チュートリアルのステップ 一般公開ソースからデータセットを取得する。 データをローカルで前処理し、テストデータを BigQuery に保存する。 scikitlearn Python パッケージを使用して、RandomForest 分類モデルをローカルでトレーニングする。 予測用のカスタム コンテナを Artifact Registry に作成する。 Model Registry にモデルをアップロードします。 次の処理を行う Gemini Enterprise Agent Platform パイプラインを作成して実行します。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル評価 カスタム トレーニング	カスタム表形式回帰モデルからのバッチ予測結果を評価する。 Google Cloud パイプライン コンポーネントを使用して Gemini Enterprise Agent Platform パイプライン ジョブで Gemini Enterprise Agent Platform モデルリソースを評価する方法を学習します。Gemini Enterprise Agent Platform モデル評価の詳細を確認する。カスタム トレーニングについても学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform カスタム トレーニング ジョブを作成して TensorFlow モデルをトレーニングする。 カスタム トレーニング ジョブを実行する。 モデル アーティファクトを取得して読み込む。 モデルの評価を表示する。 モデルを Gemini Enterprise Agent Platform モデルリソースとしてアップロードする。 事前トレーニング済みの Gemini Enterprise Agent Platform モデルリソースをパイプラインにインポートする。 パイプラインでバッチ予測ジョブを実行する。 回帰評価コンポーネントを使用してモデルを評価する。 回帰指標を Gemini Enterprise Agent Platform モデルリソースにインポートする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform AutoSxS モデル評価	人間の好みのデータセットに対して自動評価のアライメントを確認する。 Gemini Enterprise Agent Platform Pipelines と google_cloud_pipeline_components を使用して、人間の好みデータを使用して自動評価の調整を確認する方法を学習します。 Gemini Enterprise Agent Platform AutoSxS モデル評価について学習します。 チュートリアルのステップ 予測データと人間の好みのデータを含む評価データセットを作成する。 データをローカルで前処理し、Cloud Storage に保存する。 生成された判定を使用して、判定と一連の AutoSxS 指標を生成する Gemini Enterprise Agent Platform AutoSxS パイプラインを作成し、実行する。 判定と AutoSxS 指標を出力する。 このノートブックで作成したリソースをクリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform AutoSxS モデル評価	サードパーティのモデルに対して Model Registry 内の LLM を評価する。 Gemini Enterprise Agent Platform Pipelines と google_cloud_pipeline_components を使用して 2 つの LLM モデルのパフォーマンスを評価する方法を学習します。 Gemini Enterprise Agent Platform AutoSxS モデル評価について学習します。 チュートリアルのステップ 一般公開ソースからデータセットを取得する。 データをローカルで前処理し、テストデータを Cloud Storage に保存する。 判定を生成して 2 つの候補モデルを評価する Gemini Enterprise Agent Platform AutoSxS パイプラインを作成し、実行する。 判定と評価指標を出力する。 このノートブックで作成したリソースをクリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
バッチ予測用の Gemini Enterprise Agent Platform Model Monitoring	Model Monitoring を使用した Gemini Enterprise Agent Platform バッチ予測。 Gemini Enterprise エージェント プラットフォーム モデル モニタリング サービスを使用して、バッチ予測のドリフトと異常値を検出する方法を学習します。バッチ予測用の Gemini Enterprise Agent Platform Model Monitoring についても学習します。 チュートリアルのステップ 事前トレーニング済みモデルを Gemini Enterprise Agent Platform モデルリソースとしてアップロードする。 バッチ予測リクエストを生成する。 モデル モニタリング機能で報告された統計、可視化、その他のデータを解釈します。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル モニタリング	AutoML 表形式モデル用の Gemini Enterprise Agent Platform Model Monitoring。 AutoML 表形式モデル用に Gemini Enterprise Agent Platform Model Monitoring サービスを使用して、入力予測リクエストの特徴のスキューとドリフトを検出する方法を学習します。Gemini Enterprise Agent Platform Model Monitoring の詳細を確認する。 チュートリアルのステップ AutoML モデルをトレーニングする。 モデルリソースを Gemini Enterprise Agent Platform エンドポイント リソースにデプロイする。 モデル モニタリング用のエンドポイント リソースを構成する。 スキューの合成予測リクエストを生成する。 ドリフトの合成予測リクエストを生成する。 メール通知アラートの通知が届くまで待つ。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Model Monitoring	AutoML 画像モデルでのオンライン予測用の Gemini Enterprise Agent Platform Model Monitoring。 AutoML 画像分類モデルで Gemini Enterprise Agent Platform Online Prediction と Gemini Enterprise Agent Platform Model Monitoring を使用して、分布外の画像を検出する方法を学習します。Gemini Enterprise Agent Platform Model Monitoring の詳細を確認する。 チュートリアルのステップ 1. AutoML 画像分類モデルをトレーニングする 2. エンドポイントを作成します。 3. エンドポイントにモデルをデプロイして、モデルのモニタリングを構成する。 4. 分布外と分布内の画像の両方を含むオンライン予測を送信する。 5. Model Monitoring を使用して、各画像の異常スコアを計算する。 6. オンライン予測リクエスト内で分布外の画像を特定する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル モニタリング	カスタム表形式モデル用の Gemini Enterprise Agent Platform Model Monitoring。 カスタム表形式モデル用に Gemini Enterprise エージェント プラットフォーム モデル モニタリング サービスを使用して、入力予測リクエストの特徴のスキューとドリフトを検出する方法を学習します。Gemini Enterprise Agent Platform Model Monitoring の詳細を確認する。 チュートリアルのステップ 事前トレーニング済みのカスタム表形式モデルをダウンロードする。 事前トレーニング済みモデルを Model Registry にアップロードします。 モデルリソースを Gemini Enterprise Agent Platform エンドポイント リソースにデプロイする。 モデル モニタリング用のエンドポイント リソースを構成する。 合成予測リクエストを生成し、スキューをシミュレートする。 メール通知アラートの通知が届くまで待つ。 ドリフトをシミュレートする合成予測リクエストを生成する。 メール通知アラートの通知が届くまで待つ。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Model Monitoring	TensorFlow Serving コンテナを使用したカスタム表形式モデル用の Gemini Enterprise Agent Platform Model Monitoring。 カスタム表形式モデルにカスタム開発コンテナと Gemini Enterprise エージェント プラットフォーム モデル モニタリング サービスを使用して、入力予測リクエストの特徴のスキューとドリフトを検出する方法を学習します。Gemini Enterprise Agent Platform Model Monitoring の詳細を確認する。 チュートリアルのステップ 事前トレーニング済みのカスタム表形式モデルをダウンロードする。 事前トレーニング済みモデルをモデルリソースとしてアップロードする。 TensorFlow Serving サービング バイナリを使用して、エンドポイント リソースにモデルリソースをデプロイする。 モデル モニタリング用のエンドポイント リソースを構成する。 スキューの合成予測リクエストを生成する。 メール通知アラートの通知が届くまで待つ。 ドリフトの合成予測リクエストを生成する。 メール通知アラートの通知が届くまで待つ。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル モニタリング	表形式モデルの設定用の Gemini Enterprise Agent Platform Model Monitoring。 Gemini Enterprise Agent Platform Model Monitoring サービスを設定して、入力予測リクエストの特徴のスキューとドリフトを検出する方法を学習します。Gemini Enterprise Agent Platform Model Monitoring の詳細を確認する。 チュートリアルのステップ 事前トレーニング済みのカスタム表形式モデルをダウンロードする。 事前トレーニング済みモデルをモデルリソースとしてアップロードする。 エンドポイント リソースにモデルリソースをデプロイする。 モデル モニタリング用のエンドポイント リソースを構成する。 特徴入力のスキューとドリフトを検出する。 特徴アトリビューションのスキューとドリフトを検出する。 1,000 件の予測リクエストを送信して、入力スキーマを自動生成する。 モニタリング ジョブを一覧取得、一時停止、再開、削除する。 事前定義された入力スキーマを使用してモニタリング ジョブを再起動する。 ログに記録されたモニタリング対象データを表示する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル モニタリング	XGBoost モデルに対する Gemini Enterprise Agent Platform Model Monitoring。 Gemini Enterprise エージェント プラットフォーム モデル モニタリング サービスを使用して、XGBoost モデルの入力予測リクエストの特徴のスキューとドリフトを検出する方法を学習します。Gemini Enterprise Agent Platform Model Monitoring の詳細を確認する。 チュートリアルのステップ 事前トレーニング済みの XGBoost モデルをダウンロードする。 事前トレーニング済みモデルを Model Registry にアップロードします。 モデルリソースを Gemini Enterprise Agent Platform エンドポイント リソースにデプロイする。 モデル モニタリング用のエンドポイント リソースを構成する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform モデル モニタリング	Vertex Explainable AI の特徴アトリビューションを使用した Gemini Enterprise Agent Platform Model Monitoring。 Gemini Enterprise エージェント プラットフォーム モデル モニタリング サービスを使用して、デプロイされた Gemini Enterprise エージェント プラットフォーム モデルリソースからの予測リクエストでドリフトと異常値を検出する方法を学習します。Gemini Enterprise Agent Platform Model Monitoring の詳細を確認する。 チュートリアルのステップ 事前トレーニング済みモデルを Gemini Enterprise Agent Platform モデルリソースとしてアップロードする。 Gemini Enterprise Agent Platform エンドポイント リソースを作成する。 エンドポイント リソースにモデルリソースをデプロイする。 モデル モニタリング用のエンドポイント リソースを構成する。 モデルのモニタリング用にベースライン分布を初期化する。 合成予測リクエストを生成する。 モデル モニタリング機能で報告された統計、可視化、その他のデータの解釈方法を理解します。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
model_monitoring_v2	Gemini Enterprise Agent Platform カスタムモデルのバッチ予測ジョブのモデル モニタリング。 このチュートリアルでは、次のことを行います。 チュートリアルのステップ	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
model_monitoring_v2	Gemini Enterprise Agent Platform カスタムモデルのオンライン予測のモデル モニタリング。 このチュートリアルでは、次のことを行います。 チュートリアルのステップ	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Model Registry	Model Registry を使ってみる。 Model Registry を使用してモデルの複数のバージョンを作成し、登録する方法を学習します。Model Registry の詳細を確認する。 チュートリアルのステップ モデルの最初のバージョンを作成して Model Registry に登録する。 モデルの 2 番目のバージョンを作成して Model Registry に登録する。 デフォルトのモデル バージョンを更新する。 モデル バージョンを削除する。 次のモデル バージョンを再トレーニングする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines AutoML コンポーネント 表形式データの分類	google-cloud-pipeline-components を使用した AutoML 表形式のパイプライン。 Gemini Enterprise Agent Platform Pipelines と Google Cloud Pipeline コンポーネントを使用して、AutoML 表形式分類モデルを構築する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。AutoML コンポーネントについて学習します。表形式データの分類について学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform データセットを作成する KFP パイプラインを作成する。 AutoML 表形式分類モデルリソースをトレーニングするコンポーネントをパイプラインに追加する。 Gemini Enterprise Agent Platform エンドポイント リソースを作成するコンポーネントを追加する。 モデルリソースをエンドポイント リソースにデプロイするコンポーネントを追加する。 KFP パイプラインをコンパイルする。 Gemini Enterprise Agent Platform Pipelines を使用して KFP パイプラインを実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	本番環境へのモデルのデプロイに対する Challenger 対 Blessed 手法。 Gemini Enterprise Agent Platform パイプラインを作成して、新しい challenger バージョンのモデルをトレーニングし、モデルを評価して、本番環境の既存の blessed モデルと比較する方法を学習します。 チュートリアルのステップ 事前トレーニング済み（blessed）モデルを Model Registry にインポートする。 合成モデル評価指標を対応する（blessed）モデルにインポートする。 Gemini Enterprise Agent Platform エンドポイント リソースを作成する blessed モデルをエンドポイント リソースにデプロイする。 次のステップを実行する Gemini Enterprise Agent Platform パイプラインを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	KFP SDK を使用したパイプライン制御構造。 ループと条件（ネストされた例を含む）を使用してパイプラインを構築する KFP SDK の使用方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。 チュートリアルのステップ 制御フロー コンポーネントを使用して KFP パイプラインを作成する KFP パイプラインをコンパイルする Gemini Enterprise Agent Platform Pipelines を使用して KFP パイプラインを実行する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines カスタム トレーニング コンポーネント	ビルド済み Google Cloud パイプライン コンポーネントを使用したカスタム トレーニング Gemini Enterprise Agent Platform Pipelines と Google Cloud Pipeline コンポーネントを使用してカスタムモデルを構築する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。カスタム トレーニング コンポーネントについても学習します。 チュートリアルのステップ KFP パイプラインを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform パイプライン Gemini Enterprise Agent Platform バッチ予測コンポーネント	BigQuery のソースと宛先を使用してカスタム表形式の分類モデルのトレーニングとバッチ予測を行う。 このチュートリアルでは、scikit-learn 表形式分類モデルをトレーニングし、google_cloud_pipeline_components を使用して Gemini Enterprise Agent Platform パイプラインでバッチ予測ジョブを作成します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。Gemini Enterprise Agent Platform Batch Prediction コンポーネントの詳細を確認する。 チュートリアルのステップ BigQuery でデータセットを作成する バッチ予測用にソース データセット以外のデータをいくつか設定する。 トレーニング アプリケーション用のカスタム Python パッケージを作成する。 Python パッケージを Cloud Storage にアップロードする。 次の処理を行う Gemini Enterprise Agent Platform パイプラインを作成します。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform パイプライン Gemini Enterprise Agent Platform ハイパーパラメータ チューニング	Gemini Enterprise Agent Platform ハイパーパラメータ チューニング パイプライン コンポーネントを使ってみる。 Gemini Enterprise Agent Platform ハイパーパラメータ チューニングにビルド済み Google Cloud Pipeline コンポーネントを使用する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。Gemini Enterprise Agent Platform ハイパーパラメータ チューニングの詳細を確認する。 チュートリアルのステップ パイプラインを構築する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	Gemini Enterprise Agent Platform Pipelines のマシン管理を使ってみる。 自己完結型のカスタム トレーニング コンポーネントを Gemini Enterprise Agent Platform CustomJob に変換する方法を学習します。次のことを学習します。 チュートリアルのステップ 自己完結型のトレーニング ジョブを持つカスタム コンポーネントを作成する。 マシンリソースのコンポーネント レベルの設定を使用してパイプラインを実行する 自己完結型のトレーニング コンポーネントを Gemini Enterprise Agent Platform CustomJob に変換する。 マシンリソースの customjoblevel 設定を使用してパイプラインを実行する	Colab GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines AutoML コンポーネント	google-cloud-pipeline-components を使用した AutoML 画像分類パイプライン。 Gemini Enterprise Agent Platform Pipelines と Google Cloud Pipeline コンポーネントを使用して AutoML 画像分類モデルを構築する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。AutoML コンポーネントについても学習します。 チュートリアルのステップ KFP パイプラインを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines AutoML コンポーネント 表形式データの回帰	google-cloud-pipeline-components を使用した AutoML 表形式の回帰パイプライン。 Gemini Enterprise Agent Platform Pipelines と Google Cloud Pipeline Components を使用して AutoML 表形式回帰モデルを作成する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。AutoML コンポーネントについて学習します。表形式データの回帰について学習します。 チュートリアルのステップ Dataset リソースを作成する KFP パイプラインを作成する。 AutoML 表形式回帰 Model リソースをトレーニングするコンポーネントをパイプラインに追加する。 Endpoint リソースを作成するコンポーネントを追加する。 Model リソースを Endpoint リソースにデプロイするコンポーネントを追加する。 KFP パイプラインをコンパイルする。 Gemini Enterprise Agent Platform Pipelines を使用して KFP パイプラインを実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines BigQuery ML コンポーネント	Swivel、BigQuery ML、Gemini Enterprise Agent Platform Pipelines を使用して獲得予測モデルをトレーニングする。 記事のテキスト エンベディングを計算して「企業買収」カテゴリに分類するために、Agent Platform Pipelines を使用してシンプルな BigQuery ML パイプラインを構築する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。BigQuery ML コンポーネントについても学習します。 チュートリアルのステップ BigQuery にデータを取り込む Dataflow ジョブのコンポーネントを作成する。 BigQuery のデータに対して実行する前処理ステップ用のコンポーネントを作成する。 BigQuery ML を使用してロジスティック回帰モデルをトレーニングするためのコンポーネントを作成する。 作成したすべてのコンポーネントを使用して Kubeflow DSL パイプラインを構築し、構成する。 Gemini Enterprise Agent Platform Pipelines でパイプラインをコンパイルして実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines カスタム トレーニング コンポーネント	Google Cloud Pipeline コンポーネントを使用して、モデルをトレーニング、アップロード、デプロイする。 Gemini Enterprise Agent Platform Pipelines と Google Cloud パイプライン コンポーネントを使用して、カスタムモデルをビルドしてデプロイする方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。カスタム トレーニング コンポーネントについても学習します。 チュートリアルのステップ KFP パイプラインを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	KFP 2.x を使用した Gemini Enterprise Agent Platform Pipelines。 Gemini Enterprise Agent Platform Pipelines と KFP 2 の使用方法を学習します。 チュートリアルのステップ KFP パイプラインを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	軽量の Python 関数ベースのコンポーネント、コンポーネント I/O。 KFP SDK を使用して軽量の Python 関数ベースのコンポーネントを構築し、Gemini Enterprise Agent Platform パイプラインを使用してパイプラインを実行する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。 チュートリアルのステップ Python 関数ベースの KFP コンポーネントを構築する。 KFP パイプラインを構築する。 パス参照と値の両方で、コンポーネント間でアーティファクトとパラメータを渡す。 kfp.dsl.importer メソッドを使用する。 KFP パイプラインをコンパイルする。 Gemini Enterprise Agent Platform Pipelines を使用して KFP パイプラインを実行する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	指標の可視化と KFP SDK を使用した比較の実行。 Python 用の KFP SDK を使用して、評価指標を生成するパイプラインを構築する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。 チュートリアルのステップ KFP コンポーネントを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	本番環境にモデルをデプロイする際の Multicontender 手法と Champion 手法。 Gemini Enterprise Agent Platform パイプラインを作成して、デプロイされたモデルからの新しい本番環境データを他のバージョンのモデルと比較して評価し、contender モデルが本番環境で置き換わる champion モデルになるかどうかを判断する方法を学習します。 チュートリアルのステップ 事前トレーニング済み（champion）モデルを Model Registry にインポートする。 合成モデル トレーニングの評価指標を対応する（champion）モデルにインポートする。 Gemini Enterprise Agent Platform エンドポイント リソースを作成する。 champion モデルをエンドポイント リソースにデプロイする。 デプロイしたモデルの追加（contender）バージョンをインポートする。 合成モデル トレーニングの評価指標を対応する（contender）モデルにインポートする。 次のステップを実行する Gemini Enterprise Agent Platform パイプラインを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Pipelines	KFP 向けパイプラインの概要。 Python 用の KFP SDK を使用して、評価指標を生成するパイプラインを構築する方法を学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。 チュートリアルのステップ Gemini Enterprise Agent Platform パイプラインを定義してコンパイルする。 パイプラインの実行に使用するサービス アカウントを指定する。 Agent Platform SDK for Python と REST API を使用してパイプラインを実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
AutoML コンポーネント BigQuery ML コンポーネント	BigQuery ML と AutoML - Gemini Enterprise Agent Platform を使用した迅速なプロトタイピング。 Gemini Enterprise エージェント プラットフォーム パイプラインを使用してモデルの迅速なプロトタイピングを行う方法を学習します。AutoML コンポーネントについて学習します。BigQuery ML コンポーネントについて学習します。 チュートリアルのステップ BigQuery と Gemini Enterprise Agent Platform のトレーニング データセットを作成する。 BigQuery ML と AutoML モデルをトレーニングする。 BigQuery ML モデルと AutoML モデルから評価指標を抽出する。 最適なトレーニング済みモデルを選択する。 最適なトレーニング済みモデルをデプロイする。 デプロイされたモデル インフラストラクチャをテストする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform バッチ推論	特徴フィルタリングを使用したカスタムモデルのバッチ推論。 Agent Platform SDK for Python を使用して Docker コンテナで Python スクリプトからカスタム トレーニングされたモデルを作成し、特徴リストを追加または除外してバッチ推論ジョブを実行する方法について学習します。Gemini Enterprise Agent Platform バッチ推論の詳細を確認する。 チュートリアルのステップ モデルをトレーニングするための Gemini Enterprise Agent Platform カスタム TrainingPipeline を作成する。 TensorFlow モデルをトレーニングする。 バッチ予測ジョブを送信する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Inference	NVIDIA Triton サーバーを使ってみる。 オンライン予測を行うために、Gemini Enterprise Agent Platform モデルリソースを含む Nvidia Triton Server を実行するコンテナを Gemini Enterprise Agent Platform エンドポイントにデプロイする方法を学習します。Vertex AI Inference についても学習します。 チュートリアルのステップ TensorFlow Hub からモデル アーティファクトをダウンロードする。 モデルの Triton サービング構成ファイルを作成する。 モデルのデプロイ用に Triton サービング イメージを含むカスタム コンテナをビルドする。 モデルを Gemini Enterprise Agent Platform モデルリソースとしてアップロードする。 Gemini Enterprise Agent Platform モデルリソースを Gemini Enterprise Agent Platform エンドポイント リソースにデプロイする。 予測リクエストを行う。 モデルリソースのデプロイを解除してエンドポイントを削除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
未加工の予測	Gemini Enterprise Agent Platform Raw Prediction で TensorFlow サービング関数を使ってみる。 Gemini Enterprise Agent Platform Endpoint リソースで Gemini Enterprise Agent Platform Raw Prediction を使用する方法を学習します。未加工の予測について学習します。 チュートリアルのステップ TensorFlow 1.x Estimator の事前トレーニング済み表形式分類モデルのアーティファクトをダウンロードする。 TensorFlow Estimator モデルを Gemini Enterprise Agent Platform Model リソースとしてアップロードする。 Endpoint リソースを作成する。 Model リソースを Endpoint リソースにデプロイする。 Endpoint リソースにデプロイされた Model リソース インスタンスに対して、オンラインの未加工予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング モデルからの予測の取得	Vertex AI Inference で TensorFlow Serving を使ってみる。 TensorFlow Serving サービング バイナリを使用して Gemini Enterprise Agent Platform Endpoint リソースで Vertex AI Inference を使用する方法を学習します。カスタム トレーニングされたモデルからの予測の取得について学習します。 チュートリアルのステップ	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Private Endpoints	Gemini Enterprise Agent Platform Private Endpoints を使ってみる。 Gemini Enterprise Agent Platform Private Endpoint リソースの使用方法を学習します。プライベート エンドポイントについて学習します。 チュートリアルのステップ Private Endpoint リソースを作成する。 VPC ピアリング接続を構成する。 Private Endpoint リソースにデプロイするための Model リソースのサービング バイナリを構成する。 Model リソースを Private Endpoint リソースにデプロイする。 予測リクエストを Private Endpoint に送信する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform 言語モデル	Gemini Enterprise Agent Platform LLM とストリーミング予測。 Gemini Enterprise Agent Platform LLM を使用して、事前トレーニング済みの LLM モデルをダウンロードし、予測を行ってモデルをファインチューニングする方法を学習します。Gemini Enterprise Agent Platform 言語モデルの詳細を確認します。 チュートリアルのステップ 事前トレーニング済みのテキスト生成モデルを読み込む。 非ストリーミング予測を行う。 ストリーミングをサポートする事前トレーニング済みのテキスト生成モデルを読み込む。 ストリーミング予測を行う。 事前トレーニング済みのチャットモデルを読み込む。 ローカルでのインタラクティブなチャット セッションを開始する。 テキスト生成モデルを使用してバッチ予測を行う。 テキスト エンベディング モデルを使用してバッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
予測用のビルド済みコンテナ	Gemini Enterprise Agent Platform でビルド済みコンテナを使用して PyTorch 画像モデルを提供する。 オンライン予測とバッチ予測を提供するために、TorchServe でビルド済みの Gemini Enterprise Agent Platform コンテナを使用して、PyTorch 画像分類モデルをパッケージ化してデプロイする方法を学習します。トレーニング用の事前ビルドコンテナについて学習します。 チュートリアルのステップ PyTorch から事前トレーニング済み画像モデルをダウンロードする カスタム モデルハンドラを作成する モデル アーカイブ ファイルにモデル アーティファクトをパッケージ化する デプロイするモデルをアップロードする 予測用のモデルをデプロイする オンライン予測を行う バッチ予測を行う	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform 推論	Gemini Enterprise エージェント プラットフォームでビルド済みコンテナを使用して PyTorch モデルをトレーニングし、デプロイする。 カスタム トレーニングと予測用のビルド済みコンテナを使用して PyTorch 画像分類モデルを構築、トレーニング、デプロイする方法を学習します。 チュートリアルのステップ トレーニング アプリケーションを Python ソース ディストリビューションにパッケージ化する ビルド済みコンテナでトレーニング ジョブを構成して実行する モデル アーカイブ ファイルにモデル アーティファクトをパッケージ化する デプロイするモデルをアップロードする 予測にビルド済みコンテナを使用してモデルをデプロイする オンライン予測を行う	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform の Ray の概要	Gemini Enterprise Agent Platform で Ray 上の PyTorch を使ってみる。 Ray on Gemini Enterprise Agent Platform を活用して、PyTorch 画像分類モデルのトレーニング プロセスを効率的に分散する方法を学習します。Gemini Enterprise Agent Platform 上の Ray の概要をご覧ください。 チュートリアルのステップ トレーニング スクリプトを準備する Ray Jobs API を使用して Ray ジョブを送信する PyTorch からトレーニング済み画像モデルをダウンロードする カスタム モデルハンドラを作成する モデル アーカイブ ファイルにモデル アーティファクトをパッケージ化する Model Registry にモデルを登録する Gemini Enterprise Agent Platform エンドポイントにモデルをデプロイする オンライン予測を行う	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform の Ray の概要	Ray on Gemini Enterprise Agent Platform クラスタの管理。 クラスタの作成、既存のクラスタの一覧表示、クラスタの取得、クラスタの更新、クラスタの削除を行う方法を学習します。Gemini Enterprise Agent Platform 上の Ray の概要をご覧ください。 チュートリアルのステップ クラスタを作成する。 既存のクラスタを一覧取得する。 クラスタを取得する。 クラスタを手動でスケールアップしてから、クラスタをスケールダウンする。 クラスタを自動スケーリングする。 既存のクラスタを削除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform 上の Ray Gemini Enterprise Agent Platform 上の Ray 上の Spark	Gemini Enterprise Agent Platform の Ray 上の Spark。 RayDP を使用して Gemini Enterprise Agent Platform の Ray クラスタで Spark アプリケーションを実行する方法を学習します。Gemini Enterprise Agent Platform 上の Ray の詳細を確認する。Gemini Enterprise Agent Platform の Ray 上の Spark の詳細を確認する。 チュートリアルのステップ カスタム Ray on Gemini Enterprise Agent Platform コンテナ イメージを作成する カスタム コンテナ イメージを使用して Gemini Enterprise Agent Platform に Ray クラスタを作成する RayDP を使用してクラスタで Spark をインタラクティブに実行する Ray Job API を介してクラスタで Spark アプリケーションを実行する Spark アプリケーションで Google Cloud Storage からファイルを読み取る Gemini Enterprise Agent Platform の Ray での Spark アプリケーションの Pandas UDF Gemini Enterprise Agent Platform で Ray クラスタを削除する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training Gemini Enterprise Agent Platform Reduction Server	Gemini Enterprise Agent Platform Reduction Server を使用した PyTorch 分散トレーニング。 PyTorch 分散トレーニング フレームワークとツールを使用する PyTorch 分散トレーニング ジョブを作成し、Reduction Server を使用して Vertex AI Training サービスでトレーニング ジョブを実行する方法を学習します。Vertex AI Training について学習します。Gemini Enterprise Agent Platform Reduction Server の詳細を確認する。 チュートリアルのステップ PyTorch 分散トレーニング アプリケーションを作成する トレーニング アプリケーションをビルド済みコンテナにパッケージ化する Reduction Server を使用して Gemini Enterprise Agent Platform でカスタムジョブを作成する ジョブを送信してモニタリングする	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング	Python パッケージ、マネージド テキスト データセット、TF Serving コンテナを使用したカスタム トレーニング。 カスタム Python パッケージ トレーニングを使用してカスタムモデルを作成する方法と、オンライン予測に TensorFlow Serving コンテナを使用してモデルを提供する方法を学習します。カスタム トレーニングについて学習します。 チュートリアルのステップ Gemini Enterprise Agent Platform マネージド データセットを作成するために、データをダウンロードして CSV ファイルを準備するユーティリティ関数を作成する データをダウンロードする マネージド データセット作成用の CSV ファイルを準備する カスタム トレーニング Python パッケージを作成する TensorFlow Serving コンテナを作成する マネージド テキスト データセットを使用してカスタム Python パッケージ トレーニングを実行する Gemini Enterprise Agent Platform でモデルをデプロイしてエンドポイントを作成する エンドポイントで予測を行う モデルでバッチ予測ジョブを作成する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
表形式データの BigQuery ML ARIMA+ 予測	Gemini Enterprise Agent Platform 表形式ワークフローを使用して BigQuery ML ARIMA_PLUS モデルをトレーニングする。 Google Cloud Pipeline コンポーネントからトレーニング用の Gemini Enterprise エージェント プラットフォーム パイプラインを使用して BigQuery ML ARIMA_PLUS モデルを作成し、対応する予測パイプラインでバッチ予測を行う方法を学習します。表形式データに対する BigQuery ML ARIMA+ 予測について学習します。 チュートリアルのステップ BigQuery ML の ARIMA_PLUS モデルをトレーニングする。 BigQuery ML モデルの評価を表示する。 BigQuery ML モデルでバッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Google Cloud Pipeline コンポーネント 表形式データの Prophet	Gemini Enterprise Agent Platform 表形式ワークフローを使用して Prophet モデルをトレーニングする。 Google Cloud Pipeline コンポーネントからトレーニング Gemini Enterprise エージェント プラットフォーム パイプラインを使用して複数の Prophet モデルを作成し、対応する予測パイプラインを使用してバッチ予測を行う方法を学習します。Google Cloud Pipeline コンポーネントについて学習します。表形式データの Prophet について学習します。 チュートリアルのステップ 1. Prophet モデルをトレーニングする。 1. 評価指標を表示する。 1. Prophet モデルでバッチ予測を行う。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard カスタム トレーニング	カスタム コンテナを使用した Vertex AI TensorBoard カスタム トレーニング。 カスタム コンテナを使用してカスタム トレーニング ジョブを作成し、ほぼリアルタイムで Vertex AI TensorBoard のトレーニング プロセスをモニタリングする方法を学習します。Vertex AI TensorBoard について学習します。カスタム トレーニングについて学習します。 チュートリアルのステップ Docker リポジトリと構成ファイルを作成する。 カスタマイズしたトレーニング コードを使用してカスタム コンテナ イメージを作成する。 サービス アカウントと Google Cloud Storage バケットを設定する。 カスタム コンテナでカスタム トレーニング ジョブを作成し、起動する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard カスタム トレーニング	ビルド済みコンテナを使用した Vertex AI TensorBoard カスタム トレーニング。 ビルド済みのコンテナを使用してカスタム トレーニング ジョブを作成し、ほぼリアルタイムで Vertex AI TensorBoard のトレーニング プロセスをモニタリングする方法を学習します。Vertex AI TensorBoard について学習します。カスタム トレーニングについて学習します。 チュートリアルのステップ サービス アカウントと Cloud Storage バケットを設定する。 カスタマイズされたトレーニング コードを記述する。 トレーニング コードをパッケージ化して Cloud Storage にアップロードする。 ほぼリアルタイムのモニタリング用に有効にした Vertex AI TensorBoard を使用してカスタム トレーニング ジョブを作成し、起動する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard	HParams ダッシュボードを使用した Vertex AI TensorBoard ハイパーパラメータ チューニング。 このノートブックでは、TensorFlow を使用してモデルをトレーニングし、ハイパーパラメータ チューニングを行います。 チュートリアルのステップ TensorFlow を実行して、ハイパーパラメータと指標をログに記録する。 実行を開始し、それらすべてを 1 つの親ディレクトリに記録する。 Vertex AI TensorBoard の HParams ダッシュボードで結果を可視化する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Profiler Vertex AI TensorBoard	Cloud Profiler を使用してモデルのトレーニング パフォーマンスをプロファイリングする。 カスタム トレーニング ジョブで Profiler を有効にする方法を学習します。Profiler について学習します。 Vertex AI TensorBoard について学習します。 チュートリアルのステップ サービス アカウントと Cloud Storage バケットを設定する Vertex AI TensorBoard インスタンスを作成する Profiler を有効にするカスタム トレーニング ジョブを作成して実行する Profiler ダッシュボードを表示してモデルのトレーニング パフォーマンスをデバッグする	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Profiler Vertex AI TensorBoard	ビルド済みコンテナを使用したカスタム トレーニングで、Cloud Profiler を使用してモデルのトレーニング パフォーマンスをプロファイリングする。 ビルド済みのコンテナを使用して、カスタム トレーニング ジョブで Gemini Enterprise Agent Platform の Profiler を有効にする方法を学習します。Profiler について学習します。 Vertex AI TensorBoard について学習します。 チュートリアルのステップ カスタム トレーニング コードを準備し、トレーニング コードを Python パッケージとしてビルド済みコンテナに読み込む Profiler を有効にするカスタム トレーニング ジョブを作成して実行する Profiler ダッシュボードを表示してモデルのトレーニング パフォーマンスをデバッグする	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI TensorBoard Gemini Enterprise Agent Platform Pipelines	Vertex AI TensorBoard と Gemini Enterprise Agent Platform Pipelines のインテグレーション。 KFP SDK を使用してトレーニング パイプラインを作成し、Gemini Enterprise Agent Platform Pipelines でパイプラインを実行して、Vertex AI TensorBoard でトレーニング プロセスをほぼリアルタイムでモニタリングする方法を学習します。Vertex AI TensorBoard について学習します。Gemini Enterprise Agent Platform Pipelines の詳細を確認する。 チュートリアルのステップ サービス アカウントと Google Cloud Storage バケットを設定する。 カスタム トレーニング コードを使用して KFP パイプラインを構築する。 ほぼリアルタイムでのモニタリングのために有効にした Vertex AI TensorBoard を使用して、Gemini Enterprise Agent Platform Pipelines で KFP パイプラインをコンパイルして実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ハイパーパラメータ チューニング	分散 Gemini Enterprise Agent Platform ハイパーパラメータ チューニング。 このノートブックでは、Docker コンテナの Python スクリプトからカスタム トレーニング モデルを作成します。Gemini Enterprise Agent Platform のハイパーパラメータ チューニングの詳細を確認します。 チュートリアルのステップ Python パッケージを使用してトレーニングを行う。 ハイパーパラメータ チューニングの実行中に精度を報告する。 Cloud StorageFuse を使用して、モデル アーティファクトを Cloud Storage に保存する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	LightGBM 用 Vertex AI Training を使ってみる。 Vertex AI Training のカスタム コンテナを使用して LightGBM カスタムモデルをトレーニングする方法を学習します。 チュートリアルのステップ Python パッケージを使用してトレーニングを行う。 Cloud StorageFuse を使用して、モデル アーティファクトを Cloud Storage に保存する。 FastAPI 予測サーバーを構築する。 サーバーの Dockerfile デプロイ イメージを作成する。 デプロイ イメージをローカルでテストする（省略可。Colab ユーザーは除く）。 Gemini Enterprise Agent Platform モデルリソースを作成する。 バッチ予測ジョブを実行する。 モデルをエンドポイントにデプロイして、オンライン予測リクエストを送信する。 作成したリソースをクリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform の分散トレーニング	Gemini Enterprise Agent Platform 分散トレーニングを使ってみる。 Gemini Enterprise Agent Platform でのトレーニングで Gemini Enterprise Agent Platform 分散トレーニングを使用する方法を学習します。Gemini Enterprise Agent Platform の分散トレーニングの詳細を確認する。 チュートリアルのステップ	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ハイパーパラメータ チューニング	TensorFlow モデルのハイパーパラメータ チューニングを行う。 TensorFlow モデルの Gemini Enterprise Agent Platform ハイパーパラメータ チューニング ジョブを実行する方法を学習します。Gemini Enterprise Agent Platform のハイパーパラメータ チューニングの詳細を確認します。 チュートリアルのステップ 自動でハイパーパラメータ チューニングを行うように、トレーニング アプリケーションのコードを変更する。 トレーニング アプリケーション コードをコンテナ化する。 Gemini Enterprise Agent Platform Python SDK を使用して、ハイパーパラメータ チューニング ジョブを構成して起動する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ハイパーパラメータ チューニング	Gemini Enterprise Agent Platform Hyperparameter Tuning for XGBoost。 Gemini Enterprise エージェント プラットフォームのハイパーパラメータ チューニング サービスを使用して XGBoost モデルをトレーニングする方法を学習します。Gemini Enterprise Agent Platform ハイパーパラメータ チューニングの詳細を確認する。 チュートリアルのステップ Python トレーニング アプリケーション パッケージを使用してトレーニングする。 ハイパーパラメータ チューニング中に精度を報告する。 Cloud StorageFuse を使用して、モデル アーティファクトを Cloud Storage に保存する。 最適なモデルを一覧表示する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	カスタム コンテナと Gemini Enterprise エージェント プラットフォーム トレーニングを使用して CPU で PyTorch 画像分類マルチノード分散データ並列トレーニングを行う。 Agent Platform SDK for Python とカスタム コンテナを使用して、分散 PyTorch トレーニング ジョブを作成する方法を学習します。Vertex AI Training についても学習します。 チュートリアルのステップ Google Cloud プロジェクトを設定する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Vertex AI Training	CPU と Gemini Enterprise Agent Platform でマルチノード NCCL 分散データ並列トレーニングを使用した PyTorch 画像分類。 Agent Platform SDK for Python とカスタム コンテナを使用して、分散 PyTorch トレーニング ジョブを作成する方法を学習します。Vertex AI Training についても学習します。 チュートリアルのステップ Artifact Registry と Docker を使用してカスタム コンテナをビルドする。 Gemini Enterprise Agent Platform のテストを保存する Gemini Enterprise Agent Platform TensorBoard インスタンスを作成する。 Agent Platform SDK for Python を使用して Gemini Enterprise Agent Platform トレーニング ジョブを実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング	Gemini Enterprise Agent Platform での PyTorch テキスト感情分類モデルのトレーニング、チューニング、デプロイ。 Gemini Enterprise Agent Platform で PyTorch モデルの構築、トレーニング、チューニング、デプロイを行う方法を学習します。カスタム トレーニングについても学習します。 チュートリアルのステップ テキスト分類モデル用のトレーニング パッケージを作成する。 Gemini Enterprise Agent Platform でカスタム トレーニングを使用してモデルをトレーニングします。 作成されたモデル アーティファクトを確認する。 予測用のカスタム コンテナを作成する。 予測用のカスタム コンテナを使用して、トレーニング済みモデルを Gemini Enterprise エージェント プラットフォーム エンドポイントにデプロイする。 デプロイされたモデルにオンライン予測リクエストを送信し、検証する。 このノートブックで作成したリソースをクリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform での PyTorch の統合	Cloud Storage のデータで Gemini Enterprise Agent Platform の PyTorch モデルをトレーニングする。 PyTorch と Cloud Storage に保存されたデータセットを使用してトレーニング ジョブを作成する方法を学習します。Gemini Enterprise Agent Platform での PyTorch 統合の詳細を確認する。 チュートリアルのステップ トレーニング用とテスト用のデータセットを作成して、モデルをトレーニングするカスタム トレーニング スクリプトを作成する。 Agent Platform SDK for Python を使用して CustomTrainingJob を実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
分散トレーニング	PyTorch Torchrun を使用して、カスタム コンテナを使用したマルチノード トレーニングを簡素化する。 PyTorch の Torchrun を使用して複数のノードで Imagenet モデルをトレーニングする方法を学習します。分散トレーニングについて学習します。 チュートリアルのステップ マスターノードで ETCD クラスタを起動するシェル スクリプトを作成する PyTorch Elastic の GitHub リポジトリのコードを使用してトレーニング スクリプトを作成する データをダウンロードするコンテナを作成し、ホストで ETCD クラスタを起動する GPU で複数のノードを使用してモデルをトレーニングする	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
カスタム トレーニング	Dask を使用した分散 XGBoost トレーニング。 Dask と XGBoost を使用して分散トレーニング ジョブを作成する方法を学習します。カスタム トレーニングについて学習します。 チュートリアルのステップ Google Cloud プロジェクトの PROJECT_ID 変数と LOCATION 変数を構成する。 モデル アーティファクトを保存する Cloud Storage バケットを作成する。 トレーニング コードをホストするカスタム Docker コンテナをビルドし、そのコンテナ イメージを Artifact Registry に push する。 Agent Platform SDK CustomContainerTrainingJob を実行する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
vector_search	Gemini Enterprise Agent Platform マルチモーダル エンベディングとベクトル検索の使用。 カスタム テキストのエンベディングをエンコードし、近似最近傍インデックスを作成して、インデックスに対してクエリを実行する方法を学習します。 チュートリアルのステップ 画像データセットをエンベディングに変換する。 インデックスを作成する。 エンベディングをインデックスにアップロードする。 インデックス エンドポイントを作成する。 インデックスをインデックス エンドポイントにデプロイする。 オンライン クエリを実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Vector Search	StackOverflow の質問に Gemini Enterprise Agent Platform Vector Search を使用する。 カスタム テキストのエンベディングをエンコードし、近似最近傍インデックスを作成して、インデックスに対してクエリを実行する方法を学習します。Gemini Enterprise Agent Platform のベクトル検索の詳細を確認する。 チュートリアルのステップ ANN インデックスを作成する。 VPC ネットワークでインデックス エンドポイントを作成する。 ANN インデックスをデプロイする。 オンライン クエリを実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Vector Search テキスト用の Gemini Enterprise Agent Platform エンベディング	StackOverflow の質問のテキストに Gemini Enterprise Agent Platform ベクトル検索と Gemini Enterprise Agent Platform エンベディングを使用する。 テキストのエンベディングをエンコードし、近似最近傍インデックスを作成して、インデックスに対してクエリを実行する方法を学習します。Gemini Enterprise Agent Platform のベクトル検索の詳細を確認する。テキスト用の Gemini Enterprise Agent Platform エンベディングについて学習します。 チュートリアルのステップ BigQuery データセットをエンベディングに変換する。 インデックスを作成する。 エンベディングをインデックスにアップロードする。 インデックス エンドポイントを作成する。 インデックスをインデックス エンドポイントにデプロイする。 オンライン クエリを実行する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Vector Search	Gemini Enterprise Agent Platform ベクトル検索インデックスを作成する。 近似最近傍インデックスを作成し、インデックスに対してクエリを実行して、インデックスのパフォーマンスを検証する方法を学習します。Gemini Enterprise Agent Platform のベクトル検索の詳細を確認する。 チュートリアルのステップ ANN インデックスとブルート フォース インデックスを作成する。 VPC ネットワークで IndexEndpoint を作成する。 ANN インデックスとブルート フォース インデックスをデプロイする。 オンライン クエリを実行する。 再現率を計算する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Vizier	Agent Platform Vizier を使用して複数の目標を最適化する。 Agent Platform Vizier を使用して多目的スタディを最適化する方法を学習します。Agent Platform Vizier の詳細を確認する。 チュートリアルのステップ	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Agent Platform Vizier	Agent Platform Vizier を使ってみる。 Gemini Enterprise Agent Platform でトレーニングする際に Agent Platform Vizier を使用する方法を学習します。Agent Platform Vizier の詳細を確認する。 チュートリアルのステップ ランダム アルゴリズムを使用したハイパーパラメータ チューニング。 Agent Platform Vizier（ベイジアン）アルゴリズムによるハイパーパラメータ チューニング。 Agent Platform Vizier スタディに対するトライアルの提案と結果の更新	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Vertex AI Training	広告のターゲット設定用にマルチクラス分類モデルをトレーニングする。 BigQuery からデータを収集して前処理し、e コマース データセットでマルチクラス分類モデルをトレーニングする方法を学習します。Gemini Enterprise Agent Platform Workbench の詳細を確認する。Vertex AI Training についても学習します。 チュートリアルのステップ BigQuery から必要なデータを取得する データの前処理 TensorFlow（2.4 以上）分類モデルをトレーニングする トレーニング済みモデルの損失を評価する エグゼキュータ機能を使用してノートブックの実行を自動化する モデルを Cloud Storage パスに保存する 作成したリソースをクリーンアップする	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ワークベンチ BigQuery ML	Gemini Enterprise Agent Platform と BigQuery ML を使用して小売業の需要予測を行う。 小売データの BigQuery ML で ARIMA（自己回帰統合移動平均）モデルを構築する方法を学習します。 Gemini Enterprise Agent Platform Workbench についても学習します。BigQuery ML についても学習します。 チュートリアルのステップ データを探索 BigQuery と ARIMA モデルを使用してモデリングを行う モデルを評価する トレーニング データに BigQuery ML を使用してモデルの結果を評価する テストデータを使用してモデルの結果（MAE、MAPE、MSE、RMSE）を評価する エグゼキュータ機能を使用する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ワークベンチ BigQuery ML	ノートブックでの BigQuery データのインタラクティブな探索的分析。 Jupyter ノートブック環境で BigQuery データを探索して分析情報を得るさまざまな方法を学習します。Gemini Enterprise Agent Platform Workbench の詳細を確認する。BigQuery ML についても学習します。 チュートリアルのステップ Python と SQL を使用して BigQuery で一般公開データをクエリする BigQuery INFORMATION_SCHEMA を使用してデータセットを探索する データの対象部分を探索するためにインタラクティブな要素を作成する 探索的な相関分析と時系列分析を行う ノートブックで、静的でインタラクティブな出力（データテーブルとプロット）を作成する 一部の出力を Cloud Storage に保存する	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ワークベンチ カスタム トレーニング	Gemini Enterprise Agent Platform で不正行為検出モデルを構築する。 このチュートリアルでは、金融データセットの合成を使用したデータ分析とモデル構築について説明します。Gemini Enterprise Agent Platform Workbench の詳細を確認する。カスタム トレーニングについても学習します。 チュートリアルのステップ 必要なライブラリをインストールする Cloud Storage バケットからデータセットを読み取る データセットの探索的分析を行う データセットの前処理を行う scikitlearn を使用してランダム フォレスト モデルのトレーニングを行う モデルを Cloud Storage バケットに保存する Gemini Enterprise Agent Platform モデルリソースを作成してエンドポイントにデプロイする テストデータで What-If ツールを実行する モデルのデプロイを解除し、モデルリソースをクリーンアップする	Colab GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ワークベンチ BigQuery ML	Google アナリティクス 4 と BigQuery ML を使用した、ゲーム デベロッパーのためのチャーン予測。 BigQuery ML で傾向モデルをトレーニングして評価する方法を学習します。Gemini Enterprise Agent Platform Workbench の詳細を確認する。BigQuery ML についても学習します。 チュートリアルのステップ Google アナリティクス 4 から BigQuery にエクスポートされたデータを探索する。 ユーザー属性、行動データ、ラベル（チャーン / 非チャーン）を使用して、トレーニング データを準備する。 BigQuery ML を使用して XGBoost モデルをトレーニングする。 BigQuery ML を使用してモデルを評価する。 BigQuery ML を使用して、離脱する可能性が高いユーザーを予測する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ワークベンチ Gemini Enterprise Agent Platform トレーニング	Gemini Enterprise Agent Platform を使用した予測メンテナンス。 Gemini Enterprise Agent Platform Workbench のエグゼキュータ機能を使用して、モデルのトレーニングとデプロイを行うワークフローの自動化方法を学習します。Gemini Enterprise Agent Platform Workbench の詳細を確認する。Gemini Enterprise Agent Platform トレーニングの詳細をご覧ください。 チュートリアルのステップ Cloud Storage バケットから必要なデータセットを読み込む。 データセット内のフィールドを分析する。 予測メンテナンス モデルに必要なデータを選択する。 残存耐用年数を予測する XGBoost 回帰モデルをトレーニングする。 モデルを評価する。 エグゼキュータを使用して、トレーニング ジョブとしてノートブックをエンドツーエンドで実行する。 Gemini Enterprise Agent Platform にモデルをデプロイする。 クリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ワークベンチ BigQuery ML	CDM 料金データを使用した料金設定の最適化に関する分析。 このノートブックは、BigQuery ML を使用して料金の最適化モデルを構築することを目的としています。Gemini Enterprise Agent Platform Workbench の詳細を確認する。BigQuery ML についても学習します。 チュートリアルのステップ Cloud Storage バケットから必要なデータセットを読み込む。 データセット内のフィールドを分析する。 データを処理してモデルを構築する。 処理済みのデータで BigQuery ML 予測モデルを構築する。 BigQuery ML モデルから予測値を取得する。 予測を解釈して最適な価格を特定する。 クリーンアップする。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform ワークベンチ Spark 向け Dataproc Serverless	Dataproc で BigQuery のデータをダイジェストして分析する。 このノートブック チュートリアルでは、BigQuery の「GitHub アクティビティ データ」データセットからデータを取得し、データにクエリを実行してから、結果を BigQuery に書き込む Apache Spark ジョブを実行します。Gemini Enterprise Agent Platform Workbench の詳細を確認する。Spark 向け Dataproc サーバーレスについても学習します。 チュートリアルのステップ Google Cloud プロジェクトと Dataproc クラスタを設定する。 sparkbigqueryconnector を構成する BigQuery から Spark DataFrame にデータを取り込む。 取り込まれたデータの前処理を行う。 モノグロット リポジトリで最もよく使用されているプログラミング言語をクエリする。 モノグロット リポジトリに保存された各言語のコードの平均サイズ（MB）をクエリする。 ポリグロット リポジトリで最もよく見られる言語ファイルをクエリする。 クエリ結果を BigQuery に書き戻す。 このノートブック チュートリアル用に作成したリソースを削除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench
Gemini Enterprise Agent Platform Workbench Dataproc	Dataproc と BigQuery を使用した SparkML。 このチュートリアルでは、BigQuery データセットからデータを取得し、探索的データ分析、データのクリーニング、特徴量エンジニアリング、モデルのトレーニング、モデルの評価、結果の出力、Cloud Storage バケットへのモデルの保存を行う Apache SparkML ジョブを実行します。Gemini Enterprise Agent Platform Workbench の詳細を確認する。Dataproc についても学習します。 チュートリアルのステップ Google Cloud プロジェクトと Dataproc クラスタを設定する。 Cloud Storage バケットと BigQuery データセットを作成する。 sparkbigqueryconnector を構成する。 BigQuery データを Spark DataFrame に取り込む。 探索的データ分析（EDA）を実行する。 サンプルを使用してデータを可視化する。 データをクリーニングする。 特徴を選択する。 モデルをトレーニングする。 結果を出力する。 モデルを Cloud Storage バケットに保存する。 チュートリアル用に作成したリソースを削除する。	Colab Colab Enterprise GitHub Gemini Enterprise Agent Platform Workbench