Agent Platform 筆記本教學課程

本文列出可用的 Vertex AI 筆記本教學課程。 這些端對端教學課程可協助您開始使用 Vertex AI，並提供特定專案的實作方式。

您可以透過許多環境代管筆記本。您可以使用 Colaboratory (Colab)、Colab Enterprise 或 Vertex AI Workbench 等服務，在雲端執行這些筆記本。或者，您也可以從 GitHub 下載筆記本，並在本機電腦或本機網路的 JupyterLab 實作項目中執行。

Colab

如要在 Colab 中開啟筆記本教學課程，請點按筆記本清單中的「Colab」連結。Colab 會建立具備所有必要依附元件的 VM 執行個體、啟動 Colab 環境，並載入筆記本。

Colab Enterprise

如要在 Colab Enterprise 中開啟筆記本教學課程，請按照下列步驟操作：

1. 設定 Google Cloud 專案並啟用必要的 API。
2. 點選筆記本清單中的「Colab Enterprise」連結。Colab Enterprise 會載入筆記本。

Vertex AI Workbench

如要在 Vertex AI Workbench 中開啟筆記本教學課程，請按照下列步驟操作：

1. 建立 Vertex AI Workbench 執行個體。
2. 按一下筆記本清單中的「Agent Platform Workbench」連結。
3. 選取有效的 Vertex AI Workbench 執行個體。如果沒有任何執行個體正在執行，請選取執行個體，然後按一下「啟動」。執行個體啟動後，請再次選取該執行個體。
4. 按一下「Deploy」(部署)。
5. 在「Confirm deployment to notebook server」(確認部署至 Notebook 伺服器) 頁面中，選取「Confirm」(確認)。 Vertex AI Workbench 會載入筆記本。
6. 在「Select kernel」對話方塊中選取「Python 3」，然後按一下「Select」。

GitHub

如要從 GitHub 下載筆記本教學課程，請按照下列步驟操作：

1. 按一下筆記本清單中的「GitHub」GitHub連結。
2. 在 GitHub 中，按一下「Download raw file」(下載原始檔案)按鈕。
3. 完成對話方塊，即可下載筆記本。

筆記本清單

請選取服務 Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI Vertex AI

服務	說明	開啟方式
表格資料分類	AutoML 表格訓練和預測。 瞭解如何根據表格資料集訓練 AutoML 模型及進行預測。 進一步瞭解表格資料的分類。 教學課程步驟 建立 Vertex AI 模型訓練工作。 訓練 AutoML 表格模型。 將模型資源部署至服務端點資源。 傳送資料以進行預測。 取消部署模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
從圖片分類模型取得預測結果	訓練 AutoML 圖片分類模型，用於批次預測。 在本教學課程中，您將透過 Python 指令碼建立 AutoML 圖片分類模型，然後使用 Vertex SDK 進行批次預測。 進一步瞭解如何透過圖片分類模型取得預測結果。 教學課程步驟 建立 Vertex 資料集資源。 訓練模型。 查看模型評估結果。 進行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
從圖片分類模型取得預測結果	訓練 AutoML 圖片分類模型，用於線上預測。 在本教學課程中，您將使用 Vertex SDK，透過 Python 指令碼建立 AutoML 圖片分類模型，並部署該模型以進行線上預測。 進一步瞭解如何透過圖片分類模型取得預測結果。 教學課程步驟 建立 Vertex Dataset 資源。 訓練模型。 查看模型評估結果。 將 Model 資源部署至服務 Endpoint 資源。 進行預測。 取消部署 Model。	Colab Colab Enterprise GitHub Vertex AI Workbench
AutoML	訓練 AutoML 圖片物件偵測模型，以便匯出至 Edge。 在本教學課程中，您將使用 Vertex SDK，透過 Python 指令碼建立 AutoML 圖片物件偵測模型，然後以 TFLite 格式匯出模型做為 Edge 模型。 教學課程步驟 建立 Vertex 資料集資源。 訓練模型。 將模型資源中的邊緣模型匯出至 Cloud Storage。 在本機下載模型。 進行本機預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
圖片資料的物件偵測	訓練 AutoML 圖片物件偵測模型，用於線上預測。 在本教學課程中，您將建立 AutoML 圖片物件偵測模型，並使用 Agent Platform SDK，透過 Python 指令碼部署模型以進行線上預測。 進一步瞭解圖片資料的物件偵測。 教學課程步驟 建立 Vertex AI 資料集資源。 訓練模型。 查看模型評估結果。 將模型資源部署至服務端點資源。 進行預測。 取消部署模型。	Colab Colab Enterprise GitHub Vertex AI Workbench
端對端 AutoML 的表格工作流程	AutoML Tabular Workflow 管道。 瞭解如何使用從 Google Cloud Pipeline Components 下載的 Gemini Enterprise Agent Platform Pipelines，建立兩個迴歸模型。 進一步瞭解 E2E AutoML 的表格工作流程。 教學課程步驟 建立訓練管道，將搜尋空間從預設值縮減，以節省時間。 建立訓練管道，重複使用先前管道的架構搜尋結果，節省時間。	Colab Colab Enterprise GitHub Vertex AI Workbench
AutoML 訓練	開始使用 AutoML 訓練作業。 瞭解如何使用 AutoML 搭配 Vertex AI 進行訓練。 進一步瞭解 AutoML 訓練。 教學課程步驟 訓練圖片模型 將圖片模型匯出為邊緣模型 訓練表格模型 將表格模型匯出為雲端模型 訓練文字模型	Colab Colab Enterprise GitHub Vertex AI Workbench
表格資料的階層式預測	Vertex AI AutoML 訓練階層式預測模型，用於批次預測。 在本教學課程中，您將建立 AutoML 階層式預測模型，並使用 Agent Platform SDK for Python 部署該模型，以進行批次預測。 進一步瞭解表格資料的階層式預測。 教學課程步驟 建立 Vertex AI TimeSeriesDataset 資源。 訓練模型。 查看模型評估結果。 進行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
圖片資料的物件偵測	AutoML 訓練圖片物件偵測模型，用於批次預測。 在本教學課程中，您將透過 Python 指令碼建立 AutoML 圖片物件偵測模型，然後使用 Agent Platform SDK for Python 進行批次預測。 進一步瞭解圖片資料的物件偵測。 教學課程步驟 建立 Vertex 資料集資源。 訓練模型。 查看模型評估結果。 進行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
使用 AutoML 進行預測	用於批次預測的 AutoML 表格預測模型。 瞭解如何透過 Python 指令碼建立 AutoML 表格型預測模型，然後使用 Agent Platform SDK 產生批次預測。 進一步瞭解如何使用 AutoML 進行預測。 教學課程步驟 建立 Vertex AI 資料集資源。 訓練 AutoML 表格預測模型資源。 取得模型資源的評估指標。 進行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
表格資料迴歸	使用 BigQuery 透過 AutoML 訓練表格迴歸模型，進行批次預測。 瞭解如何使用 Agent Platform SDK for Python 建立 AutoML 表格型迴歸模型，並部署該模型以進行批次預測。 進一步瞭解表格資料迴歸。 教學課程步驟 建立 Vertex AI 資料集資源。 訓練 AutoML 表格迴歸模型資源。 取得模型資源的評估指標。 進行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
表格資料迴歸	使用 BigQuery 訓練 AutoML 表格迴歸模型，進行線上預測。 瞭解如何使用 Agent Platform SDK，透過 Python 指令碼建立 AutoML 表格型迴歸模型，並部署模型以進行線上預測。 進一步瞭解表格資料迴歸。 教學課程步驟 建立 Vertex 資料集資源。 訓練模型。 查看模型評估結果。 將模型資源部署至服務端點資源。 進行預測。 取消部署模型。	Colab Colab Enterprise GitHub Vertex AI Workbench
BigQuery ML	開始使用 BigQuery ML 訓練。 瞭解如何使用 BigQuery ML 搭配 Vertex AI 進行訓練。 進一步瞭解 BigQuery ML。 教學課程步驟 在專案中建立本機 BigQuery 資料表 訓練 BigQuery ML 模型 評估 BigQuery ML 模型 將 BigQuery ML 模型匯出為雲端模型 將匯出的模型上傳為 Vertex AI 模型資源 使用 Vertex AI Vizier 調整 BigQuery ML 模型的超參數 自動將 BigQuery ML 模型註冊至 Model Registry	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練 Vertex AI Inference	使用 FastAPI 和 Vertex AI 自訂容器服務部署虹膜偵測模型。 瞭解如何在 Vertex AI 上建立、部署及提供自訂分類模型。 進一步瞭解自訂訓練。 進一步瞭解 Vertex AI Inference。 教學課程步驟 訓練模型，以花卉的測量資料當做輸入內容，預測鳶尾花品種。 儲存模型和序列化預先處理器。 建構 FastAPI 伺服器，處理預測和健康狀態檢查。 使用模型構件建構自訂容器。 將自訂容器上傳並部署至 Vertex AI 端點。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	使用 BigQuery 資料訓練 TensorFlow 模型。 瞭解如何使用 Agent Platform SDK for Python，從 Docker 容器中的 Python 指令碼建立自訂訓練模型，然後傳送資料，從已部署的模型取得預測結果。 進一步瞭解 Vertex AI 訓練。 教學課程步驟 建立 Vertex AI 自訂 TrainingPipeline，用於訓練模型。 訓練 TensorFlow 模型。 將 Model 資源部署至服務 Endpoint 資源。 進行預測。 取消部署 Model 資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練	使用自訂容器映像檔進行自訂訓練，並自動將模型上傳至 Model Registry。 在本教學課程中，您將訓練機器學習模型自訂容器映像檔，以便在 Vertex AI 中進行自訂訓練。 進一步瞭解自訂訓練。 教學課程步驟 建立 Vertex AI 自訂工作，訓練模型。 使用自訂容器訓練及註冊 TensorFlow 模型。 列出 Model Registry 中註冊的模型。	Colab Colab Enterprise GitHub Vertex AI Workbench
Cloud Profiler	使用 Cloud Profiler 分析模型訓練成效。 瞭解如何為自訂訓練工作啟用 Cloud Profiler。 進一步瞭解 Cloud Profiler。 教學課程步驟 設定服務帳戶和 Cloud Storage 值區 建立 Vertex AI TensorBoard 執行個體 建立及執行自訂訓練工作 查看 Cloud Profiler 資訊主頁	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練	開始使用 Vertex AI 訓練 for XGBoost。 瞭解如何使用 Vertex AI 訓練 訓練 XGBoost 自訂模型。進一步瞭解自訂訓練。 教學課程步驟 使用 Python 套件進行訓練。 超參數調整時的準確度。 使用 Cloud StorageFuse 將模型構件儲存至 Cloud Storage。 建立 Vertex AI 模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
跨部署作業共用資源	開始使用端點和共用 VM。 瞭解如何使用部署資源集區部署模型。 進一步瞭解跨部署作業的共用資源。 教學課程步驟 上傳預先訓練的圖片分類模型做為 Model 資源 (模型 A)。 上傳預先訓練的文字句子編碼器模型做為 Model 資源 (模型 B)。 建立共用 VM 部署資源集區。 列出共用的 VM 部署資源集區。 建立兩個 Endpoint 資源。 使用部署資源集區，將第一個模型 (模型 A) 部署至第一個 Endpoint 資源。 使用部署資源集區，將第二個模型 (模型 B) 部署至第二個 Endpoint 資源。 使用第一個部署的模型 (模型 A) 提出預測要求。 使用第二個部署的模型 (模型 B) 提出預測要求。	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練 Vertex AI Batch Prediction	自訂訓練和批次預測。 瞭解如何使用 Vertex AI 訓練建立自訂訓練模型，並使用 Vertex AI Batch Prediction 對訓練好的模型進行批次預測。進一步瞭解自訂訓練。 進一步瞭解 Vertex AI Batch Prediction。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 TensorFlow 模型。 將訓練好的模型構件上傳為模型資源。 進行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練 Vertex AI Inference	自訂訓練和線上預測。 瞭解如何使用 Vertex AI Training，從 Docker 容器中的 Python 指令碼建立自訂訓練模型，以及如何使用 Vertex AI Inference 傳送資料，對已部署的模型進行預測。 進一步瞭解自訂訓練。 進一步瞭解 Vertex AI Inference。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 TensorFlow 模型。 將訓練好的模型構件上傳至 Model 資源。 建立供應 Endpoint 資源。 將 Model 資源部署至服務 Endpoint 資源。 進行預測。 取消部署 Model 資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
BigQuery 資料集 Vertex AI for BigQuery 使用者	開始使用 BigQuery 資料集。 瞭解如何使用 BigQuery 做為 Vertex AI 的訓練資料集。 進一步瞭解 BigQuery 資料集。 進一步瞭解 Vertex AI for BigQuery 使用者。 教學課程步驟 從 BigQuery 資料表建立 Vertex AI 資料集資源，以便用於 AutoML 訓練。 從 BigQuery 將資料集副本擷取至 Cloud Storage 中的 CSV 檔案，以便用於 AutoML 或自訂訓練。 從 BigQuery 資料集選取資料列，匯入與自訂訓練相容的 pandas DataFrame。 從 BigQuery 資料集選取資料列，並轉換為 tf.data.Dataset 相容格式，以用於自訂訓練 TensorFlow 模型。 從擷取的 CSV 檔案中選取資料列，然後匯入tf.data.Dataset與自訂訓練 TensorFlow 模型相容的檔案。 從 CSV 檔案建立 BigQuery 資料集。 從 BigQuery 資料表擷取資料，並轉換為與自訂訓練 XGBoost 模型相容的 DMatrix。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments Vertex ML Metadata	為自訂訓練建立 Vertex AI 實驗沿襲。 瞭解如何在 Vertex AI 實驗中整合前處理程式碼。 進一步瞭解 Vertex AI Experiments。 進一步瞭解 Vertex ML Metadata。 教學課程步驟 執行模組來預先處理資料 建立資料集構件 記錄參數 執行模組來訓練模型 記錄參數 建立模型構件 將追蹤歷程指派給資料集、模型和參數	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments	追蹤在本機訓練模型的參數和指標。 瞭解如何使用 Vertex AI Experiments 比較及評估模型實驗。 進一步瞭解 Vertex AI Experiments。 教學課程步驟 記錄模型參數 在每個訓練週期將損失和指標記錄到 Vertex AI TensorBoard 記錄評估指標	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments Gemini Enterprise Agent Platform Pipelines	使用 Vertex AI Experiments 比較管道執行作業。 瞭解如何使用 Vertex AI Experiments 記錄管道工作，然後比較不同的管道工作。 進一步瞭解 Vertex AI Experiments。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 教學課程步驟 正式推出訓練元件 建構訓練管道 執行多項管道工作並記錄結果 比較不同的管道工作	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard	刪除 Vertex AI TensorBoard 中的過時實驗。 瞭解如何刪除過時的 Vertex AI TensorBoard 實驗，避免產生不必要的儲存空間費用。 進一步瞭解 Vertex AI TensorBoard。 教學課程步驟 如何使用預先定義的鍵/值標籤組合 刪除 TB 實驗 如何刪除 create_time前建立的 TB 實驗 如何刪除 update_time前建立的 TB 實驗	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments	自訂訓練自動記錄 - 本機指令碼。 瞭解如何運用與 Vertex AI Experiments 的整合功能，自動記錄在 Vertex AI 訓練 上執行的機器學習實驗參數和指標。 教學課程步驟 在指令碼中正式進行模型實驗 在 Vertex AI 訓練 上使用本機指令碼執行模型訓練 在 Vertex AI Experiments 中查看機器學習實驗參數和指標	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments Vertex ML Metadata Custom training	開始使用 Vertex AI Experiments。 瞭解如何在使用 Vertex AI 訓練模型時，運用 Vertex AI Experiments。 進一步瞭解 Vertex AI Experiments。 進一步瞭解 Vertex ML Metadata。進一步瞭解自訂訓練。 教學課程步驟 本機 (筆記本) 訓練 建立實驗。 在實驗中建立第一次執行。 記錄參數和指標。 建立構件沿襲。 以圖表呈現實驗結果。 執行第二次。 比較實驗中的兩次執行作業。 雲端 (Vertex AI) 訓練 訓練指令碼中	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments	自動記錄。 瞭解如何使用 Vertex AI 自動記錄功能。 教學課程步驟 在 Agent Platform SDK 中啟用自動記錄功能。 訓練 scikit-learn 模型，並查看產生的實驗執行作業 (會自動記錄指標和參數至 Vertex AI Experiments)，無須自行設定。 訓練 TensorFlow 模型，並透過手動設定實驗執行作業 (使用 aiplatform.start_run() 和 aiplatform.end_run())，將自動記錄的指標和參數傳送至 Vertex AI Experiments。 在 Agent Platform SDK 中停用自動記錄功能，訓練 PyTorch 模型，並確認系統未記錄任何參數或指標。	Colab Colab Enterprise GitHub Vertex AI Workbench
表格資料分類 Vertex Explainable AI	AutoML 表格型二元分類模型的批次說明。 瞭解如何使用 AutoML 從 Python 指令碼建立表格型二元分類模型，然後瞭解如何使用 Vertex AI Batch Prediction 進行預測並提供說明。 進一步瞭解表格資料的分類。 進一步瞭解 Vertex Explainable AI。 教學課程步驟 建立 Vertex AI 代管資料集資源。 訓練 AutoML 表格型二元分類模型。 查看訓練後模型的模型評估指標。 提出批次預測要求，並提供可解釋性。	Colab Colab Enterprise GitHub Vertex AI Workbench
表格資料分類 Vertex Explainable AI	AutoML 訓練表格型分類模型，用於線上說明。 瞭解如何使用 AutoML，透過 Python 指令碼建立表格型二元分類模型。 進一步瞭解表格資料的分類。 進一步瞭解 Vertex Explainable AI。 教學課程步驟 建立 Vertex AI 資料集資源。 訓練 AutoML 表格型二元分類模型。 查看訓練後模型的模型評估指標。 建立服務端點資源。 將模型資源部署至服務端點資源。 提出線上預測要求，並提供可解釋性。 取消部署 Model 資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Batch Prediction	自訂訓練圖片分類模型，用於批次預測並提供可解釋性。 瞭解如何使用 Vertex AI Training and Vertex Explainable AI 建立附帶說明的自訂圖片分類模型，然後瞭解如何使用 Vertex AI Batch Prediction 提出附帶說明的批次預測要求。 進一步瞭解 Vertex Explainable AI。 進一步瞭解 Vertex AI Batch Prediction。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 TensorFlow 模型。 查看訓練後模型的模型評估結果。 設定模型部署時的說明參數。 將訓練好的模型構件和說明參數上傳為 Model 資源。 進行附有解釋的批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Inference	自訂訓練圖片分類模型，用於線上預測並提供可解釋性。 瞭解如何使用 Vertex AI 訓練和 Vertex Explainable AI，建立附帶說明的自訂圖像分類模型。 進一步瞭解 Vertex Explainable AI。 進一步瞭解 Vertex AI Inference。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 TensorFlow 模型。 查看訓練後模型的模型評估結果。 設定模型部署時的說明參數。 將訓練好的模型構件和說明上傳為模型資源。 建立服務端點資源。 將模型資源部署至服務端點資源。 提供附有解釋的預測結果。 取消部署模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Batch Prediction	自訂訓練表格迴歸模型，以進行批次預測並提供可解釋性。 瞭解如何使用 Vertex AI 訓練和 Vertex Explainable AI，建立附帶說明的自訂圖像分類模型。 進一步瞭解 Vertex Explainable AI。 進一步瞭解 Vertex AI Batch Prediction。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 TensorFlow 模型。 查看訓練後模型的模型評估結果。 設定模型的說明參數。 將訓練好的模型構件上傳為模型資源。 進行附有解釋的批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Inference	自訂訓練表格迴歸模型，用於線上預測並提供可解釋性。 瞭解如何使用 Vertex AI 訓練和 Vertex Explainable AI，建立附帶說明的自訂表格迴歸模型。 進一步瞭解 Vertex Explainable AI。 進一步瞭解 Vertex AI Inference。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 TensorFlow 模型。 查看訓練後模型的模型評估結果。 設定模型部署時的說明參數。 將訓練好的模型構件和說明上傳為模型資源。 建立服務端點資源。 將模型資源部署至服務端點資源。 提供附有解釋的預測結果。 取消部署模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Inference	使用 get_metadata 訓練自訂表格迴歸模型，以便進行線上預測並提供可解釋性。 瞭解如何使用 Agent Platform SDK，在 Google 預先建構的 Docker 容器中，透過 Python 指令碼建立自訂模型。 進一步瞭解 Vertex Explainable AI。 進一步瞭解 Vertex AI Inference。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 TensorFlow 模型。 訓練 TensorFlow 模型。 擷取並載入模型構件。 查看訓練後模型的模型評估結果。 設定說明參數。 將模型上傳為 Vertex AI 模型資源。 將模型資源部署至服務端點資源。 提供附有解釋的預測結果。 取消部署 Model 資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Inference	運用 Vertex Explainable AI 解釋圖像分類。 瞭解如何為預先訓練的圖片分類模型設定特徵說明，並取得附有說明的線上和批次預測結果。 進一步瞭解 Vertex Explainable AI。 進一步瞭解 Vertex AI Inference。 教學課程步驟 從 TensorFlow Hub 下載預先訓練模型 上傳模型以進行部署 部署模型以進行線上預測 進行線上預測並取得說明 進行附有說明的批次預測	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI	運用 Vertex Explainable AI 解釋文字分類。 瞭解如何使用取樣 Shapley 方法，在 TensorFlow 文字分類模型上設定特徵說明，以便進行線上預測並提供說明。 進一步瞭解 Vertex Explainable AI。 教學課程步驟 建構及訓練 TensorFlow 文字分類模型 上傳模型以進行部署 部署模型以進行線上預測 進行線上預測並取得說明	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	透過 Vertex AI 特徵儲存庫提供線上特徵供應，並擷取 BigQuery 資料。 瞭解如何建立及使用線上特徵儲存庫執行個體，在特徵值服務和擷取使用者歷程的端對端工作流程中，透過 Vertex AI 特徵儲存庫在 BigQuery 中代管及提供資料。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 佈建線上特徵儲存庫執行個體，用於代管及提供資料。 向線上特徵儲存庫執行個體註冊 BigQuery 檢視區塊，並設定同步工作。 使用線上伺服器擷取特徵值，進行線上預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	透過 Vertex AI 特徵儲存庫最佳化服務，線上提供特徵並擷取 BigQuery 資料。 瞭解如何建立及使用線上特徵儲存庫執行個體，在特徵值服務和擷取的端對端工作流程中，透過 Vertex AI 特徵儲存庫在 BigQuery 中代管及提供資料。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 使用公用或私有端點，透過最佳化線上提供佈建線上特徵儲存庫執行個體，以代管及提供資料。 向線上特徵儲存庫執行個體註冊 BigQuery 檢視區塊，並設定同步工作。 使用線上伺服器擷取特徵值，進行線上預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	透過 Vertex AI 特徵儲存庫，提供線上特徵並擷取 BigQuery 資料的向量。 瞭解如何建立及使用線上特徵儲存庫執行個體，在特徵服務和向量擷取使用者歷程的端對端工作流程中，透過 Vertex AI 特徵儲存庫代管及提供 BigQuery 中的資料。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 佈建線上特徵儲存庫執行個體，用於代管及提供資料。 建立線上特徵商店執行個體，用於提供 BigQuery 資料表。 使用線上伺服器搜尋最鄰近項目。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	以 Vertex AI 特徵儲存庫為基礎的 LLM 依據功能教學課程。 瞭解如何建立及使用線上特徵儲存庫執行個體，在特徵服務和向量擷取使用者歷程的端對端工作流程中，透過 Vertex AI 特徵儲存庫代管及提供 BigQuery 中的資料。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 佈建線上特徵儲存庫執行個體，用於代管及提供資料。 建立線上特徵商店執行個體，用於提供 BigQuery 資料表。 使用線上伺服器搜尋最鄰近項目。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	Vertex AI 特徵儲存庫特徵檢視服務代理程式教學課程。 瞭解如何在 Vertex AI 特徵儲存庫中，為特徵檢視區使用專屬服務代理程式。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 建立已設定為使用專屬服務帳戶的特徵檢視區塊。 系統會為每個特徵檢視區塊建立服務帳戶，用於從 BigQuery 同步處理資料。 Get/List 功能檢視畫面 API 會傳回自動建立的服務帳戶。使用者需要呼叫 bq addiampolicybinding 指令，將 roles/bigquery.dataViewer 授予服務帳戶。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	在 Vertex AI 特徵儲存庫 (舊版) 中串流匯入 SDK。 瞭解如何使用 Agent Platform SDK 中的 write_feature_values 方法，從 Pandas DataFrame 將特徵匯入 Vertex AI 特徵儲存庫。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 建立特徵儲存庫。 為 featurestore 建立新的實體類型。 將特徵值從 Pandas DataFrame 匯入特徵儲存庫中的實體類型。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	搭配 Pandas DataFrame 使用 Vertex AI 特徵儲存庫 (舊版)。 瞭解如何搭配使用 Vertex AI Feature Store 與 pandas DataFrame。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 建立 Featurestore、EntityType 和 Feature 資源。 將特徵值從 Pandas DataFrame 匯入實體型別。 從線上特徵儲存庫將實體特徵值讀取至 Pandas DataFrame。 將特徵儲存庫中的特徵值批次提供給 Pandas DataFrame。 線上提供更新後的特徵值。 擷取訓練用特徵值的時間點正確性。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 特徵儲存庫	使用 Vertex AI 特徵儲存庫 (舊版) 進行線上和批次預測。 瞭解如何使用 Vertex AI Feature Store 匯入特徵資料，以及如何存取特徵資料，以用於線上提供和離線工作 (例如訓練)。 進一步瞭解 Vertex AI 特徵儲存庫。 教學課程步驟 建立 Featurestore、EntityType 和 Feature 資源。 將特徵資料匯入 Featurestore 資源。 使用匯入的特徵，提供線上預測要求。 在離線工作 (例如訓練工作) 中存取匯入的特徵。 使用串流匯入功能匯入少量資料。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 生成式 AI 支援服務總覽	使用 RLHF 微調模型執行 Vertex AI LLM 批次推論。 在本教學課程中，您將使用 Vertex AI，從經過 RLHF 微調的大型語言模型取得預測結果。 進一步瞭解 Vertex AI 中的生成式 AI 支援服務總覽。 教學課程步驟 使用預先定義的範本建立 Vertex AI Pipeline 工作，進行大量推論。 使用 Gemini Enterprise Agent Platform Pipelines 執行管道。 針對特定資料集，根據模型產生預測結果。	Colab Enterprise GitHub Vertex AI Workbench
generative_ai	蒸餾大型語言模型。 瞭解如何使用 Vertex AI LLM 提煉及部署大型語言模型。 教學課程步驟 取得 Vertex AI LLM 模型。 模型蒸餾(這會自動建立 Vertex AI 端點，並將模型部署至該端點)。 使用 Vertex AI LLM 進行預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
文字嵌入	使用嵌入項目進行語意搜尋。 在本教學課程中，我們將示範如何建立從文字生成的嵌入，以及執行語意搜尋。 進一步瞭解文字嵌入。 教學課程步驟 安裝和匯入 建立嵌入資料集 建立索引 查詢索引	Colab Colab Enterprise GitHub Vertex AI Workbench
generative_ai	在 Vertex AI 上取得文字嵌入。 瞭解如何使用文字嵌入模型和文字取得文字嵌入。 教學課程步驟	Colab Colab Enterprise GitHub Vertex AI Workbench
generative_ai	在 Vertex AI 上取得文字嵌入。 瞭解如何使用文字嵌入模型和文字取得文字嵌入。 教學課程步驟	Colab Colab Enterprise GitHub Vertex AI Workbench
使用監督式調整功能調整文字模型	使用 Vertex AI 微調 PEFT 模型。 瞭解如何使用 Vertex AI LLM 微調及部署 PEFT 大型語言模型。 進一步瞭解如何使用監督式調整功能調整文字模型。 教學課程步驟 取得 Vertex AI LLM 模型。 調整模型。 系統會自動建立 Vertex AI 端點，並將模型部署至該端點。 使用 Vertex AI LLM 進行預測。 使用 Vertex AI Inference 進行預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
generative_ai	在 Vertex AI 上取得微調的文字嵌入。 瞭解如何調整文字嵌入模型。 教學課程步驟	Colab GitHub Vertex AI Workbench
PaLM API	搭配大型語言模型使用 Agent Platform SDK。 瞭解如何將文字輸入 Vertex AI 提供的大型語言模型，測試、調整及部署生成式 AI 語言模型。 進一步瞭解 PaLM API。 教學課程步驟 使用 Vertex AI PaLM API 的預測端點，接收訊息的生成式 AI 回覆。 使用文字嵌入端點接收訊息的向量表示法。 根據輸入/輸出訓練資料，對 LLM 執行提示調整。	Colab Colab Enterprise GitHub Vertex AI Workbench
遷移至 Vertex AI 圖片資料分類	AutoML Image Classification。 瞭解如何使用 AutoML 訓練圖片模型，並使用 Vertex AI Inference 和 Vertex AI batch inference 進行線上和批次預測。 進一步瞭解如何遷移至 Vertex AI。 進一步瞭解圖片資料的分類。 教學課程步驟 訓練 AutoML 圖片分類模型。 進行批次預測。 將模型部署至端點 進行線上預測	Colab Colab Enterprise GitHub Vertex AI Workbench
遷移至 Vertex AI 圖片資料的物件偵測	AutoML 圖片物件偵測。 瞭解如何使用 AutoML 訓練圖片模型，並使用 Vertex AI Inference 和 Vertex AI Batch Prediction 進行線上和批次預測。 進一步瞭解如何遷移至 Vertex AI。 進一步瞭解圖片資料的物件偵測。 教學課程步驟 訓練 AutoML 物件偵測模型。 進行批次預測。 將模型部署至端點 進行線上預測	Colab Colab Enterprise GitHub Vertex AI Workbench
遷移至 Vertex AI 表格資料分類	AutoML 表格型二元分類。 在本教學課程中，您將使用 Agent Platform SDK，透過 Python 指令碼建立 AutoML 表格二元分類模型，並部署該模型以進行線上預測。 進一步瞭解如何遷移至 Vertex AI。 進一步瞭解表格資料的分類。 教學課程步驟 建立 Vertex AI 資料集資源。 訓練模型。 查看模型評估結果。 將模型資源部署至服務端點資源。 進行預測。 取消部署模型	Colab Colab Enterprise GitHub Vertex AI Workbench
遷移至 Vertex AI 自訂訓練	使用自訂訓練容器進行自訂圖片分類。 瞭解如何使用自訂容器和 Vertex AI 訓練，訓練 TensorFlow 圖片分類模型。 進一步瞭解如何遷移至 Vertex AI。 進一步瞭解自訂訓練。 教學課程步驟 將訓練程式碼封裝到 Python 應用程式中。 使用 Cloud Build 和 Artifact Registry 將訓練應用程式容器化。 在 Vertex AI 中建立並運作執行自訂容器訓練工作。 評估訓練作業產生的模型。 在 Model Registry 中，為訓練好的模型建立模型資源。 執行 Vertex AI 批次推論工作。 將模型資源部署至 Vertex AI 端點。 在模型資源上執行線上預測工作。 清理建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
遷移至 Vertex AI 自訂訓練簡介	使用預先建立的訓練容器進行自訂圖片分類。 瞭解如何使用預建容器和 Vertex AI 訓練，訓練 TensorFlow 圖片分類模型。 進一步瞭解如何遷移至 Vertex AI。 進一步瞭解自訂訓練總覽。 教學課程步驟 將訓練程式碼封裝到 Python 應用程式中。 使用 Cloud Build 和 Artifact Registry 將訓練應用程式容器化。 在 Vertex AI 中建立並運作執行自訂容器訓練工作。 評估訓練作業產生的模型。 在 Model Registry 中，為訓練好的模型建立模型資源。 執行 Vertex AI 批次推論工作。 將模型資源部署至 Vertex AI 端點。 在模型資源上執行線上預測工作。 清理建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
遷移至 Vertex AI 自訂訓練簡介	使用預先建立的訓練容器，搭配自訂 Scikit-Learn 模型。 瞭解如何使用 Vertex AI 訓練建立自訂訓練模型。進一步瞭解如何遷移至 Vertex AI。 進一步瞭解自訂訓練總覽。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 scikit-learn 模型。 將訓練好的模型構件上傳為模型資源。 產生批次預測。 將模型資源部署至服務端點資源。 產生線上預測。 取消部署模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
遷移至 Vertex AI 自訂訓練簡介	使用預先建立的訓練容器建立自訂 XGBoost 模型。 瞭解如何使用 Vertex AI 訓練建立自訂訓練模型。進一步瞭解如何遷移至 Vertex AI。 進一步瞭解自訂訓練總覽。 教學課程步驟 建立 Vertex AI 自訂工作，訓練 xgboost 模型。 將訓練好的模型構件上傳為模型資源。 產生批次預測。 將模型資源部署至服務端點資源。 產生線上預測。 取消部署模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 超參數調整 自訂訓練	超參數調整。 瞭解如何使用 Vertex AI 超參數建立及調整自訂訓練模型。 進一步瞭解 Vertex AI 超參數調整。 進一步瞭解自訂訓練。 教學課程步驟 建立 Vertex AI 超參數調整工作，訓練 TensorFlow 模型。	Colab Colab Enterprise GitHub Vertex AI Workbench
Google Artifact Registry 說明文件	開始使用 Google Artifact Registry。 瞭解如何使用 Google Artifact Registry。 詳情請參閱 Google Artifact Registry 說明文件。 教學課程步驟 建立私人 Docker 存放區。 標記容器映像檔 (僅限私人 Docker 存放區)。 將容器映像檔推送至私人 Docker 存放區。 從私人 Docker 存放區提取容器映像檔。 刪除私人的 Docker 存放區。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata	追蹤自訂訓練工作的參數和指標。 瞭解如何使用 Agent Platform SDK for Python 執行下列操作： 教學課程步驟 追蹤自訂訓練工作的訓練參數和預測指標。 擷取並分析實驗中的所有參數和指標。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata	追蹤在本機訓練模型的參數和指標。 瞭解如何使用 Vertex ML Metadata 追蹤訓練參數和評估指標。進一步瞭解 Vertex ML Metadata。 教學課程步驟 追蹤在本機訓練模型的參數和指標。 擷取並分析實驗中的所有參數和指標。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata Gemini Enterprise Agent Platform Pipelines	使用 Vertex ML Metadata 追蹤 Gemini Enterprise Agent Platform Pipelines 執行作業中的構件和指標。 瞭解如何在 Vertex AI Pipeline 執行中，透過 Vertex ML Metadata 追蹤構件和指標。 進一步瞭解 Vertex ML Metadata。進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 教學課程步驟 使用 Kubeflow Pipelines SDK 建構在 Vertex AI 上執行的機器學習 pipeline。 這個管道會建立資料集、訓練 scikit-learn 模型，並將模型部署至端點。 撰寫自訂管道元件，產生構件和中繼資料。 比較 Vertex AI Pipeline 執行作業，包括在 Google Cloud 控制台和以程式輔助方式進行比較。 追蹤管道產生的構件歷程。 查詢管道執行作業中繼資料。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型評估 表格資料分類	評估 AutoML 表格分類模型產生的批次預測結果。 瞭解如何訓練 Vertex AI AutoML 表格分類模型，以及如何透過 Vertex AI pipeline 工作評估模型，使用 google_cloud_pipeline_components： 進一步瞭解 Vertex AI 模型評估。 進一步瞭解表格資料的分類。 教學課程步驟 建立 Vertex AI Dataset。 在 Dataset 資源上訓練 AutoML 表格分類模型。 將訓練好的 AutoML model resource 匯入管道。 執行 Batch Prediction 工作。 使用 Classification Evaluation component 評估 AutoML 模型。 將分類指標匯入 AutoML 模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型評估 表格資料迴歸	評估 AutoML 表格迴歸模型的批次預測結果。 瞭解如何透過 Vertex AI pipeline 工作，使用 google_cloud_pipeline_components 評估 Vertex AI 模型資源： 進一步瞭解 Vertex AI 模型評估。 進一步瞭解表格資料迴歸。 教學課程步驟 建立 Vertex AI 資料集。 設定 AutoMLTabularTrainingJob 類別。 執行 AutoMLTabularTrainingJob，這會傳回模型。 將預先訓練的 AutoML model resource 匯入管道。 在管道中執行 batch prediction 工作。 使用 regression evaluation component 評估 AutoML 模型。 將產生的迴歸指標匯入 AutoML 模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 自訂訓練 Vertex AI 模型評估	評估自訂表格分類模型的 BatchPrediction 結果。 在本教學課程中，您將訓練 scikit-learn RandomForest 模型、將模型儲存至 Model Registry，並瞭解如何使用 Google Cloud Pipeline Components Python SDK，透過 Vertex AI 管道作業評估模型。 進一步瞭解 Vertex AI 自訂訓練。 進一步瞭解 Vertex AI 模型評估。 教學課程步驟 從公開來源擷取資料集。 在本地預先處理資料，並將測試資料儲存在 BigQuery 中。 使用 scikit-learn Python 套件，在本機訓練 RandomForest 分類模型。 在 Artifact Registry 中建立自訂容器，用於預測。 在 Model Registry 中上傳模型。 建立並執行 Vertex AI Pipeline，	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型評估 自訂訓練	評估自訂表格迴歸模型產生的批次預測結果。 瞭解如何透過 Vertex AI 管道作業，使用 Google Cloud 管道元件評估 Vertex AI 模型資源。 進一步瞭解 Vertex AI 模型評估。 進一步瞭解自訂訓練。 教學課程步驟 建立 Vertex AI 自訂訓練工作，訓練 TensorFlow 模型。 執行自訂訓練工作。 擷取並載入模型構件。 查看模型評估結果。 將模型上傳為 Vertex AI 模型資源。 將預先訓練的 Vertex AI 模型資源匯入管道。 在管道中執行批次預測工作。 使用迴歸評估元件評估模型。 將迴歸指標匯入 Vertex AI 模型資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI AutoSxS 模型評估	根據人類偏好資料集檢查自動評估工具的校正情形。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 google_cloud_pipeline_components，透過人類偏好資料檢查自動評估者一致性： 進一步瞭解 Vertex AI AutoSxS 模型評估。 教學課程步驟 使用預測和人類偏好資料建立評估資料集。 在本機預先處理資料，然後儲存至 Cloud Storage。 建立並執行 Vertex AI AutoSxS 管道，根據生成的判斷結果產生判斷結果和一組 AutoSxS 指標。 列印評估結果和 AutoSxS 指標。 清理在本筆記本中建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI AutoSxS 模型評估	在 Model Registry 中，將 LLM 與第三方模型並列評估。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 google_cloud_pipeline_components 評估兩個 LLM 模型的成效差異： 進一步瞭解 Vertex AI AutoSxS 模型評估。 教學課程步驟 從公開來源擷取資料集。 在本地預先處理資料，並將測試資料儲存在 Cloud Storage 中。 建立並執行 Vertex AI AutoSxS Pipeline，生成判斷結果，並使用生成的判斷結果評估兩個候選模型。 列印判斷結果和評估指標。 清理在本筆記本中建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring for batch predictions	搭配模型監控功能使用 Vertex AI 批次預測。 瞭解如何使用 Vertex AI 模型監控服務，偵測批次預測中的偏移和異常情形。 進一步瞭解批次預測的 Vertex AI 模型監控。 教學課程步驟 將預先訓練模型上傳為 Vertex AI 模型資源。 產生批次預測要求。 解讀模型監控功能回報的統計資料、視覺化資料和其他資料。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型監控	Vertex AI 模型監控服務適用於 AutoML 表格模型。 瞭解如何使用 Vertex AI 模型監控服務，偵測 AutoML 表格型模型輸入預測要求中的特徵偏差和偏移。 進一步瞭解 Vertex AI 模型監控。 教學課程步驟 訓練 AutoML 模型。 將模型資源部署至 Vertex AI 端點資源。 設定模型監控的端點資源。 產生偏斜的合成預測要求。 產生用於偵測漂移的合成預測要求。 等待電子郵件快訊通知。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型監控	AutoML 圖片模型線上預測的 Vertex AI 模型監控。 瞭解如何搭配 AutoML 圖片分類模型使用 Vertex AI Model Monitoring 和 Vertex AI Online Prediction，偵測分配外圖片。 進一步瞭解 Vertex AI 模型監控。 教學課程步驟 1. 訓練 AutoML 圖片分類模型。 2. 建立端點。 3. 將模型部署至端點，並設定模型監控。 4. 提交線上預測，其中包含發行中和未發行的圖片。 5. 使用模型監控功能計算每張圖片的異常分數。 6. 找出線上預測要求中無法發布的圖片。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型監控	自訂表格模型的 Vertex AI 模型監控。 瞭解如何使用 Vertex AI 模型監控服務，偵測輸入預測要求中的特徵偏差和偏移情形，適用於自訂表格模型。進一步瞭解 Vertex AI 模型監控。 教學課程步驟 下載預先訓練的自訂表格模型。 將預先訓練模型上傳至 Model Registry。 將模型資源部署至 Vertex AI 端點資源。 設定模型監控的端點資源。 產生合成預測要求，模擬偏斜。 等待電子郵件快訊通知。 產生合成預測要求，模擬漂移。 等待電子郵件快訊通知。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型監控	適用於自訂表格模型 (搭配 TensorFlow Serving 容器) 的 Vertex AI 模型監控。 瞭解如何使用 Vertex AI 模型監控服務，透過自訂部署容器，偵測自訂表格模型輸入預測要求中的特徵偏差和偏移。 進一步瞭解 Vertex AI 模型監控。 教學課程步驟 下載預先訓練的自訂表格模型。 將預先訓練模型上傳為模型資源。 使用「TensorFlow Serving」服務二進位檔，將模型資源部署至端點資源。 設定模型監控的端點資源。 產生偏斜的合成預測要求。 等待電子郵件快訊通知。 產生用於偵測漂移的合成預測要求。 等待電子郵件快訊通知。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型監控	設定 Vertex AI 模型監控服務，監控表格模型。 瞭解如何設定 Vertex AI 模型監控服務，偵測輸入預測要求中的特徵偏差和偏移情形。進一步瞭解 Vertex AI 模型監控。 教學課程步驟 下載預先訓練的自訂表格模型。 將預先訓練模型上傳為模型資源。 將模型資源部署至端點資源。 設定模型監控的端點資源。 偵測特徵輸入的偏差和偏移。 偵測特徵歸因的偏移和偏差。 傳送 1000 個預測要求，自動產生輸入結構定義。 列出、暫停、繼續及刪除監控工作。 使用預先定義的輸入結構定義重新啟動監控工作。 查看記錄的監控資料。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型監控	適用於 XGBoost 模型的 Vertex AI 模型監控。 瞭解如何使用 Vertex AI 模型監控服務，偵測 XGBoost 模型輸入預測要求中的特徵偏差和偏移情形。進一步瞭解 Vertex AI 模型監控。 教學課程步驟 下載預先訓練的 XGBoost 模型。 將預先訓練模型上傳至 Model Registry。 將模型資源部署至 Vertex AI 端點資源。 設定端點資源以監控模型	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 模型監控	Vertex AI 模型監控，搭配 Vertex Explainable AI 特徵歸因。 瞭解如何使用 Vertex AI 模型監控服務，偵測已部署 Vertex AI 模型資源的預測要求中是否有偏移和異常情形。 進一步瞭解 Vertex AI 模型監控。 教學課程步驟 將預先訓練模型上傳為 Vertex AI 模型資源。 建立 Vertex AI 端點資源。 將模型資源部署至端點資源。 設定模型監控的端點資源。 初始化模型監控的基準分布。 產生合成預測要求。 瞭解如何解讀模型監控功能回報的統計資料、視覺化內容和其他資料。	Colab Colab Enterprise GitHub Vertex AI Workbench
model_monitoring_v2	Vertex AI 自訂模型批次預測作業的模型監控。 在本教學課程中，您將完成下列步驟： 教學課程步驟	Colab Colab Enterprise GitHub Vertex AI Workbench
model_monitoring_v2	Vertex AI 自訂模型線上預測的模型監控。 在本教學課程中，您將完成下列步驟： 教學課程步驟	Colab Colab Enterprise GitHub Vertex AI Workbench
Model Registry	開始使用 Model Registry。 瞭解如何使用 Model Registry 建立及註冊多個模型版本。 進一步瞭解Model Registry。 教學課程步驟 建立並向 Model Registry 註冊第一個模型版本。 建立並向 Model Registry 註冊第二個模型版本。 更新預設模型版本。 刪除模型版本。 重新訓練下一個模型版本。	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines AutoML 元件 表格資料分類	使用 google-cloud-pipeline-components 的 AutoML Tabular 管線。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 Google Cloud Pipeline Components，建構 AutoML 表格型分類模型。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解 AutoML 元件。 進一步瞭解表格資料的分類。 教學課程步驟 建立 KFP 管道，用於建立 Vertex AI 資料集。 在管道中新增元件，訓練 AutoML 表格型分類模型資源。 新增可建立 Vertex AI 端點資源的元件。 新增將模型資源部署至端點資源的元件。 編譯 KFP 管道。 使用 Gemini Enterprise Agent Platform Pipelines 執行 KFP 管道。	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	將模型部署至正式環境的「挑戰者與已核准」方法。 瞭解如何建構 Vertex AI pipeline，訓練新版模型、評估模型，並與現有已核准的正式環境模型進行比較。 教學課程步驟 將預先訓練 (已核准) 的模型匯入 Model Registry。 將合成模型評估指標匯入對應的 (已認可) 模型。 建立 Vertex AI 端點資源 將通過驗證的模型部署至端點資源。 建立 Vertex AI Pipeline，執行下列步驟：	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	使用 KFP SDK 的管道控制結構。 瞭解如何使用 KFP SDK 建構管道，包括使用迴圈和條件式，以及巢狀範例。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 教學課程步驟 使用控制流程元件建立 KFP 管道 編譯 KFP 管道 使用 Gemini Enterprise Agent Platform Pipelines 執行 KFP 管道	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines 自訂訓練元件	使用預先建構的 Google Cloud 管道元件進行自訂訓練。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 Google Cloud Pipeline Components 建構自訂模型。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解自訂訓練元件。 教學課程步驟 建立 KFP 管道	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines Vertex AI 批次預測元件	使用 BigQuery 來源和目的地，訓練及批次預測自訂表格分類模型。 在本教學課程中，您將訓練 scikit-learn 表格分類模型，並透過 Vertex AI 管道使用 google_cloud_pipeline_components 為該模型建立批次預測工作。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解 Vertex AI Batch Prediction 元件。 教學課程步驟 在 BigQuery 中建立資料集。 從來源資料集預留一些資料，用於批次預測。 為訓練應用程式建立自訂 Python 套件。 將 Python 套件上傳至 Cloud Storage。 建立 Vertex AI Pipeline，	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines Vertex AI 超參數調整	開始使用 Vertex AI 超參數調整管道元件。 瞭解如何使用預先建構的 Google Cloud Pipeline Components，調整 Vertex AI 超參數。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解 Vertex AI 超參數調整。 教學課程步驟 建構以下項目的管道：	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	開始使用 Gemini Enterprise Agent Platform Pipelines 的機器管理功能。 瞭解如何將獨立的自訂訓練元件轉換為 Vertex AI CustomJob，方法如下： 教學課程步驟 建立自訂元件，並使用獨立訓練工作。 使用元件層級的機器資源設定執行管道 將獨立訓練元件轉換為 Vertex AI CustomJob。 使用機器資源的自訂工作層級設定執行管道	Colab GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines AutoML 元件	使用 google-cloud-pipeline-components 的 AutoML 圖片分類管道。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 Google Cloud 管線元件，建構 AutoML 圖片分類模型。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解 AutoML 元件。 教學課程步驟 建立 KFP 管道	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines AutoML 元件 表格資料迴歸	使用 google-cloud-pipeline-components 的 AutoML 表格迴歸管道。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 Google Cloud Pipeline Components 建構 AutoML 表格迴歸模型。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解 AutoML 元件。 進一步瞭解表格資料迴歸。 教學課程步驟 建立 KFP 管道，以建立 Dataset 資源。 在管道中新增元件，訓練 AutoML 表格迴歸 Model 資源。 新增可建立 Endpoint 資源的元件。 新增將 Model 資源部署至 Endpoint 資源的元件。 編譯 KFP 管道。 使用 Gemini Enterprise Agent Platform Pipelines 執行 KFP 管道。	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines BigQuery ML 元件	使用 Swivel、BigQuery ML 和 Gemini Enterprise Agent Platform Pipelines 訓練獲客預測模型。 瞭解如何使用 Agent Platform Pipelines 建構簡單的 BigQuery ML 管道，計算文章內容的文字嵌入，並將其分類至「企業收購」類別。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解 BigQuery ML 元件。 教學課程步驟 建立 Dataflow 工作專用的元件，將資料擷取至 BigQuery。 建立元件，以便在 BigQuery 中的資料上執行前處理步驟。 建立元件，使用 BigQuery ML 訓練邏輯迴歸模型。 使用所有已建立的元件，建構及設定 Kubeflow DSL pipeline。 在 Gemini Enterprise Agent Platform Pipelines 中編譯及執行管道。	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines 自訂訓練元件	使用 Google Cloud Pipeline Components 訓練、上傳及部署模型。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 Google Cloud 管道元件，建構及部署自訂模型。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 進一步瞭解自訂訓練元件。 教學課程步驟 建立 KFP 管道	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	使用 KFP 2.x 的 Gemini Enterprise Agent Platform Pipelines。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 和 KFP 2。 教學課程步驟 建立 KFP 管道	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	以 Python 函式為基礎的輕量型元件，以及元件 I/O。 瞭解如何使用 KFP SDK 建構以 Python 函式為基礎的輕量型元件，然後瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 執行管道。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 教學課程步驟 建構以 Python 函式為基礎的 KFP 元件。 建構 KFP 管道。 在元件之間傳遞構件和參數，可透過路徑參照和值。 使用 kfp.dsl.importer 方法。 編譯 KFP 管道。 使用 Gemini Enterprise Agent Platform Pipelines 執行 KFP 管道	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	使用 KFP SDK 進行指標視覺化和執行比較。 瞭解如何使用 Python 適用的 KFP SDK 建構管道，產生評估指標。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 教學課程步驟 建立 KFP 元件	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	將模型部署至正式環境時，可採用多重競爭者或冠軍方法。 瞭解如何建構 Vertex AI 管道，評估已部署模型的新正式環境資料與其他模型版本，判斷候選模型是否能成為正式環境的冠軍模型，取代現有模型。 教學課程步驟 將預先訓練好的 (冠軍) 模型匯入 Model Registry。 將合成模型訓練評估指標匯入對應的 (冠軍) 模型。 建立 Vertex AI 端點資源。 將最佳模型部署至端點資源。 匯入已部署模型的其他 (競爭者) 版本。 將合成模型訓練評估指標匯入對應的 (候選) 模型。 建立 Vertex AI Pipeline，執行下列步驟：	Colab Colab Enterprise GitHub Vertex AI Workbench
Gemini Enterprise Agent Platform Pipelines	KFP 管道簡介。 瞭解如何使用 Python 適用的 KFP SDK 建構管道，產生評估指標。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 教學課程步驟 定義並編譯 Vertex AI 管道。 指定管道執行作業要使用的服務帳戶。 使用 Agent Platform SDK for Python 和 REST API 執行管道。	Colab Colab Enterprise GitHub Vertex AI Workbench
AutoML 元件 BigQuery ML 元件	BigQuery ML 和 AutoML - 使用 Vertex AI 快速製作原型。 瞭解如何使用 Gemini Enterprise Agent Platform Pipelines 快速製作模型原型。 進一步瞭解 AutoML 元件。 進一步瞭解 BigQuery ML 元件。 教學課程步驟 建立 BigQuery 和 Vertex AI 訓練資料集。 訓練 BigQuery ML 和 AutoML 模型。 從 BigQueryML 和 AutoML 模型中擷取評估指標。 選取最佳訓練模型。 部署訓練效果最佳的模型。 測試已部署的模型基礎架構。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 批次推論	使用特徵篩選功能進行自訂模型批次推論。 瞭解如何使用 Python 適用的 Agent Platform SDK，從 Docker 容器中的 Python 指令碼建立自訂訓練模型，然後納入或排除特徵清單，執行批次推論工作。 進一步瞭解 Vertex AI 批次推論。 教學課程步驟 建立 Vertex AI 自訂 TrainingPipeline，用於訓練模型。 訓練 TensorFlow 模型。 傳送批次預測工作。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Inference	開始使用 NVIDIA Triton 伺服器。 瞭解如何將執行 Nvidia Triton Server 的容器，連同 Vertex AI 模型資源部署至 Vertex AI 端點，以進行線上預測。 進一步瞭解 Vertex AI Inference。 教學課程步驟 從 TensorFlow Hub 下載模型構件。 為模型建立 Triton 供應設定檔。 建構自訂容器 (含 Triton 服務映像檔)，用於模型部署作業。 將模型上傳為 Vertex AI 模型資源。 將 Vertex AI 模型資源部署至 Vertex AI 端點資源。 提出預測要求。 取消部署模型資源並刪除端點。	Colab Colab Enterprise GitHub Vertex AI Workbench
原始預測	開始使用 Vertex AI Raw Prediction 的 TensorFlow 服務函式。 瞭解如何在 Vertex AI Endpoint 資源上使用 Vertex AI Raw Prediction。 進一步瞭解 Raw Predict。 教學課程步驟 下載 TensorFlow 1.x 估算器的預先訓練表格分類模型構件。 將 TensorFlow Estimator 模型上傳為 Vertex AI Model 資源。 建立 Endpoint 資源。 將 Model 資源部署至 Endpoint 資源。 對部署至 Endpoint 資源的 Model 資源執行個體進行線上原始預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
透過自訂訓練模型取得預測結果	開始搭配使用 TensorFlow Serving 與 Vertex AI Inference。 瞭解如何在 Vertex AI Endpoint 資源上使用 Vertex AI Inference 服務二進位檔 TensorFlow Serving。 進一步瞭解如何透過自訂訓練模型取得預測結果。 教學課程步驟	Colab Colab Enterprise GitHub Vertex AI Workbench
私人端點	開始使用 Vertex AI 私人端點。 瞭解如何使用 Vertex AI Private Endpoint 資源。 進一步瞭解私人端點。 教學課程步驟 建立 Private Endpoint 資源。 設定虛擬私有雲對等互連連線。 設定 Model 資源的服務二進位檔，以便部署至 Private Endpoint 資源。 將 Model 資源部署至 Private Endpoint 資源。 將預測要求傳送至 Private Endpoint	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 語言模型	Vertex AI LLM 和串流預測。 瞭解如何使用 Vertex AI LLM 下載預先訓練的 LLM 模型、進行預測及微調模型。 進一步瞭解 Vertex AI 語言模型。 教學課程步驟 載入預先訓練的文字生成模型。 進行非串流預測 載入支援串流的預先訓練文字生成模型。 進行串流預測 載入預先訓練的即時通訊模型。 進行本機互動式即時通訊工作階段。 使用文字生成模型執行批次預測。 使用文字嵌入模型執行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
用於預測的預先建構容器	在 Vertex AI 中使用預建容器提供 PyTorch 圖片模型。 瞭解如何使用預建的 Vertex AI 容器和 TorchServe，封裝及部署 PyTorch 圖片分類模型，以提供線上和批次預測。 進一步瞭解用於預測的預先建構容器。 教學課程步驟 從 PyTorch 下載預先訓練的圖像模型 建立自訂模型處理常式 將模型構件封裝在模型封存檔案中 上傳模型以進行部署 部署模型以進行預測 進行線上預測 進行批次預測	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Inference	在 Vertex AI 中使用預建容器訓練及部署 PyTorch 模型。 瞭解如何使用預建容器，建構、訓練及部署 PyTorch 圖片分類模型，以進行自訂訓練和預測。 教學課程步驟 將訓練應用程式封裝為 Python 來源發行版本 在預先建構的容器中設定及執行訓練工作 將模型構件封裝在模型封存檔案中 上傳模型以進行部署 使用預先建構的容器部署模型，以進行預測 進行線上預測	Colab Colab Enterprise GitHub Vertex AI Workbench
Ray on Vertex AI 總覽	開始在 Ray on Vertex AI 上使用 PyTorch。 瞭解如何運用 Ray on Vertex AI，有效率地分配 PyTorch 圖像分類模型的訓練程序。 進一步瞭解 Ray on Vertex AI 總覽。 教學課程步驟 準備訓練指令碼 使用 Ray Jobs API 提交 Ray 工作 從 PyTorch 下載訓練過的圖像模型 建立自訂模型處理常式 將模型構件封裝在模型封存檔案中 在 Model Registry 中註冊模型 在 Vertex AI 端點中部署模型 進行線上預測	Colab Colab Enterprise GitHub Vertex AI Workbench
Ray on Vertex AI 總覽	Ray on Vertex AI 叢集管理。 瞭解如何建立叢集、列出現有叢集、取得叢集、更新叢集及刪除叢集。 進一步瞭解 Ray on Vertex AI 總覽。 教學課程步驟 建立叢集。 列出現有叢集。 取得叢集。 手動擴充叢集，然後縮減叢集。 自動調度叢集資源。 刪除現有叢集。	Colab Colab Enterprise GitHub Vertex AI Workbench
Ray on Vertex AI Spark on Ray on Vertex AI	Spark on Ray on Vertex AI。 瞭解如何使用 RayDP，在 Vertex AI 的 Ray 叢集上執行 Spark 應用程式。 進一步瞭解 Vertex AI 上的 Ray。 進一步瞭解 Spark on Ray on Vertex AI。 教學課程步驟 建立自訂 Ray on Vertex AI 容器映像檔 使用自訂容器映像檔，在 Vertex AI 上建立 Ray 叢集 使用 RayDP 在叢集上以互動方式執行 Spark 透過 Ray Job API 在叢集上執行 Spark 應用程式 在 Spark 應用程式中讀取 Google Cloud Storage 中的檔案 在 Ray on Vertex AI 的 Spark 應用程式中使用 Pandas UDF 刪除 Vertex AI 上的 Ray 叢集	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 訓練 Vertex AI 縮減伺服器	使用 Vertex AI 縮減伺服器進行 PyTorch 分散式訓練。 瞭解如何建立 PyTorch 分散式訓練工作，使用 PyTorch 分散式訓練架構和工具，並透過 Reduction Server 在 Vertex AI Training 服務上執行訓練工作。 進一步瞭解 Vertex AI 訓練。進一步瞭解 Vertex AI 縮減伺服器。 教學課程步驟 建立 PyTorch 分散式訓練應用程式 使用預先建構的容器封裝訓練應用程式 在 Vertex AI 上使用縮減伺服器建立自訂工作 提交及監控工作	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練	使用 Python 套件、受管理文字資料集和 TF Serving 容器進行自訂訓練。 瞭解如何使用自訂 Python 套件訓練建立自訂模型，以及如何使用 TensorFlow Serving 容器提供模型，進行線上預測。 進一步瞭解自訂訓練。 教學課程步驟 建立公用程式函式，下載資料並準備 CSV 檔案，以建立 Vertex AI 代管資料集 下載資料 準備 CSV 檔案，建立受管理資料集 建立自訂訓練 Python 套件 建立 TensorFlow Serving 容器 使用代管文字資料集執行自訂 Python 套件訓練 在 Vertex AI 部署模型並建立端點 在端點上預測 對模型建立批次預測工作	Colab Colab Enterprise GitHub Vertex AI Workbench
BigQuery ML ARIMA+ 表格型資料預測	使用 Vertex AI 表格工作流程訓練 BigQuery ML ARIMA_PLUS 模型。 瞭解如何使用 Google Cloud Pipeline Components 的訓練 Vertex AI Pipeline，建立 BigQuery ML ARIMA_PLUS 模型，然後使用對應的預測管道進行批次預測。 進一步瞭解如何使用 BigQuery ML ARIMA+ 預測表格型資料。 教學課程步驟 訓練 BigQuery ML ARIMA_PLUS 模型。 查看 BigQuery ML 模型評估結果。 使用 BigQuery ML 模型進行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
Google Cloud 管道元件 適用於表格資料的 Prophet	使用 Vertex AI Tabular Workflows 訓練 Prophet 模型。 瞭解如何使用 Google Cloud Pipeline Components 的訓練 Vertex AI Pipeline 建立多個 Prophet 模型，然後使用對應的預測管道執行批次預測。 進一步瞭解 Google Cloud 管道元件。 進一步瞭解表格資料的 Prophet。 教學課程步驟 1. 訓練 Prophet 模型。 1. 查看評估指標。 1. 使用 Prophet 模型執行批次預測。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard 自訂訓練	使用自訂容器進行 Vertex AI TensorBoard 自訂訓練。 瞭解如何使用自訂容器建立自訂訓練工作，並在 Vertex AI TensorBoard 上近乎即時地監控訓練程序。 進一步瞭解 Vertex AI TensorBoard。 進一步瞭解自訂訓練。 教學課程步驟 建立 Docker 存放區和設定。 使用自訂訓練程式碼建立自訂容器映像檔。 設定服務帳戶和 Google Cloud Storage bucket。 使用自訂容器建立及啟動自訂訓練工作。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard 自訂訓練	使用預先建構的容器，透過 Vertex AI TensorBoard 進行自訂訓練。 瞭解如何使用預建容器建立自訂訓練工作，並在 Vertex AI TensorBoard 上近乎即時地監控訓練程序。 進一步瞭解 Vertex AI TensorBoard。 進一步瞭解自訂訓練。 教學課程步驟 設定服務帳戶和 Cloud Storage bucket。 編寫自訂訓練程式碼。 封裝訓練程式碼並上傳至 Cloud Storage。 建立及啟動自訂訓練工作，並啟用 Vertex AI TensorBoard，進行近乎即時的監控。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard	使用 HParams 資訊主頁進行 Vertex AI TensorBoard 超參數調整。 在本筆記本中，您將使用 TensorFlow 訓練模型並執行超參數調整作業。 教學課程步驟 調整 TensorFlow 執行作業，記錄超參數和指標。 啟動執行作業，並將所有作業記錄在一個上層目錄下。 在 Vertex AI TensorBoard 的 HParams 資訊主頁中，以視覺化方式呈現結果。	Colab Colab Enterprise GitHub Vertex AI Workbench
分析器 Vertex AI TensorBoard	使用 Cloud Profiler 分析模型訓練成效。 瞭解如何為自訂訓練工作啟用 Profiler。 進一步瞭解 Profiler。 進一步瞭解 Vertex AI TensorBoard。 教學課程步驟 設定服務帳戶和 Cloud Storage 值區 建立 Vertex AI TensorBoard 執行個體 建立及執行自訂訓練工作，啟用分析器 查看 Profiler 資訊主頁，偵錯模型訓練成效	Colab Colab Enterprise GitHub Vertex AI Workbench
分析器 Vertex AI TensorBoard	使用預先建構的容器進行自訂訓練，並透過 Cloud Profiler 分析模型訓練成效。 瞭解如何為使用預建容器的自訂訓練工作，在 Vertex AI 中啟用 Profiler。 進一步瞭解 Profiler。 進一步瞭解 Vertex AI TensorBoard。 教學課程步驟 準備自訂訓練程式碼，並將訓練程式碼以 Python 套件的形式載入預先建構的容器 建立及執行自訂訓練工作，啟用分析器 查看 Profiler 資訊主頁，偵錯模型訓練成效	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard Gemini Enterprise Agent Platform Pipelines	Vertex AI TensorBoard 與 Gemini Enterprise Agent Platform Pipelines 整合。 瞭解如何使用 KFP SDK 建立訓練管道、在 Gemini Enterprise Agent Platform Pipelines 中執行管道，以及在 Vertex AI TensorBoard 中近乎即時地監控訓練程序。 進一步瞭解 Vertex AI TensorBoard。 進一步瞭解 Gemini Enterprise Agent Platform Pipelines。 教學課程步驟 設定服務帳戶和 Google Cloud Storage bucket。 使用自訂訓練程式碼建構 KFP 管道。 在 Gemini Enterprise Agent Platform Pipelines 中編譯及執行 KFP pipeline，並啟用 Vertex AI TensorBoard，以便近乎即時地監控。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 超參數調整	分散式 Vertex AI 超參數調整。 在本筆記本中，您將在 Docker 容器中，從 Python 指令碼建立自訂訓練模型。 進一步瞭解 Vertex AI 超參數調整。 教學課程步驟 使用 Python 套件進行訓練。 超參數調整時的準確度。 使用 Cloud StorageFuse 將模型構件儲存至 Cloud Storage。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	開始使用 Vertex AI 訓練 LightGBM。 瞭解如何使用 Vertex AI 訓練 的自訂容器方法，訓練 LightGBM 自訂模型。 教學課程步驟 使用 Python 套件進行訓練。 使用 Cloud StorageFuse 將模型構件儲存至 Cloud Storage。 建構 FastAPI 預測伺服器。 為伺服器建構 Dockerfile 部署映像檔。 在本機測試部署映像檔 (選用，不適用於 Colab 使用者)。 建立 Vertex AI 模型資源。 執行批次預測工作。 將模型部署至端點，並傳送線上預測要求。 清理建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 分散式訓練	開始使用 Vertex AI 分散式訓練。 瞭解如何使用 Vertex AI 分散式訓練搭配 Vertex AI 進行訓練。 進一步瞭解 Vertex AI 分散式訓練。 教學課程步驟	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 超參數調整	為 TensorFlow 模型執行超參數調整作業。 瞭解如何為 TensorFlow 模型執行 Vertex AI 超參數調整工作。 進一步瞭解 Vertex AI 超參數調整。 教學課程步驟 修改訓練應用程式程式碼，進行自動超參數調整。 將訓練應用程式程式碼容器化。 使用 Vertex AI Python SDK 設定及啟動超參數調整工作。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 超參數調整	XGBoost 的 Vertex AI 超參數調整。 瞭解如何使用 Vertex AI 超參數調整服務訓練 XGBoost 模型。 進一步瞭解 Vertex AI 超參數調整。 教學課程步驟 使用 Python 訓練應用程式套件進行訓練。 在超參數調整期間回報準確度。 使用 Cloud StorageFuse 將模型構件儲存至 Cloud Storage。 列出最佳模型。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	使用 Vertex AI 訓練和自訂容器，在 CPU 上進行 PyTorch 圖片分類多節點分散式資料平行訓練。 瞭解如何使用 Agent Platform SDK for Python 和自訂容器，建立分散式 PyTorch 訓練工作。 進一步瞭解 Vertex AI 訓練。 教學課程步驟 設定 Google Cloud 專案	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	使用多節點 NCCL 分散式資料平行訓練，在 CPU 和 Vertex AI 上進行 PyTorch 圖片分類。 瞭解如何使用 Agent Platform SDK for Python 和自訂容器，建立分散式 PyTorch 訓練工作。 進一步瞭解 Vertex AI 訓練。 教學課程步驟 使用 Artifact Registry 和 Docker 建構自訂容器。 建立 Vertex AI TensorBoard 執行個體，儲存 Vertex AI 實驗。 使用 Python 適用的 Agent Platform SDK 執行 Vertex AI 訓練工作。	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練	在 Vertex AI 上訓練、調整及部署 PyTorch 文字情緒分類模型。 瞭解如何在 Vertex AI 上建構、訓練、調整及部署 PyTorch 模型。 進一步瞭解自訂訓練。 教學課程步驟 為文字分類模型建立訓練套件。 使用 Vertex AI 的自訂訓練功能訓練模型。 檢查建立的模型構件。 建立自訂容器來執行預測。 使用自訂容器將訓練完的模型部署至 Vertex AI 端點，以進行預測。 將線上預測要求傳送至已部署的模型並進行驗證。 清理在本筆記本中建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI 中的 PyTorch 整合	使用 Cloud Storage 中的資料，在 Vertex AI 上訓練 PyTorch 模型。 瞭解如何使用 PyTorch 和儲存在 Cloud Storage 中的資料集建立訓練工作。 進一步瞭解 Vertex AI 中的 PyTorch 整合功能。 教學課程步驟 編寫自訂訓練指令碼，建立訓練和測試資料集，並訓練模型。 使用 Agent Platform SDK for Python 執行 CustomTrainingJob。	Colab Colab Enterprise GitHub Vertex AI Workbench
分散式訓練	使用 PyTorch torchrun 簡化搭配自訂容器的多節點訓練作業。 瞭解如何使用 PyTorch 的 Torchrun 在多個節點上訓練 Imagenet 模型。 進一步瞭解分散式訓練。 教學課程步驟 建立殼層指令碼，在主要節點上啟動 ETCD 叢集 使用 PyTorch Elastic 的 GitHub 存放區中的程式碼建立訓練指令碼 建立下載資料的容器，並在主機上啟動 ETCD 叢集 使用多個節點和 GPU 訓練模型	Colab Colab Enterprise GitHub Vertex AI Workbench
自訂訓練	使用 Dask 進行分散式 XGBoost 訓練。 瞭解如何使用 XGBoost 和 Dask 建立分散式訓練工作。 進一步瞭解自訂訓練。 教學課程步驟 為 Google Cloud 雲端專案設定 PROJECT_ID 和 LOCATION 變數。 建立 Cloud Storage bucket 來儲存模型構件。 建構代管訓練程式碼的自訂 Docker 容器，並將容器映像檔推送至 Artifact Registry。 執行 Agent Platform SDK CustomContainerTrainingJob	Colab Colab Enterprise GitHub Vertex AI Workbench
vector_search	使用 Vertex AI 多模態嵌入和向量搜尋。 瞭解如何編碼自訂文字嵌入、建立近似最鄰近搜尋索引，以及查詢索引。 教學課程步驟 將圖片資料集轉換為嵌入項目。 建立索引。 將嵌入上傳至索引。 建立索引端點。 將索引部署至索引端點。 執行線上查詢。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search	Using Vertex AI Vector Search for StackOverflow Questions (使用 Vertex AI Vector Search 搜尋 StackOverflow 問題)。 瞭解如何編碼自訂文字嵌入、建立近似最鄰近索引，以及查詢索引。 進一步瞭解 Vertex AI Vector Search。 教學課程步驟 建立 ANN 索引。 使用虛擬私有雲網路建立索引端點。 部署 ANN 索引。 執行線上查詢。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search Vertex AI 文字嵌入	使用 Vertex AI Vector Search 和 Vertex AI 文字嵌入，搜尋 StackOverflow 問題。 瞭解如何編碼文字嵌入、建立近似最鄰近索引，以及查詢索引。 進一步瞭解 Vertex AI Vector Search。 進一步瞭解 Vertex AI 文字嵌入。 教學課程步驟 將 BigQuery 資料集轉換為嵌入內容。 建立索引。 將嵌入上傳至索引。 建立索引端點。 將索引部署至索引端點。 執行線上查詢。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search	建立 Vertex AI Vector Search 索引。 瞭解如何建立近似最近鄰索引、針對索引查詢，以及驗證索引的效能。 進一步瞭解 Vertex AI Vector Search。 教學課程步驟 建立 ANN 索引和暴力搜尋索引。 使用虛擬私有雲網路建立 IndexEndpoint。 部署 ANN 索引和暴力破解索引。 執行線上查詢。 計算召回率。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vizier	使用 Vertex AI Vizier 最佳化多個目標。 瞭解如何使用 Vertex AI Vizier 最佳化多目標研究。 進一步瞭解 Vertex AI Vizier。 教學課程步驟	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vizier	開始使用 Vertex AI Vizier。 瞭解如何在透過 Vertex AI 訓練模型時使用 Vertex AI Vizier。 進一步瞭解 Vertex AI Vizier。 教學課程步驟 使用隨機演算法進行超參數調整。 使用 Vertex AI Vizier (貝氏) 演算法進行超參數調整。 建議試驗並更新 Vertex AI Vizier 研究結果	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Vertex AI Training	訓練多元分類模型，用於廣告指定目標。 瞭解如何從 BigQuery 收集資料、預先處理資料，以及在電子商務資料集上訓練多元分類模型。進一步瞭解 Vertex AI Workbench。 進一步瞭解 Vertex AI 訓練。 教學課程步驟 從 BigQuery 擷取所需資料 預先處理資料 訓練 TensorFlow (版本 >=2.4) 分類模型 評估訓練後模型的損失 使用執行器功能自動執行筆記本 將模型儲存至 Cloud Storage 路徑 清理建立的資源	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Vertex Explainable AI	使用「芝加哥計程車車程」資料集預測計程車資。 本筆記本的目標是嘗試解決計程車車資預測問題，藉此概略介紹 Vertex AI 功能，例如 Vertex Explainable AI 和 Notebooks 中的 BigQuery。 進一步瞭解 Vertex AI Workbench。 進一步瞭解 Vertex Explainable AI。 教學課程步驟 使用「BigQuery in Notebooks」載入資料集。 對資料集執行探索性資料分析。 選取及預先處理特徵。 使用 scikit-learn 建構線性迴歸模型。 為 Vertex Explainable AI 設定模型。 將模型部署至 Vertex AI。 測試已部署的模型。 清除所用資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	運用 Vertex AI 和 BigQuery ML 預測零售需求。 瞭解如何使用 BigQuery ML，根據零售資料建構 ARIMA (自迴歸整合移動平均) 模型 進一步瞭解 Vertex AI Workbench。 進一步瞭解 BigQuery ML。 教學課程步驟 探索資料 使用 BigQuery 和 ARIMA 模型建立模型 評估模型 使用 BigQuery ML 評估模型結果 (訓練資料) 評估模型結果：MAE、MAPE、MSE、RMSE (測試資料) 使用執行器功能	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	在筆記本中對 BigQuery 資料進行互動式探索分析。 瞭解如何在 Jupyter 筆記本環境中，以各種方式探索 BigQuery 資料並從中取得洞察。 進一步瞭解 Vertex AI Workbench。 進一步瞭解 BigQuery ML。 教學課程步驟 使用 Python 和 SQL 查詢 BigQuery 中的公開資料 使用 BigQuery INFORMATION_SCHEMA 探索資料集 建立互動式元素，協助探索資料中有趣的部分 進行一些探索性關聯和時間序列分析 在筆記本中建立靜態和互動式輸出內容 (資料表和繪圖) 將部分輸出內容儲存至 Cloud Storage	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench 自訂訓練	在 Vertex AI 上建構詐欺偵測模型。 本教學課程會使用合成金融資料集，示範如何分析資料及建構模型。 進一步瞭解 Vertex AI Workbench。 進一步瞭解自訂訓練。 教學課程步驟 安裝必要程式庫 從 Cloud Storage 值區讀取資料集 對資料集執行探索性分析 預先處理資料集 使用 scikit-learn 訓練隨機森林模型 將模型儲存至 Cloud Storage 值區 建立 Vertex AI 模型資源並部署至端點 對測試資料執行 What-If Tool 取消部署模型並清除模型資源	Colab GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	遊戲開發人員使用 Google Analytics 4 和 BigQuery ML 預測流失情形。 瞭解如何在 BigQuery ML 中訓練及評估傾向模型。 進一步瞭解 Vertex AI Workbench。 進一步瞭解 BigQuery ML。 教學課程步驟 在 BigQuery 中探索從 Google Analytics 4 匯出的資料。 使用客層、行為數據和標籤 (流失/未流失)，準備訓練資料。 使用 BigQuery ML 訓練 XGBoost 模型。 使用 BigQuery ML 評估模型。 使用 BigQuery ML 預測哪些使用者可能流失。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Vertex AI 訓練	使用 Vertex AI 進行預測性維護。 瞭解如何使用 Vertex AI Workbench 的執行器功能，自動執行訓練及部署模型的工作流程。 進一步瞭解 Vertex AI Workbench。 進一步瞭解 Vertex AI 訓練。 教學課程步驟 從 Cloud Storage bucket 載入必要資料集。 分析資料集中的欄位。 為預測性維護模型選取必要資料。 訓練 XGBoost 迴歸模型，預測剩餘使用壽命。 評估模型。 使用執行器以訓練工作形式，端對端執行筆記本。 在 Vertex AI 上部署模型。 清除所用資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	分析 CDM 定價資料的定價最佳化結果。 本筆記本的目標是使用 BigQuery ML 建構價格最佳化模型。 進一步瞭解 Vertex AI Workbench。 進一步瞭解 BigQuery ML。 教學課程步驟 從 Cloud Storage bucket 載入必要資料集。 分析資料集中的欄位。 處理資料以建構模型。 根據處理後的資料，建構 BigQuery ML 預測模型。 從 BigQuery ML 模型取得預測值。 解讀預測結果，找出最合適的價格。 清除所用資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Dataproc Serverless for Spark	使用 Dataproc 消化及分析 BigQuery 資料。 本筆記本教學課程會執行 Apache Spark 工作，從 BigQuery「GitHub 活動資料」資料集擷取資料、查詢資料，然後將結果寫回 BigQuery。 進一步瞭解 Vertex AI Workbench。 進一步瞭解 Dataproc Serverless for Spark。 教學課程步驟 設定 Google Cloud 雲端專案和 Dataproc 叢集。 設定 sparkbigqueryconnector。 將資料從 BigQuery 擷取至 Spark DataFrame。 預先處理擷取的資料。 查詢單一語言存放區中最常使用的程式設計語言。 查詢儲存在單一語言存放區中，每種語言的程式碼平均大小 (MB)。 查詢多語言存放區中最常一起出現的語言檔案。 將查詢結果寫回 BigQuery。 刪除為本筆記本教學課程建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Dataproc	搭配使用 Dataproc 和 BigQuery 的 SparkML。 本教學課程會執行 Apache SparkML 工作，從 BigQuery 資料集擷取資料、執行探索性資料分析、清除資料、執行特徵工程、訓練模型、評估模型、輸出結果，並將模型儲存至 Cloud Storage 值區。 進一步瞭解 Vertex AI Workbench。 進一步瞭解 Dataproc。 教學課程步驟 設定 Google Cloud 雲端專案和 Dataproc 叢集。 建立 Cloud Storage bucket 和 BigQuery 資料集。 設定 sparkbigqueryconnector。 將 BigQuery 資料擷取至 Spark DataFrame。 執行探索性資料分析 (EDA)。 以樣本資料呈現資料。 清理資料。 選取特徵。 訓練模型。 輸出結果。 將模型儲存至 Cloud Storage bucket。 刪除為本教學課程建立的資源。	Colab Colab Enterprise GitHub Vertex AI Workbench