Sviluppo del modello in un'istanza di notebook gestiti
Questa pagina descrive i modi comuni per sviluppare un modello di machine learning (ML) nei notebook gestiti di Vertex AI Workbench. Puoi utilizzare pacchetti Python preinstallati comunemente utilizzati per lo sviluppo di modelli ML, l'addestramento personalizzato di Vertex AI e BigQuery ML.
Pacchetti Python comuni
Per impostazione predefinita, le istanze di notebook gestiti sono preinstallate con pacchetti Python comunemente utilizzati per lo sviluppo di modelli. Importa questi pacchetti nel file del notebook e saranno pronti all'uso.
Addestramento personalizzato di Vertex AI
Puoi utilizzare l'addestramento personalizzato di Vertex AI per creare e addestrare modelli dall'interno dell'istanza di notebook gestiti.
Installa una delle librerie client di Vertex AI sull'istanza o utilizza l'API Vertex AI per inviare richieste API da un file di blocco note Jupyter.
BigQuery ML
Utilizzando BigQuery ML, puoi addestrare modelli che utilizzano i tuoi dati BigQuery, il tutto all'interno della tua istanza di blocchi note gestiti. Ad esempio, utilizzando il client Python per BigQuery, puoi inviare comandi SQL dal file del notebook per creare un modello e poi utilizzarlo per ottenere previsioni batch.
BigQuery ML utilizza il motore di calcolo BigQuery, quindi non devi eseguire il deployment delle risorse di calcolo necessarie per le previsioni batch o l'addestramento del modello. In questo modo è possibile ridurre il tempo necessario per configurare l'addestramento, la valutazione e la previsione.
Passaggi successivi
Per saperne di più sull'addestramento personalizzato di Vertex AI, vedi Informazioni sul servizio di addestramento personalizzato.
Per saperne di più su BigQuery ML, consulta Che cos'è BigQuery ML?