I data scientist e gli sviluppatori di machine learning (ML) utilizzano l'SDK Agent Platform per Python per creare, addestrare ed eseguire il deployment di modelli in un workflow ML personalizzato. Ciò include la creazione di set di dati e il caricamento dei dati, l'addestramento di un modello ML, il caricamento e l'archiviazione del modello, il deployment del modello, l'esecuzione di job di previsione batch e la gestione di modelli ed endpoint.
L'SDK Agent Platform include anche classi per creare soluzioni di AI generativa con modelli di base di testo, codice, chat e text embedding. Puoi utilizzare queste classi per generare testo, creare un chatbot di testo o codice, ottimizzare un modello di base e creare un text embedding. Un text embedding è un testo sotto forma di vettore utilizzato per cercare elementi. Per saperne di più, consulta Classi di modelli linguistici dell'SDK Agent Platform.
Puoi utilizzare l'SDK Agent Platform per Python nei notebook JupyterLab ospitati all'interno di Gemini Enterprise Agent Platform per scrivere ed eseguire il codice. I notebook includono framework ML preinstallati, come TensorFlow e PyTorch. Puoi anche utilizzare altri notebook, come i notebook Colab, o un ambiente di sviluppo di tua scelta che supporti Python.
Se vuoi provare subito a utilizzare l'SDK Agent Platform per Python, consulta le seguenti risorse:
- Introduzione all'SDK Agent Platform per Python
- Riferimento dell'SDK Agent Platform
- Riferimento del modello linguistico dell'SDK Agent Platform
- Addestra un modello utilizzando Gemini Enterprise Agent Platform e l'SDK Python
L'SDK Agent Platform include molte classi per aiutarti ad automatizzare l'acquisizione dei dati, addestrare i modelli e ottenere previsioni. Include anche classi per aiutarti a monitorare, valutare e ottimizzare il tuo workflow di machine learning (ML). Le classi possono essere raggruppate in modo approssimativo nelle seguenti categorie:
- Le classi di dati includono classi che funzionano con dati strutturati, dati non strutturati e Feature Store di Gemini Enterprise Agent Platform.
- Le classi di addestramento includono classi che funzionano con l'addestramento AutoML per dati strutturati e non strutturati, l'addestramento personalizzato, l'addestramento degli iperparametri e l'addestramento delle pipeline.
- Le classi di modelli funzionano con i modelli e le valutazioni dei modelli.
- Le classi di previsione funzionano con le previsioni in batch, le previsioni online e le previsioni di Vector Search.
- Le classi di monitoraggio funzionano con i metadati ML di Gemini Enterprise Agent Platform, gli esperimenti su Agent Platform e Vertex AI TensorBoard.