Melatih model menggunakan Gemini Enterprise Agent Platform dan Python SDK

Tutorial ini merupakan panduan awal yang menunjukkan cara menggunakan Agent Platform SDK untuk Python guna membuat model yang dilatih khusus. Anda menjalankan kode dalam file notebook (IPYNB) yang menggunakan container Docker untuk melatih dan membuat model. Tutorial ini ditujukan untuk data scientist yang baru mengenal Gemini Enterprise Agent Platform dan memahami notebook, Python, dan alur kerja Machine Learning (ML).

Proses ini dimulai menggunakan konsol Google Cloud untuk membuat project yang berisi pekerjaan Anda. Dalam project, Anda menggunakan Vertex AI Workbench untuk membuat notebook Jupyter. Lingkungan notebook adalah tempat Anda menjalankan kode yang mendownload serta menyiapkan set data, lalu menggunakan set data tersebut untuk membuat dan melatih model. Di akhir tutorial, model yang dilatih akan menghasilkan prediksi.

Tujuan dari tutorial ini adalah untuk memandu Anda menyelesaikan setiap langkah yang diperlukan untuk membuat prediksi, dalam waktu kurang dari satu jam. Set data yang digunakan relatif kecil, sehingga pelatihan model Anda tidak akan memerlukan waktu yang lama. Setelah selesai, Anda dapat menerapkan apa yang telah dipelajari ke set data yang lebih besar. Semakin besar set data Anda, semakin akurat prediksi Anda.

Langkah-langkah tutorial

  1. Prasyarat - Membuat akun dan project Google Cloud Google Cloud Anda.

  2. Membuat notebook - Membuat dan menyiapkan notebook Jupyter serta lingkungannya. Anda menggunakan untuk menjalankan kode yang membuat set data, membuat dan melatih model Anda, serta menghasilkan prediksi.

  3. Membuat set data - Mendownload set data BigQuery yang tersedia untuk publik, kemudian menggunakannya untuk membuat set data tabulasi Gemini Enterprise Agent Platform. Set data berisi data yang Anda gunakan untuk melatih model Anda.

  4. Membuat skrip pelatihan - Membuat skrip Python yang Anda teruskan ke tugas pelatihan Anda. Skrip ini berjalan saat tugas pelatihan melatih dan membuat model Anda.

  5. Melatih model - Menggunakan set data tabulasi untuk melatih dan men-deploy model. Anda menggunakan model tersebut untuk membuat prediksi.

  6. Membuat prediksi - Menggunakan model Anda untuk membuat prediksi. Bagian ini juga menuntun Anda untuk menghapus resource yang Anda buat saat menjalankan tutorial ini, sehingga Anda tidak dikenai biaya-biaya yang tidak perlu.

Apa yang Anda capai

Tutorial ini memandu Anda tentang cara menggunakan Agent Platform SDK untuk Python guna melakukan hal berikut:

  • Membuat bucket Cloud Storage untuk menyimpan set data
  • Melakukan prapemrosesan data untuk pelatihan
  • Menggunakan data yang diproses untuk membuat set data di dalam BigQuery
  • Menggunakan set data BigQuery untuk membuat set data tabulasi Gemini Enterprise Agent Platform
  • Membuat dan melatih model yang dilatih secara khusus
  • Men-deploy model yang dilatih secara khusus ke endpoint
  • Membuat prediksi
  • Membatalkan deployment model
  • Menghapus semua resource yang dibuat dalam tutorial agar Anda tidak dikenai lebih banyak biaya

Resource yang dapat ditagih yang telah digunakan

Tutorial ini menggunakan resource yang dapat ditagih, yang terkait dengan layanan Gemini Enterprise Agent Platform, BigQuery, dan Cloud Storage Google Cloud . Untuk informasi selengkapnya, lihat referensi berikut:

Untuk mencegah tagihan yang lebih banyak, langkah terakhir dalam tutorial ini akan memandu Anda untuk menghapus semua resource Google Cloud yang dapat ditagih yang telah Anda buat.