Visão geral

Neste laboratório, você cria um conjunto de dados tabular usando a Vertex AI e usa ela para treinar um modelo de classificação.

Objetivos de aprendizagem

• Criar um conjunto de dados e treinar um modelo de classificação do AutoML
• Implantar um modelo e solicitar uma previsão

Introdução à Vertex AI

Este laboratório usa a mais nova oferta de produtos de IA disponível no Google Cloud. A Vertex AI integra as ofertas de ML do Google Cloud em uma experiência de desenvolvimento intuitiva. Anteriormente, modelos treinados com o AutoML e modelos personalizados eram acessíveis por serviços separados. A nova oferta combina ambos em uma única API, com outros novos produtos. Você também pode migrar projetos existentes para a Vertex AI. Se você tiver algum feedback, acesse a página de suporte.

A Vertex AI inclui vários produtos diferentes para dar suporte a fluxos de trabalho de ML completos. O foco deste laboratório são os produtos destacados abaixo: treinamento/ajuste de HP e Notebooks.

Configuração

Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período e sem custos financeiros.

1. Faça login no Qwiklabs em uma janela anônima.

2. Confira o tempo de acesso do laboratório (por exemplo, 1:15:00) e finalize todas as atividades nesse prazo.
   Não é possível pausar o laboratório. Você pode reiniciar o desafio, mas vai precisar refazer todas as etapas.

3. Quando tudo estiver pronto, clique em Começar o laboratório.

4. Anote as credenciais (Nome de usuário e Senha). É com elas que você vai fazer login no Console do Google Cloud.

5. Clique em Abrir Console do Google.

6. Clique em Usar outra conta, depois copie e cole as credenciais deste laboratório nos locais indicados.
   Se você usar outras credenciais, vai receber mensagens de erro ou cobranças.

7. Aceite os termos e pule a página de recursos de recuperação.

Tarefa 1: ativar a API Vertex AI

1. No menu de navegação do console do Google Cloud, clique em Vertex AI.

2. Clique em Ativar todas as APIs recomendadas.

Tarefa 2: Criar um conjunto de dados e treinar um modelo de classificação do AutoML

Criar um conjunto de dados tabular

1. No console da Vertex AI, na página Painel, clique em Criar conjunto de dados.

2. Para o nome do conjunto de dados, digite Structured_AutoML_Tutorial

3. Para tipo de dados e objetivo, selecione Tabular.

4. Aceite os padrões e clique em Criar.

5. Em Selecionar a origem de dados , selecione Selecionar arquivos CSV do Cloud Storage, e em Importar caminho do arquivo, digite cloud-training/mlongcp/v3.0_MLonGC/toy_data/bank-marketing_toy.csv

6. Clique em Continuar.

O painel Analisar vai ser aberto.

7. Clique em Gerar estatísticas.

Aguarde alguns minutos enquanto as estatísticas são geradas.

Quando as estatísticas forem geradas, você vai poder clicar em qualquer recurso para conferir mais detalhes sobre os dados desse recurso.

Treinar um modelo de classificação do AutoML

1. Clique em Treinar novo modelo e selecione Outro.

2. No painel Treinar novo modelo, em Objetivo, selecione Classificação.

3. Selecione os métodos de treinamento AutoML e clique em Continuar.

4. Na Coluna de destino, selecione Depósito, e clique em Continuar.

A lista de colunas é exibida, com a transformação que será usada para cada atributo.

5. Para exibir o painel Cálculo e preços, clique em Continuar.

6. Para Orçamento, digite 1

7. Clique em Iniciar treinamento.

O orçamento de treinamento determina o tempo de treinamento real, mas o tempo de conclusão inclui mais atividades, de modo que todo o processo pode levar cerca de duas horas. Quando o treinamento do modelo é concluído, ele é exibido no painel do Model Registry como um link ativo, com um ícone de status de marca de seleção verde.

Observação: o treinamento leva cerca de 2 horas. Aguarde até que o treinamento seja concluído.

Tarefa 3: implantar um modelo e solicitar uma previsão

Implantar o modelo em um endpoint

1. No console da Vertex AI, no painel de navegação, clique em Model Registry.

2. Clique no nome do modelo e, em seguida, no ID da versão para abrir o painel Avaliar.
   Esse painel exibe métricas de qualidade do modelo, incluindo uma matriz de confusão.

3. Para consultar as métricas de avaliação de um valor, selecione esse valor para a coluna de destino.

O efeito de cada coluna no treinamento de modelo (importância do recurso) vai aparecer.

4. No painel Implantar e testar em Implantar seu modelo, clique em Implantar no endpoint.

5. Para o nome do endpoint, digite Structured_AutoML_Tutorial e clique em Continuar.

6. Na página Configurações do modelo, habilite a opção Ativar atribuições de recursos para este modelo nas Opções de explicabilidade.

7. Clique em Concluído e em Continuar.

8. Na página Monitoramento de modelo revise as configurações padrão e clique em Continuar.

9. Em Fonte de dados de treinamento, selecione Conjunto de dados da Vertex AI e escolha um item no menu suspenso.

10. Em Coluna de destino, digite Depósito.

11. Em Limites de alerta, ative a opção para treinar modelos configurados para ter pontuações de atribuição com a Explainable AI.

12. Para criar um endpoint e implantar seu modelo nele, clique em Implantar.

A implantação do modelo pode levar vários minutos.

Solicitar uma previsão

Enquanto o endpoint é criado, é possível inserir um conjunto de valores para uma previsão.

1. Retorne para a lista de Modelos no painel de navegação e abra seu modelo recém-criado.

2. Abra o painel Implantar e testar.

É possível usar os valores pré-preenchidos para os dados de previsão ou inserir seus próprios valores.

3. Quando o modelo for implantado, clique em Prever.

Para este modelo, um resultado de previsão de 1 representa um resultado negativo. Um depósito não é feito no banco. Um resultado de previsão de 2 representa um resultado positivo (um depósito que foi feito no banco).

Se você usou os valores de previsão preenchidos automaticamente, os valores de importância do recurso local são todos zero. Isso ocorre porque os valores pré-preenchidos são os dados de previsão do valor de referência, portanto, a previsão retornada é o valor de previsão do valor de referência.

Finalize o laboratório

Após terminar seu laboratório, clique em End Lab. O Qwiklabs removerá os recursos usados e limpará a conta para você.

Você poderá avaliar sua experiência neste laboratório. Basta selecionar o número de estrelas, digitar um comentário e clicar em Submit.

O número de estrelas indica o seguinte:

• 1 estrela = muito insatisfeito
• 2 estrelas = insatisfeito
• 3 estrelas = neutro
• 4 estrelas = satisfeito
• 5 estrelas = muito satisfeito

Feche a caixa de diálogo se não quiser enviar feedback.

Para enviar seu feedback, fazer sugestões ou correções, use a guia Support.

Copyright 2020 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.