Descripción general

La supervisión de modelos es el seguimiento minucioso del rendimiento de modelos de AA en etapa de producción que se realiza para que los equipos de IA y producción identifiquen problemas potenciales antes de que influyan en el negocio.

Si el tráfico de la etapa de producción difiere de los datos de entrenamiento o varía de forma significativa con el tiempo, es probable que la calidad de las respuestas del modelo se vea afectada. Cuando esto ocurre, deberías recibir alertas automáticas que te permitan responder de inmediato para anticipar los problemas antes de que afecten las experiencias de los clientes o los flujos de ingresos.

Objetivos

• Crear un notebook de instancia de Workbench
• Implementar un modelo entrenado previamente
• Configurar la supervisión de modelos
• Generar un poco de tráfico artificial
• Interpretar los datos que proporciona la función de supervisión de modelos

Vertex AI ofrece dos soluciones de notebook: Workbench y Colab Enterprise.

Workbench

Vertex AI Workbench es una buena opción para los proyectos que priorizan el control y la personalización. Es excelente para proyectos complejos que abarcan múltiples archivos, con dependencias complejas. También es una buena opción para científicos de datos que están haciendo la transición a la nube desde una estación de trabajo o laptop.

Las instancias de Vertex AI Workbench tienen un conjunto preinstalado de paquetes de aprendizaje profundo, lo que incluye la compatibilidad con los frameworks de TensorFlow y PyTorch.

Configuración y requisitos

En cada lab, recibirá un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Qwiklabs desde una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesita, puede reiniciar el lab, pero deberá hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usa otras credenciales, se generarán errores o incurrirá en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Tarea 1: Inicia la instancia de Vertex AI Workbench

1. En el menú de navegación () de la consola de Google Cloud, selecciona Vertex AI.

2. Haz clic en Habilitar todas las APIs recomendadas.

3. En el menú de navegación, haz clic en Workbench.

   En la parte superior de la página de Workbench, asegúrate de estar en la vista Instances.

4. Haz clic en Create New.

5. Configura la instancia:

   • Name: lab-workbench
   • Region: Configura la región como
   • Zone: Establece la zona en
   • Advanced Options: Si es necesario, haz clic en "Advanced Options" para realizar personalizaciones adicionales (p. ej., tipo de máquina, tamaño del disco).

6. Haz clic en Create.

La instancia tardará algunos minutos en crearse. Se mostrará una marca de verificación verde junto a su nombre cuando esté lista.

7. Haz clic en ABRIR JUPYTERLAB junto al nombre de la instancia para iniciar la interfaz de JupyterLab. Se abrirá una pestaña nueva en el navegador.

8. Haz clic en el ícono de Python 3 para iniciar un nuevo notebook de Python.

9. Haz clic con el botón derecho en el archivo Untitled.ipynb en la barra de menú y selecciona Cambiar el nombre del notebook para asignarle un nombre significativo.

Acabas de configurar el entorno. Ya tienes todo listo para comenzar a trabajar con tu notebook de Vertex AI Workbench.

Haz clic en Revisar mi progreso para verificar el objetivo. Iniciar la instancia de Vertex AI Workbench

Tarea 2: Clona un repo de un curso en tu interfaz de JupyterLab

El repo de GitHub contiene el archivo del lab y los archivos de soluciones del curso.

1. Copia y ejecuta el siguiente código en la primera celda de tu notebook para clonar el repositorio training-data-analyst.

!git clone https://github.com/GoogleCloudPlatform/training-data-analyst

2. Para confirmar que se haya clonado el repositorio, haz doble clic en el directorio training-data-analyst y confirma que puedes ver el contenido.

Haz clic en Revisar mi progreso para verificar el objetivo. Clonar un repo de un curso en tu interfaz de JupyterLab

Tarea 3: Supervisa tu modelo de Vertex AI

1. Navega a training-data-analyst > courses > machine_learning > deepdive2 > machine_learning_in_the_enterprise > labs y abre model_monitoring_for_custom_model_batch_prediction_job.ipynb en la interfaz del notebook.

2. Aparecerá una ventana emergente en la que deberás seleccionar un kernel. Elige el kernel TensorFlow 2-11 (Local) de entre las opciones.

3. Haz clic en Editar > Borrar todos los resultados.

4. Sigue los pasos que se indican en el notebook y ejecuta todas las celdas, una a la vez, para ver los resultados debajo de cada celda a medida que se ejecutan.

5. En la celda requerida, asegúrate de reemplazar PROJECT_ID y REGION por el ID del proyecto de Qwiklabs y la región proporcionada, respectivamente.

Haz clic en Revisar mi progreso para verificar el objetivo. Crear y ejecutar trabajos de supervisión de modelos

Tarea 4: Realiza una limpieza

1. En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI > Predicción por lotes.
2. Haz clic en el extremo (por ejemplo, bp_example), luego en el menú ampliado () y, por último, en Borrar trabajo de predicción por lotes.
3. Haz clic en BORRAR para confirmar la anulación de la implementación.

Finalice su lab

Cuando haya completado su lab, haga clic en Finalizar lab. Qwiklabs quitará los recursos que usó y limpiará la cuenta por usted.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2024 Google LLC. Todos los derechos reservados. Google y el logotipo de Google son marcas de Google LLC. El resto de los nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que están asociados.