О чём урок
Теперь рассмотрим пользовательское обучение (custom training). Оно позволяет самостоятельно написать код ML-среды и контролировать весь процесс разработки модели машинного обучения, от подготовки данных до развертывания модели. Если вы хотите написать код своей модели машинного обучения, воспользуйтесь этим вариантом и создайте решение для пользовательского обучения в Gemini Enterprise Agent Platform Workbench. Agent Platform Workbench представляет собой единую среду разработки для всего рабочего процесса в data science: от исследования данных до обучения и развертывания модели машинного обучения с помощью кода.
Прежде чем начать писать код, нужно определить, какую среду должен использовать ваш код обучения ML-модели. Есть два варианта: готовый контейнер (pre-built container) или пользовательский контейнер (custom container). Представьте контейнер как кухню.
Готовый контейнер можно сравнить с полностью обставленной комнатой со шкафами и техникой (это зависимости), в которой есть вся посуда и утварь (это библиотеки), нужная для приготовления блюда. Поэтому, если для обучения вашей ML-модели нужна платформа вроде TensorFlow, PyTorch, scikit-learn или XGBoost, а также код на Python для работы с ней, готовый контейнер, скорее всего, будет лучшим решением. Пользовательский контейнер, напротив, похож на пустую комнату без шкафов, техники и посуды.
Перевод официального курса Google «Основы Google Cloud: данные, машинное обучение и ИИ». Оригинал на английском.
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.