Melatih model menggunakan Vertex AI dan Python SDK
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Tutorial ini merupakan panduan awal yang menunjukkan cara untuk menggunakan
Vertex AI SDK untuk Python, guna membuat model yang dilatih khusus. Anda menjalankan kode di
file notebook (IPYNB) yang menggunakan penampung Docker untuk melatih dan membuat
model. Tutorial ini ditujukan untuk data scientist yang baru mengenal Vertex AI 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
Prasyarat - Buat akun dan project Google CloudAnda.
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.
Membuat set data - Mendownload set data BigQuery
yang tersedia untuk publik, kemudian menggunakannya untuk membuat set data tabulasi
Vertex AI. Set data berisi data yang Anda gunakan untuk melatih model Anda.
Membuat skrip pelatihan - Membuat
skrip Python yang Anda teruskan ke tugas pelatihan Anda. Skrip ini berjalan saat
tugas pelatihan melatih dan membuat model Anda.
Melatih model - Menggunakan set data tabulasi
untuk melatih dan men-deploy model. Anda menggunakan model tersebut untuk membuat
prediksi.
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 untuk menggunakan Vertex AI SDK untuk Python, guna melakukan
berbagai hal berikut ini:
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
tabular Vertex AI
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 Vertex AI,
BigQuery, dan Cloud Storage Google Cloud . Jika Anda
baru menggunakan Google Cloud, Anda mungkin dapat menggunakan satu atau beberapa layanan ini
secara gratis. Vertex AI menawarkan kredit gratis senilai $300 kepada pelanggan baru, sementara
Cloud Storage dan BigQuery memiliki paket
gratis. Untuk informasi selengkapnya, lihat referensi berikut ini:
Untuk mencegah tagihan lebih lanjut, langkah terakhir dalam tutorial ini akan memandu Anda untuk menghapus
semua resource Google Cloud yang dapat ditagih yang telah Anda buat.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-08-25 UTC."],[],[],null,["# Train a model using Vertex AI and the Python SDK\n\n| This tutorial takes between 30 and 60 minutes to complete.\n\n\u003cbr /\u003e\n\nThis tutorial is a start-to-finish guide that shows you how to use the\nVertex AI SDK for Python to create a custom-trained model. You run code in a\nnotebook (IPYNB) file that uses a Docker container to train and create the\nmodel. The tutorial is for data scientists who are new to Vertex AI and\nfamiliar with notebooks, Python, and the Machine Learning (ML) workflow.\n\nThe process starts using the Google Cloud console to create the project that\ncontains your work. In your project, you use Vertex AI Workbench to\ncreate a Jupyter notebook. The notebook environment is where you run code\nthat downloads and prepares a dataset, then use the dataset to create and train\na model. At the end of the tutorial, the trained model generates predictions.\n\nThe goal of this tutorial is to walk you through every step required to create\npredictions in less than an hour. The dataset used is relatively small so that it\ndoesn't take very long to train your model. When you're done, you can apply what\nyou learn to larger datasets. The larger your dataset is, the more accurate your\npredictions are.\n\nTutorial steps\n--------------\n\n1. [Prerequisites](/vertex-ai/docs/tutorials/tabular-bq-prediction/prerequisites) - Create your Google Cloud\n account and project.\n\n2. [Create a\n notebook](/vertex-ai/docs/tutorials/tabular-bq-prediction/create-notebook) -\n Create and prepare a Jupyter notebook and its environment. You use the\n notebook to run code that creates your dataset, creates and trains your\n model, and generates your predictions.\n\n3. [Create a dataset](/vertex-ai/docs/tutorials/tabular-bq-prediction/create-dataset) - Download a publicly\n available BigQuery dataset, then use it to create a Vertex AI\n tabular dataset. The dataset contains the data you use to train your model.\n\n4. [Create a training script](/vertex-ai/docs/tutorials/tabular-bq-prediction/create-training-script) - Create\n a Python script that you pass to your training job. The script runs when the\n training job trains and creates your model.\n\n5. [Train a model](/vertex-ai/docs/tutorials/tabular-bq-prediction/train-and-deploy-model) - Use your tabular\n dataset to train and deploy a model. You use the model to create your\n predictions.\n\n6. [Make predictions](/vertex-ai/docs/tutorials/tabular-bq-prediction/make-prediction) - Use your model to\n create predictions. This section also walks you through deleting resources\n you create while running this tutorial so you don't incur unnecessary\n charges.\n\nWhat you accomplish\n-------------------\n\nThis tutorial walks you through how to use the Vertex AI SDK for Python to do the\nfollowing:\n\n- Create a Cloud Storage bucket to store a dataset\n- Preprocess data for training\n- Use the processed data to create a dataset in BigQuery\n- Use the BigQuery dataset to create a Vertex AI tabular dataset\n- Create and train a custom-trained model\n- Deploy the custom-trained model to an endpoint\n- Generate a prediction\n- Undeploy the model\n- Delete all resources created in the tutorial so you don't incur further charges\n\nBillable resources used\n-----------------------\n\nThis tutorial uses billable resources associated with the Vertex AI,\nBigQuery, and Cloud Storage Google Cloud services. If you're\nnew to Google Cloud, you might be able to use one or more of these services at\nno cost. Vertex AI offers $300 in free credits to new customers, and\nCloud Storage and BigQuery have [free\ntiers](https://cloud.google.com/free). For more information, see the following:\n\n- [Vertex AI pricing](/vertex-ai/pricing) and [Free cloud features and trial offer](https://cloud.google.com/free/docs/free-cloud-features#free-trial)\n- [BigQuery pricing](/bigquery/pricing) and [BigQuery free tier usage](https://cloud.google.com/free/docs/free-cloud-features?#bigquery)\n- [Cloud Storage pricing](/storage/pricing) and [Cloud Storage free tier usage](https://cloud.google.com/free/docs/free-cloud-features#storage)\n- [Google Cloud pricing calculator](/products/calculator)\n\nTo prevent further charges, the final step of this tutorial walks you\nthrough removing all billable Google Cloud resources you created."]]
