사전 빌드된 데이터 사전 처리 코드로 모델 학습: 노트북

데이터 과학자에게 일반적인 워크플로는 로컬에서 노트북을 사용하여 모델을 학습시키고, 매개변수를 로깅하고, 학습 시계열 측정항목을 Vertex AI 텐서보드에 로깅하고, 평가 측정항목을 로깅하는 것입니다.

데이터 과학자는 수행되는 모든 복잡한 데이터 랭글링을 단순화 및 표준화하기 위해 회사 내에서 다른 사람들이 작성한 데이터 사전 처리 코드를 재사용할 수 있기를 바랍니다. 데이터 과학자에게 필요한 기능은 다음과 같습니다.

1. Python 데이터 사전 처리 라이브러리를 사용하여 노트북에서 인메모리 데이터 세트(Pandas Dataframe)를 삭제합니다.
2. Keras를 사용하여 모델을 학습합니다(노트북에서 다시 수행).

노트북: 사전 처리된 데이터로 모델 실험

'커스텀 학습용 Vertex AI 실험 계보 빌드' 노트북에서는 Vertex AI Experiments에서 전처리 코드를 통합하는 방법을 알아봅니다. 또한 ML 여정에 따라 생성되는 메타데이터 및 아티팩트를 기록, 분석, 디버깅할 수 있게 해주는 실험 계보를 빌드합니다.

Google Cloud 콘솔에서 아티팩트 계보를 볼 수 있습니다.

관련성 있는 콘텐츠

• 실험 실행에 수동으로 데이터 로깅
• 로그 요약 측정항목
• 시계열 측정항목 로깅
• 로그 매개변수
• 로그 분류 측정항목

• 실행 및 아티팩트 추적