Hola datos de texto: configura tu proyecto y entorno

Organízate con las colecciones Guarda y clasifica el contenido según tus preferencias.

Si planea utilizar el SDK de Vertex AI para Python, asegúrese de que la cuenta de servicio que inicializa el cliente tenga la función de IAM del Agente de servicio de Vertex AI ( roles/aiplatform.serviceAgent ).

Para esta parte del tutorial, configurará su Google Cloud proyecto para usar Vertex AI y un depósito de Cloud Storage que contiene los documentos para entrenar su modelo de AutoML.

Este tutorial tiene varias páginas:

1. Configurando su proyecto y entorno.

2. Crear un conjunto de datos de clasificación de texto.

3. Entrenamiento de un modelo de clasificación de texto de AutoML.

4. Implemente el modelo en un punto final y envíe una predicción.

5. Limpiando tu proyecto.

Cada página asume que ya ha realizado las instrucciones de las páginas anteriores del tutorial.

Configure su proyecto y entorno

Complete los siguientes pasos antes de utilizar la funcionalidad Vertex AI.

1. In the Google Cloud console, go to the project selector page.

   Go to project selector

2. Select or create a Google Cloud project.

3. Make sure that billing is enabled for your Google Cloud project.

4. Abra Cloud Shell . Cloud Shell es un entorno de shell interactivo para Google Cloud que le permite administrar sus proyectos y recursos desde su navegador web.
Ir a la nube Shell
5. En Cloud Shell, configure el proyecto actual según su Google CloudID del proyecto y guárdelo en la variable de shell projectid :

     gcloud config set project PROJECT_ID &&
     projectid=PROJECT_ID &&
     echo $projectid

   Reemplace PROJECT_ID con su ID de proyecto. Puede localizar el ID de su proyecto en el Google Cloud consola. Para obtener más información, consulte Encuentre el ID de su proyecto .

6. Enable the IAM, Compute Engine, Notebooks, Cloud Storage, and Vertex AI APIs:

   gcloud services enable iam.googleapis.com<wbr>&nbsp; compute.googleapis.com<wbr>&nbsp;notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com

7. Grant roles to your user account. Run the following command once for each of the following IAM roles: roles/aiplatform.user, roles/storage.admin

   gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE

   • Replace PROJECT_ID with your project ID.

   • Replace USER_IDENTIFIER with the identifier for your user account. For example, user:[email protected].

   • Replace ROLE with each individual role.
La función IAM de usuario de Vertex AI ( roles/aiplatform.user ) proporciona acceso para utilizar todos los recursos en Vertex AI. El administrador de almacenamiento ( roles/storage.admin ) le permite almacenar el conjunto de datos de entrenamiento del documento en Cloud Storage.

Crea un depósito de Cloud Storage y copia el conjunto de datos de muestra

Crea un depósito de Cloud Storage para almacenar los documentos que usas para entrenar tu modelo de AutoML.

1. Abra Cloud Shell .

2. Establezca la variable PROJECT_ID en el ID de su proyecto.

   export PROJECT_ID=PROJECT_ID

3. Configure la variable BUCKET , que utiliza para crear un depósito de Cloud Storage.

   export BUCKET=${PROJECT_ID}-lcm

4. Cree un depósito de Cloud Storage en la región us-central1 con la variable BUCKET .

   gcloud storage buckets create gs://${BUCKET}/ --project=${PROJECT_ID} --location=us-central1

5. Copie el conjunto de datos de entrenamiento de muestra de happiness.csv en su depósito.

   gcloud storage cp gs://cloud-ml-data/NL-classification/happiness.csv gs://${BUCKET}/text/ --recursive

¿Qué sigue?

Siga la siguiente página de este tutorial para usar la consola Vertex AI para crear un conjunto de datos de clasificación de texto e importar los documentos que copió a su depósito de Cloud Storage.