Olá dados de texto: configure seu projeto e ambiente

Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

Se você planeja usar o SDK da Vertex AI para Python, certifique-se de que a conta de serviço que inicializa o cliente tenha a função do IAM do agente de serviço da Vertex AI ( roles/aiplatform.serviceAgent ).

Para esta parte do tutorial, você configura seu Google Cloud projeto para usar o Vertex AI e um bucket do Cloud Storage que contém os documentos para treinar seu modelo do AutoML.

Este tutorial tem várias páginas:

1. Configurando seu projeto e ambiente.

2. Criando um conjunto de dados de classificação de texto.

3. Treinando um modelo de classificação de texto AutoML.

4. Implante o modelo em um endpoint e envie uma previsão.

5. Limpando seu projeto.

Cada página pressupõe que você já tenha executado as instruções das páginas anteriores do tutorial.

Configure seu projeto e ambiente

Conclua as etapas a seguir antes de usar a funcionalidade da 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 o Cloud Shell . Cloud Shell é um ambiente de shell interativo para Google Cloud que permite gerenciar seus projetos e recursos a partir do seu navegador.
Acesse o Cloud Shell
5. No Cloud Shell, defina o projeto atual como seu Google CloudID do projeto e armazene-o na variável shell projectid :

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

   Substitua PROJECT_ID pelo ID do seu projeto. Você pode localizar o ID do seu projeto no Google Cloud console. Para obter mais informações, consulte Encontre o ID do seu projeto .

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.
A função do IAM Usuário da Vertex AI ( roles/aiplatform.user ) fornece acesso para usar todos os recursos na Vertex AI. O Administrador de armazenamento ( roles/storage.admin ) permite armazenar o conjunto de dados de treinamento do documento no Cloud Storage.

Crie um bucket do Cloud Storage e copie o conjunto de dados de amostra

Crie um bucket do Cloud Storage para armazenar os documentos usados ​​para treinar seu modelo do AutoML.

1. Abra o Cloud Shell .

2. Defina a variável PROJECT_ID como o ID do seu projeto.

   export PROJECT_ID=PROJECT_ID

3. Defina a variável BUCKET , que você usa para criar um bucket do Cloud Storage.

   export BUCKET=${PROJECT_ID}-lcm

4. Crie um bucket do Cloud Storage na região us-central1 com a variável BUCKET .

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

5. Copie o conjunto de dados de treinamento de amostra happiness.csv em seu bucket.

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

O que vem a seguir

Siga a próxima página deste tutorial para usar o console da Vertex AI para criar um conjunto de dados de classificação de texto e importar os documentos copiados para o bucket do Cloud Storage.