{"id":7075,"date":"2023-11-23T07:41:00","date_gmt":"2023-11-23T12:41:00","guid":{"rendered":"https:\/\/www.alvarezjoseph.com\/blog\/?p=7075"},"modified":"2023-11-22T11:43:28","modified_gmt":"2023-11-22T16:43:28","slug":"vertexai-aprendizaje-inteligente","status":"publish","type":"post","link":"https:\/\/www.alvarezjoseph.com\/blog\/vertexai-aprendizaje-inteligente\/","title":{"rendered":"Tutorial de Vertex AI: Dominar el Aprendizaje Autom\u00e1tico con la Plataforma de Google"},"content":{"rendered":"\n

Vertex AI<\/strong>, una plataforma s\u00f3lida de aprendizaje autom\u00e1tico (ML), te invita a explorar un mundo de posibilidades para capacitar, implementar y personalizar modelos de ML y aplicaciones de IA. Abre la puerta para aprovechar el potencial de los grandes modelos de lenguaje (LLM) dentro de tus proyectos impulsados por IA. <\/p>\n\n\n\n

Esta plataforma integra a la perfecci\u00f3n los flujos de trabajo de ingenier\u00eda de datos, ciencia de datos e ingenier\u00eda de aprendizaje autom\u00e1tico, fomentando la colaboraci\u00f3n entre tus equipos. Al aprovechar un conjunto de herramientas compartido, Vertex AI te permite escalar aplicaciones y cosechar los frutos de la destreza de Google Cloud.<\/p>\n\n\n\n

Opciones de Entrenamiento e Implementaci\u00f3n: Explora tu Camino con Vertex AI<\/strong><\/h2>\n\n\n\n
    \n
  1. AutoML Brilliance:<\/strong> Con AutoML, la capacitaci\u00f3n se vuelve sencilla<\/strong>. Los datos tabulares, de im\u00e1genes, texto o video se pueden entrenar sin c\u00f3digo, evitando las complejidades de la preparaci\u00f3n de datos.<\/li>\n\n\n\n
  2. Dominio Personalizado:<\/strong> Ad\u00e9ntrate en el \u00e1mbito del entrenamiento personalizado, donde reina el control absoluto<\/strong>. Tu marco de aprendizaje autom\u00e1tico preferido da forma al viaje, tu c\u00f3digo gu\u00eda el proceso y las opciones de ajuste de hiperpar\u00e1metros se convierten en tu br\u00fajula.<\/li>\n\n\n\n
  3. Exploraci\u00f3n del Jard\u00edn Modelo:<\/strong> El jard\u00edn modelo te llama: un oasis de descubrimiento, pruebas, personalizaci\u00f3n e implementaci\u00f3n<\/strong>. Aqu\u00ed, Vertex AI se entrelaza con modelos y activos de c\u00f3digo abierto, ofreciendo un rico campo de juego para la innovaci\u00f3n.<\/li>\n\n\n\n
  4. Horizonte de IA Generativa:<\/strong> El horizonte se ampl\u00eda con la IA generativa, otorgando acceso a los amplios modelos de IA generativa de Google. El texto, el c\u00f3digo, las im\u00e1genes y la voz se convierten en tu lienzo, que puede ajustarse e implementarse dentro de tu \u00e1mbito impulsado por la IA.<\/li>\n<\/ol>\n\n\n\n

    Despliegue y MLOps: Una Sinfon\u00eda de Automatizaci\u00f3n y Escalabilidad<\/strong><\/h2>\n\n\n\n

    Despu\u00e9s de la implementaci\u00f3n del modelo, se despliegan las herramientas MLOps<\/strong> de Vertex AI: una sinfon\u00eda de automatizaci\u00f3n y escalabilidad que resuena a lo largo del ciclo de vida del aprendizaje autom\u00e1tico.<\/p>\n\n\n\n

    Estas herramientas, implementadas en una infraestructura administrada, se adaptan a tus necesidades presupuestarias y de desempe\u00f1o, ofreciendo una imagen de un viaje \u00e1gil y efectivo.<\/p>\n\n\n\n

    Tutorial de IA de Vertex: Primeros Pasos hacia el Dominio de la Inteligencia Artificial<\/h2>\n\n\n\n

    Primeros Pasos: Requisitos Previos<\/strong><\/p>\n\n\n\n

    Para completar con \u00e9xito este tutorial, necesitar\u00e1s una suscripci\u00f3n activa a Google Cloud<\/strong> y el SDK de Google Cloud instalado en tu estaci\u00f3n de trabajo. Con estas herramientas implementadas, estar\u00e1s listo para sumergirte en el apasionante mundo de la IA y el aprendizaje autom\u00e1tico.<\/p>\n\n\n\n

    Paso 1: Creaci\u00f3n del Conjunto de Datos<\/strong><\/p>\n\n\n\n

    La creaci\u00f3n de un conjunto de datos es la base para construir un modelo de IA eficaz. En este paso, nos centraremos en cargar im\u00e1genes y etiquetarlas con fines de capacitaci\u00f3n. Con Google Vertex AI AutoML<\/strong>, el proceso de capacitaci\u00f3n requiere una intervenci\u00f3n m\u00ednima, lo que lo hace ideal para quienes son nuevos en la IA o con experiencia limitada en codificaci\u00f3n.<\/p>\n\n\n\n

    Para este tutorial, usaremos un conjunto de datos de im\u00e1genes que contienen rostros con y sin m\u00e1scaras, creado por Prajna Bhandary<\/strong>. Emple\u00f3 t\u00e9cnicas de aumento de im\u00e1genes para generar m\u00e1s de 600 im\u00e1genes para cada clase, proporcionando datos suficientes para que AutoML haga su magia.<\/p>\n\n\n\n

    Subir Im\u00e1genes a Google Cloud Storage<\/strong><\/h2>\n\n\n\n

    Comienza creando un dep\u00f3sito de Google Cloud Storage para almacenar tu conjunto de datos. Utiliza los siguientes comandos para iniciar el proceso de creaci\u00f3n del dep\u00f3sito:<\/p>\n\n\n\n

    bashCopy code<\/p>\n\n\n\n

    BUCKET=j-mask-nomask REGION=EUROPE-WEST4 gsutil mb -l $REGION -c STANDARD gs:\/\/$BUCKET<\/code><\/p>\n\n\n\n

    Recuerda ajustar el nombre del dep\u00f3sito y la regi\u00f3n seg\u00fan sea necesario.<\/p>\n\n\n\n

    A continuaci\u00f3n, clona el repositorio de GitHub que contiene el conjunto de datos en tu m\u00e1quina local:<\/p>\n\n\n\n

    bashCopy code<\/p>\n\n\n\n

    git clone https:\/\/github.com\/prajnasb\/observations.git<\/code><\/p>\n\n\n\n

    Navega hasta el directorio de datos y ejecuta los siguientes comandos para cargar im\u00e1genes en el dep\u00f3sito:<\/p>\n\n\n\n

    bashCopy code<\/p>\n\n\n\n

    gsutil cp -r con_mask gs:\/\/$BUCKET gsutil cp -r sin_mask gs:\/\/$BUCKET<\/code><\/p>\n\n\n\n

    Aseg\u00farate de ejecutar estos comandos en ventanas de terminal separadas para cargar im\u00e1genes desde ambos directorios simult\u00e1neamente.<\/p>\n\n\n\n

    Paso 2: Generar un Archivo CSV<\/strong><\/p>\n\n\n\n

    Para crear un archivo CSV que contenga la ruta y la etiqueta de cada imagen, usaremos un script BASH simple. Ejecuta los siguientes comandos para generar entradas para im\u00e1genes con m\u00e1scaras:<\/p>\n\n\n\n

    bashCopy code<\/p>\n\n\n\n

    for filename in with_mask\/*.jpg; do [ -e \"$filename\" ] || continue; echo \"gs:\/\/$BUCKET\/$filename,mask\" >> mask-ds.csv; done<\/code><\/p>\n\n\n\n

    Repite el proceso para im\u00e1genes sin m\u00e1scaras:<\/p>\n\n\n\n

    bashCopy code<\/p>\n\n\n\n

    for filename in without_mask\/*.jpg; do [ -e \"$filename\" ] || continue; echo \"gs:\/\/$BUCKET\/$filename, no mask\" >> mask-ds.csv; done<\/code><\/p>\n\n\n\n

    Carga el archivo CSV generado en el dep\u00f3sito:<\/p>\n\n\n\n

    bashCopy code<\/p>\n\n\n\n

    gsutil cp mask-ds.csv gs:\/\/$BUCKET<\/code><\/p>\n\n\n\n

    Paso 3: Crear un Conjunto de Datos de Vertex AI<\/strong><\/p>\n\n\n\n

    Con tus datos listos, es hora de crear un conjunto de datos de Vertex AI. Sigue estos pasos:<\/p>\n\n\n\n

      \n
    1. Accede al panel de Vertex AI en Google Cloud Console y habilita la API.<\/li>\n\n\n\n
    2. Elige la regi\u00f3n que desees y haz clic en \u00abCrear conjunto de datos\u00bb.<\/li>\n\n\n\n
    3. Proporciona un nombre para el conjunto de datos y selecciona \u00abClasificaci\u00f3n de im\u00e1genes\u00bb con una sola etiqueta.<\/li>\n\n\n\n
    4. Importa archivos desde Cloud Storage seleccionando el archivo CSV que cargaste anteriormente.<\/li>\n<\/ol>\n\n\n\n

      El proceso de importaci\u00f3n tardar\u00e1 unos minutos. Una vez completado, ver\u00e1s las im\u00e1genes etiquetadas y sin etiquetar en el conjunto de datos.<\/p>\n\n\n\n

      Aprovechando la Flexibilidad de Vertex AI<\/strong><\/p>\n\n\n\n

      Vertex AI presenta un espectro de herramientas que incluyen el SDK de Python para el aprendizaje autom\u00e1tico hol\u00edstico dentro de Vertex AI Workbench, diversas interfaces como Google Cloud Console, la l\u00ednea de comandos de gcloud y m\u00e1s, lo que garantiza adaptabilidad y empoderamiento en todos tus esfuerzos de IA.<\/p>\n\n\n\n

      \u00bfC\u00f3mo se Puede Emplear Vertex AI para la Construcci\u00f3n e Implementaci\u00f3n de Tus Modelos?<\/strong><\/h2>\n\n\n\n

      Utilizaci\u00f3n de Vertex AI para la Creaci\u00f3n e Implementaci\u00f3n de Modelos:<\/strong><\/p>\n\n\n\n

      En el contexto de la creaci\u00f3n e implementaci\u00f3n de modelos, esta secci\u00f3n ofrece una visi\u00f3n integral del flujo de trabajo de aprendizaje autom\u00e1tico facilitado por Vertex AI.<\/p>\n\n\n\n

      1. Preparaci\u00f3n de Datos<\/strong><\/p>\n\n\n\n

      Comienza con la extracci\u00f3n y el refinamiento de datos, realiza un an\u00e1lisis de datos exploratorio (EDA) para comprender el esquema de datos anticipado y los rasgos requeridos por el modelo de ML. Emplea modificaciones de datos e ingenier\u00eda de funciones, y segmenta los datos en conjuntos de entrenamiento, validaci\u00f3n y prueba. Aprovecha los port\u00e1tiles integrados Vertex AI Workbench para explorar y visualizar datos, donde la perfecta integraci\u00f3n con Cloud Storage y BigQuery acelera el acceso y el procesamiento de datos. Para conjuntos de datos m\u00e1s grandes, optimiza el procesamiento con Dataproc Serverless Spark a trav\u00e9s de Vertex AI Workbench, eliminando la necesidad de administrar cl\u00fasteres de Dataproc individuales.<\/p>\n\n\n\n

      2. Formaci\u00f3n Modelo<\/strong><\/p>\n\n\n\n

      Profundiza en las metodolog\u00edas de formaci\u00f3n, eligiendo la que se adapte a las necesidades de formaci\u00f3n de tu modelo. Para aquellos reacios a la codificaci\u00f3n, la descripci\u00f3n general de AutoML ofrece una ruta de entrenamiento de modelos sin c\u00f3digo. AutoML admite diversos tipos de datos como tabulares, im\u00e1genes, texto y v\u00eddeo. Alternativamente, adopta una capacitaci\u00f3n personalizada elaborando tu c\u00f3digo de capacitaci\u00f3n dentro de tu marco de aprendizaje autom\u00e1tico favorito. <\/p>\n\n\n\n

      Adapta tus modelos optimizando hiperpar\u00e1metros a trav\u00e9s de trabajos de ajuste personalizados o aprovecha la experiencia de Vertex AI Vizier en el ajuste de modelos ML complejos. Aprovecha los experimentos de Vertex AI para experimentar con distintas t\u00e9cnicas de aprendizaje autom\u00e1tico y evaluar sus resultados.<\/p>\n\n\n\n

      3. Evaluaci\u00f3n e Iteraci\u00f3n del Modelo<\/strong><\/p>\n\n\n\n

      Cambia el enfoque a la evaluaci\u00f3n de modelos, refinando tu modelo en funci\u00f3n de m\u00e9tricas de evaluaci\u00f3n y mejoras iterativas. Utiliza m\u00e9tricas como la precisi\u00f3n y la recuperaci\u00f3n para evaluar el rendimiento del modelo, aprovechando Vertex AI Model Registry para el control de versiones y las transiciones de producci\u00f3n. Ya sea a trav\u00e9s del flujo de trabajo de Vertex AI Model Registry o Vertex AI Pipelines, las evaluaciones se pueden integrar perfectamente.<\/p>\n\n\n\n

      4. Servicio Modelo<\/strong><\/p>\n\n\n\n

      Transici\u00f3n a la implementaci\u00f3n de modelos con predicciones listas para producci\u00f3n. Implementa modelos entrenados a medida utilizando contenedores predise\u00f1ados o personalizados, que ofrecen predicciones en l\u00ednea en tiempo real. Facilita predicciones por lotes asincr\u00f3nicas sin implementaci\u00f3n de endpoints. El tiempo de ejecuci\u00f3n optimizado de TensorFlow reduce a\u00fan m\u00e1s la latencia y el costo, superando a los contenedores de TensorFlow Serving de c\u00f3digo abierto. En escenarios que involucran modelos tabulares, Vertex AI Feature Store sirve como repositorio, facilitando el aprovisionamiento de funciones y el monitoreo del estado de las mismas. Vertex Explicable AI ayuda a la comprensi\u00f3n al atribuir caracter\u00edsticas a las predicciones del modelo, al mismo tiempo que identifica instancias de conjuntos de datos de entrenamiento mal etiquetados.<\/p>\n\n\n\n

      5. Seguimiento del Modelo<\/strong><\/p>\n\n\n\n

      Con tu modelo implementado en funcionamiento, supervisa atentamente su rendimiento. Aprovecha el monitoreo del modelo Vertex AI para examinar el sesgo del servicio de entrenamiento y la desviaci\u00f3n de la predicci\u00f3n, notific\u00e1ndote r\u00e1pidamente cuando los datos de predicci\u00f3n entrantes se desv\u00eden significativamente de la l\u00ednea de base establecida.<\/p>\n\n\n\n

      Conclusi\u00f3n: Vertex AI, tu Socio Integral en el Viaje de la IA<\/strong><\/h2>\n\n\n\n

      En resumen, Vertex AI ofrece una amplia gama de tutoriales que cubren varios flujos de trabajo de IA, abarcando tareas como la creaci\u00f3n de conjuntos de datos a partir de datos tabulares, el entrenamiento de modelos de clasificaci\u00f3n utilizando AutoML y la implementaci\u00f3n de modelos para predicciones en l\u00ednea. Para iniciar tu viaje con Vertex AI, puedes establecer un proyecto, configurar un entorno de desarrollo, instalar el SDK de Vertex AI para Python y explorar modelos y API de AI. <\/p>\n\n\n\n

      Adem\u00e1s, puedes crear modelos de ML personalizados con Vertex AI a trav\u00e9s de instrucciones paso a paso en videos de YouTube o crear canales de Vertex AI personalizados para MLOps utilizando un tutorial completo de Towards Data Science.<\/p>\n\n\n\n

      En general, Vertex AI sirve como una plataforma integrada que fusiona ingenier\u00eda de datos, ciencia de datos e ingenier\u00eda de aprendizaje autom\u00e1tico, fomentando la colaboraci\u00f3n entre equipos a trav\u00e9s de herramientas compartidas y aprovechando las ventajas de las capacidades de Google Cloud. \u00a1Explora, aprende y domina el aprendizaje autom\u00e1tico con Vertex AI!<\/p>\n\n\n

      \n \n
      \n \n
      \n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n <\/div>\n \n
      \n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n
      \n \n\n
      <\/div>\n <\/div>\n <\/div>\n<\/div>\n \n\n
      \n Valora el post<\/span>\n <\/div>\n <\/div>\n","protected":false},"excerpt":{"rendered":"

      Vertex AI, una plataforma s\u00f3lida de aprendizaje autom\u00e1tico (ML), te invita a explorar un mundo de posibilidades para capacitar, implementar y personalizar modelos de ML y aplicaciones de IA. Abre la puerta para aprovechar el potencial de los grandes modelos de lenguaje (LLM) dentro de tus proyectos impulsados por IA. Esta plataforma integra a la […]<\/p>\n","protected":false},"author":2,"featured_media":7077,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[92],"tags":[],"class_list":["post-7075","post","type-post","status-publish","format-standard","has-post-thumbnail","category-inteligencia-artificial"],"_links":{"self":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/posts\/7075","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/comments?post=7075"}],"version-history":[{"count":0,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/posts\/7075\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/media\/7077"}],"wp:attachment":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/media?parent=7075"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/categories?post=7075"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/tags?post=7075"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}