Por importi trejnajn datumojn en AutoML-Tabelojn, uzantoj povas sekvi serion de paŝoj, kiuj implikas prepari la datumojn, krei datenojn kaj alŝuti la datumojn al la servo de AutoML-Tabeloj. AutoML Tables estas maŝinlernada servo provizita de Google Cloud, kiu ebligas al uzantoj krei kaj disfaldi laŭmendajn maŝinlernajn modelojn sen la bezono de ampleksa kodigo aŭ datuma scienca kompetenteco.
La unua paŝo en importado de trejnado-datumoj estas prepari la datumojn en kongrua formato. AutoML-Tabeloj subtenas diversajn datumformatojn kiel CSV, JSONL kaj BigQuery-tabelojn. Gravas certigi, ke la datumoj estas taŭge formatitaj kaj organizitaj antaŭ ol alŝuti ĝin al AutoML-Tabeloj. Ĉi tio inkluzivas purigi la datumojn, pritrakti mankantajn valorojn kaj kodi kategoriajn variablojn se necese.
Post kiam la datumoj estas pretaj, uzantoj povas krei datumaron en la AutoML Tables UI. Datenaro estas ujo por la trejnaj datumoj kaj rilataj metadatenoj. Por krei datumaron, uzantoj devas provizi nomon kaj elekti la projekton kaj lokon kie la datumaro estos stokita. Gravas elekti la taŭgan projekton kaj lokon por certigi datuman privatecon kaj konformecon al reguligaj postuloj.
Post kreado de la datumaro, uzantoj povas alŝuti la trejnajn datumojn. En la AutoML Tables UI, ekzistas eblo importi datumojn de malsamaj fontoj kiel Google Cloud Storage, BigQuery, aŭ rekte de la loka maŝino de la uzanto. Se la datumoj estas konservitaj en Google Cloud Storage aŭ BigQuery, uzantoj povas simple provizi la necesajn detalojn kiel la dosiervojo aŭ tabelnomo. Se la datumoj estas konservitaj loke, uzantoj povas uzi la AutoML Tables UI por alŝuti la datumdosieron.
Dum la procezo de importado de datumoj, AutoML-Tabeloj aŭtomate analizas la datumojn kaj konkludas la kolumntipojn kaj datumajn statistikojn. Ĉi tio helpas kompreni la datumojn kaj fari informitajn decidojn dum la modela trejnado. Uzantoj povas revizii kaj modifi la konkluditajn kolumntipojn se necese.
Post kiam la datumoj estas importitaj, uzantoj povas plu esplori kaj analizi la datumojn uzante la AutoML Tables UI. La UI disponigas diversajn funkciojn kiel ekzemple datumstatistikoj, datuma distribua bildigo kaj datumdividaj opcioj. Ĉi tiuj funkcioj helpas uzantojn akiri komprenojn pri la datumoj kaj fari informitajn decidojn dum la modela trejnado.
Por importi trejnajn datumojn en AutoML-Tabelojn, uzantoj devas prepari la datumojn en kongrua formato, krei datumaron kaj alŝuti la datumojn per la AutoML-Tabeloj. AutoML Tables subtenas diversajn datumformatojn kaj provizas intuician UI por datumesplorado kaj analizo. Sekvante ĉi tiujn paŝojn, uzantoj povas efike importi siajn trejnajn datumojn kaj komenci konstrui kutimajn maŝinlernajn modelojn uzante AutoML-Tabelojn.
Aliaj lastatempaj demandoj kaj respondoj pri Tabeloj de AutoML:
- Kiel uzantoj povas disfaldi sian modelon kaj ricevi prognozojn en AutoML-Tabeloj?
- Kiuj opcioj disponeblas por agordi trejnan buĝeton en AutoML-Tabeloj?
- Kiajn informojn provizas la langeto Analizi en AutoML-Tabeloj?
- Kiuj estas la malsamaj datumtipoj kiujn AutoML Tables povas trakti?