En tant qu'équipe de data science, vous souhaitez essayer différentes approches de modélisation pendant la phase d'expérimentation. Pour garantir la reproductibilité, chaque approche dispose de différents paramètres que vous devez suivre manuellement. La journalisation automatique du SDK Agent Platform pour Python, une fonctionnalité SDK de code à une ligne qui exploite MLflow, fournit des métriques et des paramètres de suivi automatiques associés à vos tests sur Gemini Enterprise Agent Platform et à vos exécutions de tests.
Notebook : Journalisation automatique des expériences sur Gemini Enterprise Agent Platform
Dans le notebook "Experiments on Gemini Enterprise Agent Platform : journalisation automatique", vous apprendrez à utiliser Experiments on Gemini Enterprise Agent Platform pour :
- Activer la journalisation automatique dans le SDK Agent Platform pour Python.
- Entraîner le modèle scikit-learn et observer l'exécution du test obtenu avec des métriques et des paramètres enregistrés automatiquement dans Experiments on Gemini Enterprise Agent Platform, sans configurer d'exécution de test.
- Entraîner le modèle TensorFlow, vérifier les métriques et les paramètres enregistrés automatiquement dans Experiments sur Gemini Enterprise Agent Platform en configurant manuellement une exécution de test avec
aiplatform.start_run()etaiplatform.end_run(). - Désactiver la journalisation automatique dans le SDK Agent Platform pour Python, entraîner un modèle PyTorch et vérifier qu'aucun des paramètres ni aucune métrique n'est enregistré.