برای وارد کردن دادههای آموزشی به جداول AutoML، کاربران میتوانند مجموعهای از مراحل را دنبال کنند که شامل آمادهسازی دادهها، ایجاد یک مجموعه داده و آپلود دادهها در سرویس جداول AutoML است. AutoML Tables یک سرویس یادگیری ماشینی است که توسط Google Cloud ارائه میشود که به کاربران امکان میدهد مدلهای یادگیری ماشینی سفارشی را بدون نیاز به کدنویسی یا تخصص گسترده در علم داده ایجاد و استقرار دهند.
اولین قدم در وارد کردن داده های آموزشی، آماده سازی داده ها در قالبی سازگار است. AutoML Tables از فرمت های مختلف داده مانند جداول CSV، JSONL و BigQuery پشتیبانی می کند. مهم است که اطمینان حاصل شود که داده ها قبل از آپلود در جداول AutoML به درستی قالب بندی و سازماندهی شده اند. این شامل پاکسازی داده ها، مدیریت مقادیر از دست رفته، و رمزگذاری متغیرهای طبقه بندی در صورت لزوم می شود.
پس از آماده شدن داده ها، کاربران می توانند یک مجموعه داده در رابط کاربری جداول AutoML ایجاد کنند. مجموعه داده محفظه ای برای داده های آموزشی و ابرداده های مرتبط است. برای ایجاد یک مجموعه داده، کاربران باید یک نام ارائه کنند و پروژه و مکان ذخیره مجموعه داده را انتخاب کنند. مهم است که پروژه و مکان مناسب را برای اطمینان از حفظ حریم خصوصی داده ها و مطابقت با الزامات قانونی انتخاب کنید.
پس از ایجاد مجموعه داده، کاربران می توانند داده های آموزشی را آپلود کنند. در رابط کاربری AutoML Tables، گزینه ای برای وارد کردن داده ها از منابع مختلف مانند Google Cloud Storage، BigQuery یا مستقیماً از ماشین محلی کاربر وجود دارد. اگر داده ها در Google Cloud Storage یا BigQuery ذخیره شوند، کاربران می توانند به سادگی جزئیات لازم مانند مسیر فایل یا نام جدول را ارائه دهند. اگر داده ها به صورت محلی ذخیره شوند، کاربران می توانند از رابط کاربری جداول AutoML برای آپلود فایل داده استفاده کنند.
در طول فرآیند وارد کردن داده ها، جداول AutoML به طور خودکار داده ها را تجزیه و تحلیل می کند و انواع ستون ها و آمار داده ها را استنباط می کند. این به درک داده ها و تصمیم گیری آگاهانه در طول فرآیند آموزش مدل کمک می کند. کاربران می توانند در صورت لزوم انواع ستون های استنباط شده را بررسی و اصلاح کنند.
پس از وارد کردن داده ها، کاربران می توانند با استفاده از AutoML Tables UI داده ها را بیشتر بررسی و تجزیه و تحلیل کنند. UI ویژگی های مختلفی مانند آمار داده ها، تجسم توزیع داده ها و گزینه های تقسیم داده را ارائه می دهد. این ویژگیها به کاربران کمک میکنند تا بینشی در مورد دادهها پیدا کنند و در طول فرآیند آموزش مدل تصمیمگیری آگاهانه بگیرند.
برای وارد کردن دادههای آموزشی به جداول AutoML، کاربران باید دادهها را در قالبی سازگار آماده کنند، یک مجموعه داده ایجاد کنند و دادهها را با استفاده از AutoML Tables UI آپلود کنند. AutoML Tables از فرمت های مختلف داده پشتیبانی می کند و یک رابط کاربری بصری برای کاوش و تجزیه و تحلیل داده ها ارائه می دهد. با دنبال کردن این مراحل، کاربران می توانند به طور موثر داده های آموزشی خود را وارد کنند و با استفاده از جداول AutoML شروع به ساخت مدل های یادگیری ماشین سفارشی کنند.
سایر پرسش ها و پاسخ های اخیر در مورد جداول خودکار:
- چگونه کاربران می توانند مدل خود را مستقر کرده و در جداول AutoML پیش بینی کنند؟
- چه گزینه هایی برای تنظیم بودجه آموزشی در جداول AutoML وجود دارد؟
- برگه Analyze چه اطلاعاتی را در جداول AutoML ارائه می دهد؟
- انواع مختلف داده ای که جداول AutoML می توانند مدیریت کنند چیست؟