AutoML (Automated Machine Learning) és una suite de productes de Google Cloud que permet als desenvolupadors amb poca experiència en aprenentatge automàtic (ML) crear models personalitzats d'alta qualitat. AutoML simplifica el procés de creació de models ML, automatitzant moltes de les tasques més complexes i tècniques.

1. Comprendre què és AutoML i els seus avantatges.
2. Aprendre a configurar un projecte AutoML.
3. Crear i entrenar un model AutoML.
4. Avaluar i desplegar el model.

AutoML és una eina que permet als usuaris crear models de ML personalitzats sense necessitat de tenir coneixements avançats en ML. AutoML ofereix diverses funcionalitats, com ara la classificació d'imatges, la detecció d'objectes, la classificació de text, la traducció automàtica, entre d'altres.

• Facilitat d'ús: No cal ser un expert en ML per crear models.
• Automatització: Automatitza tasques complexes com la selecció de característiques, l'entrenament de models i la validació.
• Escalabilitat: Pot gestionar grans volums de dades i escalar segons les necessitats.
• Integració: S'integra fàcilment amb altres serveis de Google Cloud.

1. Crear un projecte a Google Cloud Console:

   • Accedeix a la Google Cloud Console.
   • Crea un nou projecte o selecciona un projecte existent.

2. Activar l'API AutoML:

   • A la consola, ves a la secció "API & Services".
   • Cerca "AutoML" i activa l'API corresponent.

3. Configurar la facturació:

   • Assegura't que el teu projecte tingui la facturació configurada, ja que AutoML és un servei de pagament.

4. Crear un bucket de Cloud Storage:

   • AutoML utilitza Google Cloud Storage per emmagatzemar les dades d'entrenament.
   • Crea un bucket a Google Cloud Storage.

1. Preparar les dades:

   • Recull un conjunt d'imatges etiquetades per a l'entrenament.
   • Organitza les imatges en carpetes segons les seves etiquetes.

2. Pujar les dades a Cloud Storage:

   • Posa les imatges al bucket de Cloud Storage que has creat.

3. Crear un dataset a AutoML:

   from google.cloud import automl_v1beta1 as automl
   
   client = automl.AutoMlClient()
   project_id = "your-project-id"
   compute_region = "us-central1"
   dataset_name = "your-dataset-name"
   
   dataset = {
       "display_name": dataset_name,
       "image_classification_dataset_metadata": {},
   }
   
   response = client.create_dataset(
       parent=f"projects/{project_id}/locations/{compute_region}",
       dataset=dataset,
   )
   
   print("Dataset name: {}".format(response.name))
   

4. Importar les dades al dataset:

   dataset_id = "your-dataset-id"
   gcs_uri = "gs://your-bucket-name/path-to-images/"
   
   input_config = {
       "gcs_source": {
           "input_uris": [gcs_uri]
       }
   }
   
   response = client.import_data(
       name=f"projects/{project_id}/locations/{compute_region}/datasets/{dataset_id}",
       input_config=input_config,
   )
   
   print("Import data operation: {}".format(response.operation.name))
   

5. Entrenar el model:

   model_name = "your-model-name"
   model = {
       "display_name": model_name,
       "dataset_id": dataset_id,
       "image_classification_model_metadata": {
           "train_budget_milli_node_hours": 8000
       },
   }
   
   response = client.create_model(
       parent=f"projects/{project_id}/locations/{compute_region}",
       model=model,
   )
   
   print("Training operation: {}".format(response.operation.name))
   

• Un cop el model estigui entrenat, pots avaluar-ne el rendiment utilitzant les mètriques proporcionades per AutoML, com ara la precisió, la precisió i el record.

• Desplega el model per fer prediccions en temps real.

  model_id = "your-model-id"
  
  response = client.deploy_model(
      name=f"projects/{project_id}/locations/{compute_region}/models/{model_id}"
  )
  
  print("Deploy model operation: {}".format(response.operation.name))
  

1. Crea un projecte a Google Cloud.
2. Activa l'API AutoML.
3. Recull un conjunt d'imatges etiquetades i puja-les a un bucket de Cloud Storage.
4. Crea un dataset a AutoML i importa les imatges.
5. Entrena un model de classificació d'imatges.
6. Avaluar el model i desplegar-lo.

Segueix els passos detallats en aquest tema per completar l'exercici. Utilitza els fragments de codi proporcionats per crear, entrenar i desplegar el teu model AutoML.

En aquest tema, hem après què és AutoML i com pot simplificar el procés de creació de models de ML personalitzats. Hem vist com configurar un projecte AutoML, crear i entrenar un model, i finalment, com avaluar i desplegar el model. AutoML és una eina poderosa que permet als desenvolupadors de tots els nivells crear models de ML d'alta qualitat amb facilitat.