Talagang hindi na ipinagpatuloy ang Google Cloud Datalab, isang sikat na notebook environment para sa paggalugad, pagsusuri, at visualization ng data. Gayunpaman, nagbigay ang Google ng alternatibong solusyon para sa mga user na umaasa sa Datalab para sa kanilang mga gawain sa machine learning. Ang inirerekomendang kapalit para sa Google Cloud Datalab ay Google Cloud AI Platform Notebooks.
Ang Google Cloud AI Platform Notebooks ay isang ganap na pinamamahalaang JupyterLab environment na nagbibigay-daan sa mga data scientist, machine learning engineer, at researcher na bumuo, mag-eksperimento, at mag-deploy ng mga modelo ng machine learning. Nagbibigay ito ng flexible at collaborative na kapaligiran na may paunang naka-install na machine learning frameworks at library, na ginagawang madali ang pagbuo at pag-ulit sa mga modelo.
Upang lumipat mula sa Google Cloud Datalab patungo sa Google Cloud AI Platform Notebooks, maaari mong sundin ang mga hakbang na ito:
1. Gumawa ng bagong AI Platform Notebooks instance: Sa Google Cloud Console, mag-navigate sa page ng AI Platform Notebooks at mag-click sa "Bagong Instance." Piliin ang gustong configuration, gaya ng uri ng makina, laki ng boot disk, at suporta sa GPU.
2. Piliin ang naaangkop na runtime: Kapag gumagawa ng bagong instance, maaari kang pumili mula sa iba't ibang mga framework at bersyon ng machine learning. Piliin ang runtime na tumutugma sa iyong mga kinakailangan.
3. I-import ang iyong mga kasalukuyang Datalab notebook: Kapag handa na ang iyong AI Platform Notebooks instance, maaari mong i-import ang iyong mga kasalukuyang Datalab notebook. Maaari mong i-upload ang mga ito nang direkta o i-clone ang mga ito mula sa isang Git repository.
4. I-update at subukan ang iyong mga notebook: Mahalagang i-update ang iyong mga notebook upang matiyak ang pagiging tugma sa bagong kapaligiran. Tingnan kung may anumang mga dependency o bersyon ng library na maaaring kailangang i-update. Subukan ang iyong mga notebook upang matiyak na gumagana ang mga ito nang tama sa kapaligiran ng AI Platform Notebook.
5. Mag-collaborate at magbahagi: Nag-aalok ang AI Platform Notebooks ng mga collaborative na feature na nagbibigay-daan sa maraming user na magtrabaho sa parehong mga notebook nang sabay-sabay. Maaari mo ring ibahagi ang iyong mga notebook sa iba sa pamamagitan ng pagbibigay sa kanila ng naaangkop na mga pahintulot sa pag-access.
Sa pamamagitan ng pag-migrate sa Google Cloud AI Platform Notebooks, maaari mong ipagpatuloy ang iyong machine learning na gumagana nang walang putol, gamit ang mahuhusay na kakayahan at tool na ibinigay ng Google Cloud. Nag-aalok ito ng katulad na karanasan sa notebook sa Datalab habang nagbibigay ng mga karagdagang feature at pagpapahusay.
Ang Google Cloud AI Platform Notebooks ay ang inirerekomendang kapalit para sa Google Cloud Datalab. Nagbibigay ito ng ganap na pinamamahalaang kapaligiran ng JupyterLab na may paunang naka-install na mga framework at library ng machine learning. Sa pamamagitan ng pagsunod sa mga hakbang sa paglipat na nakabalangkas sa itaas, maaari mong maayos na ilipat ang iyong mga kasalukuyang Datalab notebook sa AI Platform Notebook at ipagpatuloy ang iyong mga gawain sa machine learning.
Iba pang kamakailang mga tanong at sagot tungkol sa EITC/AI/GCML Google Cloud Machine Learning:
- Ano ang text to speech (TTS) at kung paano ito gumagana sa AI?
- Ano ang mga limitasyon sa pagtatrabaho sa malalaking dataset sa machine learning?
- Magagawa ba ng machine learning ang ilang dialogic na tulong?
- Ano ang TensorFlow playground?
- Ano ba talaga ang ibig sabihin ng mas malaking dataset?
- Ano ang ilang halimbawa ng mga hyperparameter ng algorithm?
- Ano ang pag-aaral ng ensemble?
- Paano kung ang napiling machine learning algorithm ay hindi angkop at paano makasigurado na piliin ang tama?
- Kailangan ba ng isang machine learning model ang pangangasiwa sa panahon ng pagsasanay nito?
- Ano ang mga pangunahing parameter na ginagamit sa mga algorithm na nakabatay sa neural network?
Tingnan ang higit pang mga tanong at sagot sa EITC/AI/GCML Google Cloud Machine Learning