GSP1293

Descripción general

En este lab, se presentan las funciones de ejecución de código de Gemini 2.0 Flash, un nuevo modelo de IA generativa multimodal de Google DeepMind que ofrece mejoras de velocidad y calidad, así como capacidades de razonamiento avanzadas, como comprensión, programación y seguimiento de instrucciones.

Este modelo se destaca por su capacidad para generar y ejecutar código de Python directamente en la API. Para aprovecharla y devolver los resultados, sigue la demostración de este lab.

Esta capacidad permite que el modelo genere código, lo ejecute y observe los resultados, corrija el código si es necesario y aprenda de forma iterativa de los resultados hasta producir un resultado final. Resulta particularmente útil en aplicaciones que emplean razonamiento basado en código, como resolver ecuaciones matemáticas o procesar texto.

Gemini

Gemini es una familia de potentes modelos de IA generativa desarrollados por Google DeepMind que son capaces de comprender y generar varias formas de contenido, como texto, código, imágenes, audio y video.

API de Gemini en Vertex AI

La API de Gemini en Vertex AI proporciona una interfaz unificada para interactuar con modelos de Gemini. Esto permite que los desarrolladores integren fácilmente estas potentes capacidades de IA a sus aplicaciones. Para conocer los detalles más recientes y las funciones específicas de las últimas versiones, consulta la documentación oficial de Gemini.

Modelos de Gemini

• Gemini Pro: Se diseñó para tareas de razonamiento complejo, como las siguientes:
  • Analizar y resumir grandes cantidades de información.
  • Razonamiento multimodal sofisticado (en texto, código, imágenes, etc.).
  • Resolución de problemas eficaz con bases de código complejas.
• Gemini Flash: Optimizado para velocidad y eficiencia, con las siguientes características:
  • Tiempos de respuesta de menos de un segundo y alta capacidad de procesamiento.
  • Alta calidad a un costo más bajo para una amplia variedad de tareas.
  • Funciones multimodales mejoradas, incluidas la comprensión espacial, nuevas modalidades de resultados (texto, audio, imágenes) y el uso de herramientas nativas (Búsqueda de Google, ejecución de código y funciones de terceros).

Requisitos previos

Antes de comenzar este lab, debes tener los siguientes conocimientos:

• Programación de Python básica
• Conceptos generales sobre APIs
• Ejecución de código de Python en un notebook de Jupyter en Vertex AI Workbench

Objetivos

En este lab, aprenderás a generar y ejecutar código con la API de Gemini en Vertex AI y el SDK de Google Gen AI para Python con el modelo Gemini 2.0 Flash.

Completarás las siguientes tareas:

• Generar y ejecutar código de Python de muestra a partir de instrucciones de texto
• Explorar datos con la ejecución de código en chats de varios turnos
• Usar la ejecución de código en sesiones de transmisión

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs cuentan con un temporizador que no se puede pausar. El temporizador, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar. Se recomienda el navegador Chrome.

Nota: Usa una ventana del navegador privada o de incógnito (opción recomendada) para ejecutar el lab. Así evitarás conflictos entre tu cuenta personal y la cuenta de estudiante, lo que podría generar cargos adicionales en tu cuenta personal.

• Tiempo para completar el lab (recuerda que, una vez que comienzas un lab, no puedes pausarlo).

Nota: Usa solo la cuenta de estudiante para este lab. Si usas otra cuenta de Google Cloud, es posible que se apliquen cargos a esa cuenta.

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá un diálogo para que selecciones la forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón para abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debes usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

   {{{user_0.username | "Username"}}}

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

   {{{user_0.password | "Password"}}}

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haz clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para acceder a los productos y servicios de Google Cloud, haz clic en el menú de navegación o escribe el nombre del servicio o producto en el campo Buscar.

Tarea 1: Abre el notebook en Vertex AI Workbench

1. En el menú de navegación () de la consola de Google Cloud, haz clic en Vertex AI > Workbench.

2. Busca la instancia y haz clic en el botón Abrir JupyterLab.

La interfaz de JupyterLab para tu instancia de Workbench se abrirá en una pestaña nueva del navegador.

Tarea 2: Configura el notebook

1. Abre el archivo .

2. En el cuadro de diálogo Select Kernel, elige Python 3 en la lista de kernels disponibles.

3. Ejecuta las secciones Getting Started e Import libraries del notebook.

   • Para Project ID, usa , y para Location, usa .

Nota: Puedes omitir las celdas del notebook que tienen la indicación Colab only. Si recibes una respuesta 429 de cualquiera de las ejecuciones de celda del notebook, espera 1 minuto antes de volver a ejecutar la celda para continuar.

Haz clic en Revisar mi progreso para verificar el objetivo. Configurar el notebook

Tarea 3: Trabaja con la ejecución de código en Gemini 2.0

En esta sección, usarás la API de Gemini para generar y ejecutar código de Python.

Carga el modelo de Gemini

El siguiente código del notebook carga el modelo Gemini 2.0 Flash. Consulta la documentación para conocer todos los modelos de Gemini disponibles en Vertex AI.

1. Ejecuta la sección Carga el modelo de Gemini del notebook.

Define la herramienta de ejecución de código

El siguiente código del notebook inicializa la herramienta de ejecución de código pasando code_execution en una definición de Tool. Más adelante, registrarás esta herramienta en el modelo para que pueda generar y ejecutar código de Python con ella.

1. Ejecuta la sección Define la herramienta de ejecución de código del notebook.

Genera y ejecuta el código

El siguiente código del notebook envía una instrucción al modelo de Gemini para que genere y ejecute código de Python y calcule la suma de los primeros 50 números primos. Para ello, se pasa la herramienta de ejecución de código.

1. Ejecuta la sección Genera y ejecuta código del notebook.

Visualiza el código generado

El siguiente código del notebook itera la respuesta y muestra cualquier código de Python generado buscando part.executable_code en las partes de la respuesta.

1. Ejecuta la sección Visualiza el código generado del notebook.

Visualiza los resultados de la ejecución del código

El siguiente código del notebook itera la respuesta y muestra el resultado de la ejecución buscando part.code_execution_result en las partes de la respuesta.

1. Ejecuta la sección Visualiza los resultados de la ejecución del código del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Trabajar con la ejecución de código en Gemini 2.0

Tarea 4: Ejecuta código en una sesión de chat

En esta sección, se muestra cómo ejecutar código en un chat interactivo con historial a través de la API de Gemini. Puedes crear una sesión de chat, lo que permite que el modelo genere y ejecute código de Python. Primero, le pedirás al modelo que genere datos de series temporales de muestra con ruido y que genere una muestra de 10 datos.

Luego, puedes iterar la respuesta para mostrar cualquier código generado y los resultados de ejecución. A continuación, le pedirás al modelo que agregue una serie de datos suavizada a los datos de la serie temporal y que muestre los resultados. Por último, le pedirás que genere estadísticas descriptivas para los datos de la serie temporal y que muestre los resultados.

1. Ejecuta la sección Ejecuta código en una sesión de chat del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar código en una sesión de chat

Tarea 5: Ejecuta código en una sesión de transmisión

También puedes usar la ejecución de código con el resultado de transmisión de la API de Gemini. En el siguiente código, se demuestra cómo la API de Gemini puede generar y ejecutar código mientras transmite los resultados.

1. Ejecuta la sección Ejecuta código en una sesión de transmisión del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar código en una sesión de transmisión

¡Felicitaciones!

¡Felicitaciones! Aprendiste a generar y ejecutar correctamente código de Python con Gemini 2.0, y a transmitir los resultados. Esta función te permite crear aplicaciones más interactivas y dinámicas. Ahora puedes aprovechar estas habilidades para crear soluciones innovadoras y optimizar tus flujos de trabajo. Sigue explorando las posibilidades de Gemini 2.0 y descubre cómo puede potenciar tus proyectos.

Próximos pasos/Más información

Consulta los siguientes recursos para obtener más información sobre Gemini:

• Descripción general de Gemini
• Documentación sobre IA generativa en Vertex AI
• IA generativa en YouTube
• Explora la guía de soluciones de Vertex AI para ver una galería de notebooks seleccionada sobre la IA generativa en la que puedes realizar búsquedas.
• Explora otros notebooks y ejemplos en el repositorio de IA generativa de Google Cloud.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 11 de febrero de 2025

Prueba más reciente del lab: 11 de febrero de 2025

Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.