GSP1296

Visão geral

Gemini é uma família de modelos de IA generativa desenvolvida pelo Google DeepMind, criada para casos de uso multimodais. A API Gemini dá acesso a vários modelos do Gemini, como Gemini Pro, Flash e Flash Lite.

Neste laboratório, você vai aprender a ajustar o modelo generativo Gemini Flash usando o recurso de ajuste supervisionado da Agent Platform. Com o ajuste supervisionado, você pode usar seus próprios dados de treinamento para refinar ainda mais as capacidades do modelo de base para suas tarefas específicas.

O ajuste supervisionado usa exemplos rotulados (neste caso, imagens) para modificar o modelo de base do Gemini. Cada exemplo demonstra a saída que você quer do seu modelo de texto durante a inferência.

Antes de começar a ajustar, verifique se os dados de treinamento são de alta qualidade, se estão bem rotulados e se são diretamente relevantes para a tarefa de destino. Isso é crucial porque dados de baixa qualidade podem afetar negativamente o desempenho e introduzir viés no modelo ajustado.

No início do laboratório, o ambiente vai conter os recursos mostrados no diagrama a seguir.

Ao final do laboratório, você terá usado a arquitetura para realizar várias tarefas.

Confira na tabela a seguir uma explicação detalhada de cada tarefa referente à arquitetura do laboratório.

Número da tarefa	Detalhes
1.	Abrir o notebook no Agent Platform Workbench e escolher o kernel.
2.	Instalar pacotes e configurar o notebook para seu projeto: você vai usar o SDK de IA generativa do Google para trabalhar com o Gemini pela API Developer e pela Agent Platform. Para isso, será necessário instalar as bibliotecas Python e usá-las durante o laboratório. Você também precisa configurar o notebook para ter acesso aos recursos do seu projeto, como o bucket do Cloud Storage disponibilizado no início.
3.	Preparar o conjunto de dados: nesta tarefa, você vai baixar os arquivos do conjunto de dados, incluindo as imagens, e prepará-los para usar com o notebook.
4.	Comparar o desempenho do modelo de referência com as informações empíricas: você vai comparar o modelo de referência do Gemini Flash com as informações empíricas de uma única imagem no conjunto de dados.
5.	Avaliar o modelo de referência com o conjunto de dados de validação: use val.jsonl com seu comando e o modelo de referência do Gemini Flash para avaliar os resultados. Observação: você vai usar várias métricas de avaliação, como rougeL_precision, rougeL_recall e rougeL_fmeasure, para avaliar o desempenho do modelo ajustado.
6.	Criar o modelo ajustado: use seus dados de treinamento train.jsonl com o modelo de referência do Gemini Flash para criar um modelo ajustado para seu caso de uso específico de legenda de imagens.
7.	Avaliar o modelo ajustado: use métricas de avaliação para avaliar o modelo ajustado em relação ao conjunto de dados de validação val.jsonl e o desempenho do modelo Gemini Flash de referência. A avaliação vai ocorrer com métricas como rougeL.

Pré-requisitos

Antes de fazer este laboratório, você precisa saber os seguintes conceitos:

• Noção básica de programação em Python.
• Conceitos gerais sobre APIs.
• Executar códigos Python em um notebook do Jupyter no Agent Platform Workbench.

Objetivos

Neste laboratório, você vai:

• Descrever o processo para usar o ajuste supervisionado.
• Ajustar o modelo Gemini Flash de referência com seu conjunto de dados de treinamento.
• Avaliar os resultados da legenda de imagens com o modelo ajustado.
• Comparar os resultados do modelo ajustado com o modelo de referência e as informações empíricas.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

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

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

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

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1. Abrir o notebook no Agent Platform Workbench e escolher o kernel

Tarefa 1a. Abrir o notebook

1. No menu de navegação () do console do Google Cloud, clique em Agent Platform > Notebooks.

2. Na barra lateral esquerda, clique em Workbench.

3. Ache a instância e clique no botão Abrir o JupyterLab.

A interface do JupyterLab para sua instância do Workbench é aberta em uma nova guia do navegador.

Observação: se você não encontrar notebooks no JupyterLab, siga estas etapas para redefinir a instância:

1. Feche a guia do JupyterLab no navegador e volte à página inicial do Workbench.

2. Marque a caixa de seleção ao lado do nome da instância e clique em Redefinir.

3. Depois que o botão Abrir o JupyterLab for ativado novamente, aguarde um minuto e clique em Abrir o JupyterLab.

Tarefa 1b. Escolher o kernel

1. Abra o arquivo .

2. Na caixa de diálogo "Selecionar Kernel", escolha Python 3 na lista de kernels disponíveis.

Tarefa 2. Instalar pacotes e configurar o notebook

Nesta tarefa, você vai instalar os pacotes Python necessários, reiniciar o ambiente de execução do kernel, configurar o notebook para usar seu projeto/região e importar as bibliotecas.

1. Conclua as etapas da Tarefa 2, na seção Instalar pacotes e configurar o notebook.

Observação: salve o notebook clicando em Arquivo -> Salvar notebook antes de clicar no botão Verificar meu progresso em cada tarefa.

Clique em Verificar meu progresso para conferir o objetivo. Instale os pacotes e configure o notebook.

Tarefa 3. Preparar o conjunto de dados

Nesta tarefa, você vai baixar os arquivos do conjunto de dados, incluindo as imagens, e preparar para usar com o notebook.

1. Conclua a seção Preparar o conjunto de dados do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Prepare o conjunto de dados.

Tarefa 4. Comparar o desempenho do modelo de referência com as informações empíricas

Nesta tarefa, você vai comparar o modelo Gemini Flash de referência com as informações empíricas de uma única imagem no conjunto de dados.

1. Leia a seção Comparar o desempenho do modelo de referência com as informações empíricas do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Compare o desempenho do modelo de referência com as informações empíricas.

Tarefa 5. Avaliar o modelo de referência com o conjunto de dados de validação

Nesta tarefa, você vai usar val.jsonl com seu comando e o modelo Gemini Flash de referência para avaliar os resultados.

1. Leia a seção Avaliar o modelo de referência com o conjunto de dados de validação do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Avalie o modelo de referência com o conjunto de dados de validação.

Tarefa 6. Criar o modelo ajustado

Nesta tarefa, você vai usar os dados de treinamento train.jsonl com o modelo Gemini Flash de referência para criar um modelo ajustado para seu caso de uso específico de legenda de imagens.

1. Leia a seção Criar o modelo ajustado do notebook.

Observação: o job de ajuste leva vários minutos para ser concluído. Aguarde a conclusão do job de ajuste antes de prosseguir para as células subsequentes do notebook. Importante: clique no botão VER JOB DE AJUSTE para acessar os detalhes do job de ajuste e em VER EXPERIMENTO para acessar os detalhes do experimento. Aguarde até que o estado do job seja "Concluído" para receber o crédito por verificar o progresso dessa tarefa.

Clique em Verificar meu progresso para conferir o objetivo. Crie o modelo ajustado.

Tarefa 7. Avaliar o modelo ajustado

Nesta tarefa, você vai usar métricas de avaliação para avaliar o modelo ajustado em relação ao conjunto de dados de validação val.jsonl e o desempenho do modelo Gemini Flash de referência. A avaliação vai ocorrer com métricas como rougeL.

1. Leia a seção Avaliar o modelo ajustado do notebook.

Importante: conforme indicado no notebook, se você encontrar um erro ao executar a primeira célula desta tarefa, "Endpoint projects/... misconfigured, traffic split not set", aguarde. Leva cerca de 10 minutos para an Agent Platform atualizar a configuração de divisão de tráfego do endpoint implantado depois que a célula anterior termina de ser executada. Não é possível executar previsões on-line usando esse endpoint até que o valor seja 100%. Enquanto espera, você pode consultar a documentação do Google em Definir suas métricas de avaliação. Esse link vai ajudar você a entender o que é o rougeL e por que ele pode ser usado neste caso.

Clique em Verificar meu progresso para conferir o objetivo. Avalie o modelo ajustado.

Parabéns!

Neste laboratório, você aprendeu a usar o recurso de ajuste supervisionado da Agent Platform para ajustar o Gemini usando dados personalizados e melhorar a capacidade de geração de legendas de imagens.

Próximas etapas / Saiba mais

Confira os recursos a seguir para saber mais sobre o Gemini:

• Visão geral do Gemini
• IA generativa na documentação da Vertex AI
• IA generativa no YouTube
• Confira o manual da Vertex AI para acessar uma galeria selecionada e pesquisável de notebooks da IA generativa.
• Conheça outros notebooks e exemplos no Repositório da IA generativa do Google Cloud (em inglês).

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 6 de outubro de 2025

Último teste do laboratório: 29 de outubro de 2025

Copyright 2026 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.