Descripción general

En este lab, se demuestra cómo usar el SDK de Vertex para entrenar y, luego, implementar un modelo de regresión tabular personalizado para la predicción en línea con explicaciones.

Objetivos de aprendizaje

En este lab, aprenderás a crear un modelo personalizado a partir de una secuencia de comandos de Python en un contenedor de Docker compilado previamente por Google con el SDK de Vertex y, luego, realizarás una predicción con explicaciones sobre el modelo implementado a través del envío de datos. También puedes usar Google Cloud CLI o la consola de Google Cloud para crear modelos personalizados.

Realizarás las siguientes tareas:

• Crea un trabajo personalizado de Vertex para entrenar un modelo.
• Entrene un modelo de TensorFlow.
• Recupere y cargue los artefactos del modelo.
• Visualice la evaluación del modelo.
• Establezca los parámetros de explicación
• Suba el modelo como recurso Model de Vertex.
• Implemente el recurso Model en un recurso Endpoint de entrega.
• Realice una predicción con explicaciones.
• Anule la implementación del recurso Model.

Configuración y requisitos

En cada lab, recibirás un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Google Skills en una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesitas, puedes reiniciar el lab, pero deberás hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usas otras credenciales, se generarán errores o incurrirás en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Habilita la API de Vertex AI

• En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI > Panel y, luego, en Habilitar API de Vertex AI.

Tarea 1: Inicia una instancia de notebooks de Vertex AI

1. En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI > Workbench. Selecciona Notebooks administrados por el usuario.

2. En la página de instancias de Notebook, haz clic en Crear nueva y elige la versión más reciente de TensorFlow Enterprise 2.6 (con LTS) en Entorno.

3. En el diálogo Instancia de notebook nueva, confirma el nombre de la VM de aprendizaje profundo y, si no quieres cambiar la región ni la zona, deja todos los parámetros de configuración como están. Luego, haz clic en Crear. La VM nueva tardará 2 o 3 minutos en iniciarse.

4. Haz clic en Abrir JupyterLab.
   Se abrirá en una pestaña nueva.

Tarea 2: Clona el repositorio de un curso en tu instancia de Vertex AI Notebooks

El repo de GitHub contiene el archivo del lab y los archivos de soluciones del curso.

1. Copia y ejecuta el siguiente código en la primera celda de tu notebook para clonar el repositorio training-data-analyst.

2. Para confirmar que se haya clonado el repositorio, haz doble clic en el directorio training-data-analyst y confirma que puedes ver el contenido.

Tarea 3: Entrena y, luego, implementa un modelo de regresión tabular personalizado para la predicción en línea con explicaciones

1. En la interfaz del notebook, navega a training-data-analyst > courses > machine_learning > deepdive2 > machine_learning_in_the_enterprise > labs y abre sdk_custom_tabular_regression_online_explain.ipynb.

2. En la interfaz del notebook, haz clic en Editar > Borrar todos los resultados.

3. Lee con atención las instrucciones del notebook y completa con el código correspondiente las líneas que están marcadas con #TODO.

Sugerencia: Para ejecutar la celda actual, haz clic en ella y presiona Mayúsculas + Intro.

Para ver la solución completa, navega a training-data-analyst > courses > machine_learning > deepdive2 > machine_learning_in_the_enterprise > solutions y abre sdk_custom_tabular_regression_online_explain.ipynb.

Finalice su lab

Cuando haya completado su lab, haga clic en Finalizar lab. Qwiklabs quitará los recursos que usó y limpiará la cuenta por usted.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2026 Google LLC. Todos los derechos reservados. Google y el logotipo de Google son marcas de Google LLC. El resto de los nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que están asociados.