GSP1166

Ringkasan

Model Garden di Agent Platform menyediakan tempat terpusat untuk menelusuri, menemukan, dan berinteraksi dengan beragam model dari Google dan partner Google. Model Garden tersedia di Agent Platform dan dapat diakses dari Konsol Google Cloud. Lab ini menyediakan kasus penggunaan bagi Anda untuk mengeksplorasi Model Garden, lalu menggunakan Agent Studio untuk membuat dan bereksperimen dengan perintah.

Model Garden

Model Garden di Agent Platform adalah kumpulan alat dan model machine learning terlatih yang dirancang untuk menyederhanakan proses pengembangan dan deployment model machine learning.

Model-model ini dapat memiliki beragam jenis dan ukuran. Model Garden menawarkan model pihak pertama seperti model multimodal dari Google yang mencakup visi, dialog, pembuatan kode, dan penyelesaian kode; atau beragam model open source yang siap digunakan perusahaan.

Model Garden juga menyediakan beragam alat untuk membantu Anda menggunakan model berikut, yang mencakup:

• Kartu model: Kartu model memberikan informasi mendetail tentang setiap model, termasuk akurasi, performa, dan data pelatihannya.
• Desain perintah: Desain perintah memungkinkan Anda berinteraksi dengan model melalui UI sederhana dan menyesuaikan model dengan data Anda sendiri.

Salah satu model yang tersedia melalui Model Garden adalah Cloud Natural Language API. Dengan Cloud Natural Language API, Anda dapat mengekstrak entity dari teks, melakukan analisis sentimen dan sintaksis, serta mengklasifikasikan teks ke dalam beberapa kategori.

Agent Studio

Agent Studio adalah alat konsol Google Cloud untuk membuat prototipe dan menguji model AI generatif dengan cepat. Anda dapat menguji perintah contoh, mendesain perintah Anda sendiri, dan menyesuaikan model dasar untuk menangani tugas yang sesuai dengan kebutuhan aplikasi Anda. Anda dapat melakukan hal berikut ini:

• Menguji model menggunakan contoh perintah.
• Mendesain dan menyimpan perintah Anda sendiri.
• Menyesuaikan model dasar.
• Melakukan konversi antara ucapan dan teks.

Tujuan

Di lab ini, Anda akan mempelajari hal berikut:

• Model Garden di Agent Platform untuk menemukan model yang sesuai dengan kasus penggunaan Anda
• Jenis model Agent Platform di Model Garden

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Kasus penggunaan

Anda bekerja di perusahaan properti sebagai analis pemasaran. Perusahaan Anda tertarik menggunakan model bahasa besar (LLM) untuk menampilkan deskripsi teks singkat terkait rumah yang mereka minati beserta informasi hipoteknya. Anda ditugaskan membuat perintah yang akan meringkas teks dari deskripsi rumah yang sangat panjang di situs properti Anda. Deskripsi rumah disimpan dalam sebuah file di bucket Google Cloud Storage. Anda akan memulai dengan menggunakan Model Garden untuk mempelajari berbagai model bawaan yang tersedia untuk menghemat waktu, lalu Anda akan menerapkan solusi untuk menggunakan model guna meringkas teks.

Tugas 1. Mengaktifkan API

1. Di Konsol Google Cloud, dari Navigation menu (), pilih Agent Platform > Dashboard.

2. Dari Dasbor Agent Platform, klik Enable all Recommended APIs.

Tugas 2. Mempelajari Model Garden.

Untuk melihat daftar model dasar, model yang dapat disesuaikan, dan model khusus tugas Agent Platform dan open source yang tersedia, Anda dapat menggunakan Model Garden.

1. Di Dasbor Agent Platform, pada panel Tools di sebelah kiri, klik Model Garden.

Kategori model yang tersedia di Model Garden adalah:

Kategori	Deskripsi
Model dasar	Model besar multitasking terlatih yang dapat dimodifikasi atau disesuaikan untuk tugas spesifik menggunakan AI Studio, Agent Platform API, dan Google Gen AI SDK for Python.
Model yang dapat disesuaikan	Model yang dapat Anda sesuaikan menggunakan notebook atau pipeline kustom.
Solusi khusus tugas	Sebagian besar model bawaan ini siap digunakan. Banyak di antaranya dapat disesuaikan menggunakan data Anda sendiri.

2. Kartu model tercantum di halaman Model Garden. Pelajari Kartu model dari tiap kategori. Sebagai contoh, pelajari model analisis sentimen tugas, yang memeriksa teks yang disediakan dan mengidentifikasi sentimen dalam teks. Hal ini akan membantu dalam menganalisis sentimen ulasan di Google yang diterima perusahaan properti Anda guna memantau kepuasan pelanggan.

Model di AI Studio

1. Dari Dasbor Agent Platform, pada panel Tools di sebelah kiri, klik Model Garden untuk kembali ke halaman utamanya.

2. Di bagian Foundation Models, klik Show All, lalu klik kartu model .

Halaman detail memberikan ringkasan model Gemini Flash, termasuk deskripsi mengenai model, pengenalan tentang potensi kasus penggunaan, dan dokumentasi untuk model tersebut.

Perhatikan tombol Open in Agent Studio yang akan membuka antarmuka AI Studio Language, tempat Anda dapat berinteraksi dan bereksperimen dengan model. AI Studio adalah fitur Agent Platform. Fitur ini membuat penulisan dan penyesuaian perintah untuk teks, percakapan, serta pembuatan kode menjadi mudah dan intuitif.

3. Klik Open in Agent Studio untuk membuka model Gemini di Agent Studio.

Sekarang Anda dapat mempelajari model ini untuk melihat responsnya terhadap perintah.

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Mempelajari Model Garden.

Tugas 3. Mempelajari jenis Model.

Model Garden adalah tempat terpusat untuk menemukan serta berinteraksi dengan model dasar dan model open source populer. Dengan berbagai model siap pakai untuk perusahaan yang dapat Anda gunakan, Model Garden memungkinkan Anda memilih model yang tepat untuk kasus penggunaan, keahlian ML, dan anggaran Anda.

Dengan Model Garden, Anda dapat menggunakan berbagai alur kerja, termasuk:

• Menggunakan model langsung sebagai API.
• Menyesuaikan model di AI Studio.
• Menggunakan model langsung di notebook Jupyter melalui Agent Platform Workbench.
• Membantu Anda men-deploy pipeline pelatihan model.

Di lab ini, Anda akan mempelajari beberapa alur kerja tersebut.

Model di notebook Jupyter

1. Pada panel Tools di sebelah kiri, klik Model Garden untuk kembali ke halaman Agent Platform Model Garden.

2. Di samping bagian Foundation Models, klik Show All untuk meluaskan daftar lengkap model dasar.

Anda dapat melihat beberapa jenis grup model di panel sebelah kiri, yang memungkinkan Anda memfilter model yang sesuai dengan kebutuhan spesifik Anda. Hanya tampilkan model yang terkait dengan vision dan detection:

3. Klik kartu model Owl-ViT.

Perhatikan bahwa halaman Agent Platform OWL-ViT memiliki link Open Notebook untuk membuka Notebook JupyterLab.

4. Klik Open Notebook untuk membuka Owl ViT Colab di tab baru.

Tinjau notebook Colab tanpa perlu menjalankannya. Notebook Colab ini mendemonstrasikan cara men-deploy model OWL-ViT terlatih di Agent Platform untuk prediksi online. Untuk mempelajari notebook Colab lebih lanjut, kunjungi halaman beranda Google Colaboratory.

5. Tutup tab notebook Colab untuk kembali ke tab Konsol Cloud.

Model Garden di Agent Platform akan memberi Anda cara mudah untuk memulai model yang ingin Anda sesuaikan.

Model sebagai bagian dari pipeline pelatihan model:

1. Pada panel Tools di sebelah kiri, klik Model Garden untuk kembali ke halaman Model Garden.

2. Ketik "bert" di kotak penelusuran Search Models dan pilih model BERT dari daftar penelusuran.

   Catatan: Bergantung pada lebar jendela browser, Anda mungkin harus mengklik Show all atau meluaskan jendela untuk melihat kartu model BERT.

3. Klik Fine-Tune untuk membuka pipeline bert-finetuning Agent Platform.

Tinjau pipeline tersebut tanpa harus menjalankannya.

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Mempelajari jenis model

Tindakan ini akan membawa Anda ke template yang dapat Anda gunakan untuk menyesuaikan dan men-deploy model tersebut. Anda dapat melihat berbagai komponen pipeline yang akan dijalankan oleh template ini.

Di lingkungan produksi Anda sendiri, Anda perlu mengklik Create Pipeline, mengisi atau mengonfirmasi informasi yang diperlukan, lalu mengklik Submit. Tindakan ini akan men-deploy pipeline tanpa perlu menulis kode.

Selamat!

Anda telah menggunakan Model Garden dan AI Studio untuk membuat dan bereksperimen dengan perintah untuk berbagai kasus penggunaan AI generatif. Anda juga telah mempelajari UI Agent Studio.

Langkah berikutnya/Pelajari lebih lanjut

• Memulai video Agent Platform
• Memahami terminologi, baca Glosarium Machine Learning
• Membaca dokumentasi resmi Agent Studio.
• Mempelajari lebih lanjut Model Garden di Agent Platform:
  • Situs Model Garden di Agent Platform
  • Dokumentasi Model Garden
  • Blog AI & Machine Learning (scroll ke bawah untuk melihat postingan blog Model Garden)

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 09 Oktober 2025

Lab Terakhir Diuji pada 09 Oktober 2025

Hak cipta 2026 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.