GSP076

Descripción general

Mediante este lab, obtendrá experiencia práctica en el entrenamiento de modelos de TensorFlow, tanto a nivel local como en Cloud ML Engine. Luego del entrenamiento, aprenderá a implementar su modelo en Cloud ML Engine con el propósito de deriva (predicción). Entrenará el modelo para predecir la categoría de ingresos de una persona usando el conjunto de datos de ingresos del censo de los Estados Unidos.

Este lab ofrece una experiencia introductoria de extremo a extremo sobre entrenamiento y predicción en Cloud Machine Learning Engine. Este lab utilizará un conjunto de datos del censo para realizar lo siguiente:

• Crear una aplicación de entrenamiento de TensorFlow y validarla de manera local
• Ejecutar su trabajo de entrenamiento en una sola instancia de trabajador en la nube
• Ejecutar su trabajo de entrenamiento como un trabajo de entrenamiento distribuido en la nube
• Optimizar sus hiperparámetros con el ajuste de hiperparámetros
• Implementar un modelo para asistir la predicción
• Solicitar una predicción en línea y ver la respuesta
• Solicitar una predicción por lotes

Qué compilará

Con la muestra, se compila un modelo amplio y profundo para la predicción de la categoría de ingresos según el conjunto de datos de ingresos del censo de Estados Unidos. Las siguientes son las categorías de ingresos (también conocidas como etiquetas):

• >50K: Superior a USD 50,000
• <=50K: Inferior o igual a USD 50,000

Los modelos amplios y profundos usan redes neuronales profundas (DNN) para aprender abstracciones de alto nivel sobre atributos complejos o interacciones entre estos atributos. Luego, estos modelos combinan los resultados de la DNN con una regresión lineal realizada en atributos más simples. Esta funcionalidad proporciona un equilibrio entre potencia y velocidad que resulta efectivo para muchos problemas de datos estructurados.

La muestra define el modelo con la clase DNNCombinedLinearClassifier de TensorFlow compilada previamente. La muestra define las transformaciones de datos particulares en el conjunto de datos del censo y, luego, asigna estos atributos (potencialmente) transformados a la DNN o a la parte lineal del modelo.