# Criar um pipeline de IA na Vertex AI
# configura o ambiente,
# crie um notebook no Workbench ,
# instala bibliotecas,
# definir componentes modulares,
# compilar o pipeline em JSON ,
# executar sem console,
# acompanha a execução e os artefatos.
# 1) Configurar o ambiente no Google Cloud
# Conceito: Antes de criar o pipeline, você precisa preparar uma infraestrutura mínima de nuvem.
# Cloud Shell:
gcloud services enable aiplatform.googleapis.com
gcloud services enable compute.googleapis.com
gcloud services enable storage.googleapis.com
# crie o balde:
gsutil mb -l us-central1 gs://meu-bucket-pipeline-ia
# 2) Criar e ajustar uma instância no Vertex AI Workbench
# Conceito:A bancada de trabalho é o ambiente de desenvolvimento com notebooks Jupyter dentro do Google Cloud.
# 3) Configurar ambiente virtual e instalar bibliotecas
# Conceito: Dentro do notebook, é comum criar um ambiente virtual ou ajustar o kernel para instalar as dependências do projeto.
# instalação
!pip install kfp
!pip install google-cloud-aiplatform
!pip install google-cloud-pipeline-components
from kfp.v2.dsl import component
from kfp.v2 import dsl, compiler
@component
def somar(a: int, b: int) -> int:
return a + b
@component
def formatar_resultado(resultado: int) -> str:
return f"O resultado da soma é: {resultado}"
@dsl.pipeline(name="pipeline-simples-soma")
def meu_pipeline(a: int = 5, b: int = 7):
tarefa_soma = somar(a=a, b=b)
formatar_resultado(resultado=tarefa_soma.output)
compiler.Compiler().compile(
pipeline_func=meu_pipeline,
package_path="pipeline_simples.json"
)
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!