Despliegue de Funciones en GCP con Vision API y Firestore

Curso de Big Data y Machine Learning con Google Cloud Platform

Contenido del curso

Manejo de Big Data

Herramientas de inteligencia artificial

Proyecto: Clon de Google Photos (Parte 4 de 4)

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:0011:42

Despliegue de Funciones en GCP con Vision API y Firestore

Curso de Big Data y Machine Learning con Google Cloud Platform

Clase 18 de 19

Clase 18 / 19

Recursos

¿Cómo se configura Google Cloud Function para analizar imágenes?

En Google Cloud Platform, automatizar el análisis de imágenes es una tarea factible gracias a la interacción entre diferentes servicios. Este proceso no solo permite identificar objetos en las imágenes, sino que también almacena estos datos de manera eficiente. La integración incluye la activación de la API de Vision, la creación de funciones en Python, y la configuración de despliegue en GCP.

¿Cómo habilitamos la API de Vision en Google Cloud?

Para habilitar la API de Vision en Google Cloud, es esencial seguir estos pasos:

Accede a tu consola de Google Cloud Platform.
Dirígete a la sección de "APIs y Servicios".
Haz clic en "Habilitar APIs y Servicios".
Busca "Cloud Vision API" y procede a habilitarla.

¿Qué funciones ejecutamos para analizar imágenes?

Una vez que la API está habilitada, desarrollarás una función escrita en Python que se divide en dos partes principales. Este flujo usa un sencillo archivo 'main.py' que, a través de sus métodos auxiliares, ejecuta las siguientes acciones:

def fotoanalisis_service():
    # Inicializa el cliente de Vision
    client = initialize_vision_client()
    # Genera imagen desde Cloud Storage
    image = create_image(bucket, image_file)
    # Análisis de objetos presentes
    response = analyze_image(client, image)
    # Guarda los resultados
    store_results(response)

Estas operaciones permiten que, al momento de detectar la subida de una imagen al Cloud Storage, automáticamente se inicie el análisis a través de Vision API.

¿Cómo desplegamos la función en Google Cloud?

El despliegue es realizado utilizando Google Cloud SDK, lo cual asegura una efectiva integración en el entorno:

Dirígete al directorio donde se encuentran tus funciones.

Ejecuta el siguiente comando en la terminal para desplegar la función:

gcloud functions deploy fotoanalisis_service \
    --runtime python39 \
    --trigger-resource big-moments-dev-live-bucket \
    --trigger-event google.storage.object.finalize \
    --set-env-vars BUCKET=big-moments-dev-live-bucket

Este comando despliega la función en el entorno cloud y asegura que se ejecute cada vez que se sube una nueva imagen.

¿Qué hacemos con los resultados del análisis de Vision API?

Tras analizar las imágenes, lo siguiente es manejar adecuadamente los datos obtenidos. Se almacena esta información en una base de datos con Firestore, permitiendo consultas futuras mediante lenguaje natural. Sin embargo, asegúrate de habilitar el servicio de Firestore, ya que es esencial para completar el ciclo de almacenamiento de los resultados.

En resumen, este sistema representa un uso integrador de múltiples herramientas de Google Cloud Platform, facilitando procesos que antes requerían complejas configuraciones. ¡Ya estás listo para maximizar el potencial de tus proyectos haciendo uso de GCP! Sonsé potencial de estos recursos, y no olvides interactuar a través de los comentarios para hacer preguntas o compartir tus impresiones.

Manejo de Big Data

Big Data y Machine Learning en Google Cloud Platform

Google Cloud y Big Data: Historia, Servicios y Aplicaciones Prácticas

Google Cloud Platform para Big Data: Arquitectura y Seguridad

Exploración de Servicios Big Data e IA en Google Cloud

Procesamiento de Datos con Cloud Dataflow en Google Cloud

Características y Funcionalidades de BigQuery

Integración de BigQuery con Data Studio: Creación de Dashboards

Funcionamiento de PubSub en Google Cloud y su Integración con Dataflow

Integración de PubSub, Dataflow y BigQuery en Google Cloud

Herramientas de inteligencia artificial

Aplicación de Machine Learning en Industrias y Estrategias de Adopción

Roles en Vertex AI y su integración con Google Cloud

Flujo de Trabajo en Vertex AI: Integración y Despliegue de Modelos

Entrenamiento de Modelos de Visión con Google Cloud

Machine Learning APIs: Análisis Predictivo y Prescriptivo

Creación de Modelos Predictivos con AutoML en Google Cloud

Conclusiones del Curso de Big Data e Inteligencia Artificial

Proyecto: Clon de Google Photos (Parte 4 de 4)

Clonación de Infraestructura con Vision API y Base de Datos

Despliegue de Funciones en GCP con Vision API y Firestore

Implementación de Firestore y Vision API en Aplicaciones Cloud

Despliegue de Funciones en GCP con Vision API y Firestore

Progreso del curso

Manejo de Big Data

Herramientas de inteligencia artificial

Proyecto: Clon de Google Photos (Parte 4 de 4)

Recursos

Recursos