在VertexAI中能否追溯模型训练所用的BigQuery数据精确版本？

默认情况下，Vertex AI训练出的模型不会自动关联并提供直接跳转至训练所用的BigQuery数据版本的入口，但可以通过以下方式实现精确追溯：

• 训练前主动记录数据版本元数据
  在启动训练作业前，获取当前时间戳，将其作为自定义元数据附加到Vertex AI模型中。比如通过SDK添加元数据：

  model.add_metadata({"bq_training_snapshot_time": "2024-05-20T14:23:15"})
  

  后续需要查看训练数据时，就可以用这个时间戳通过BigQuery时间旅行查询对应版本的数据。

• 通过训练作业日志定位数据读取时间
  Vertex AI训练作业的日志会记录数据导入阶段的时间点，你可以从日志中找到作业读取BigQuery数据的精确时间，以此作为时间旅行的查询依据。如果日志没有明确记录，也可以用训练作业的启动时间作为近似参考，再结合BigQuery时间旅行验证数据版本。

• 创建Vertex AI数据集时生成快照
  如果在基于BigQuery表创建Vertex AI数据集时，选择创建数据快照而非直接链接源表，数据集会保存一份训练时刻的数据副本。后续直接查看该数据集就能获取训练所用的精确数据，无需依赖BigQuery的时间旅行功能。

如果事前没有做上述准备，事后只能通过训练作业的时间范围来近似定位BigQuery的历史数据版本，无法做到完全精确的直接跳转。

内容的提问来源于stack exchange，提问作者ScienceFreakGuy