GSP341

Ringkasan

Dalam challenge lab, Anda diberi sebuah skenario dan serangkaian tugas. Tidak ada petunjuk langkah demi langkah. Anda akan menggunakan keahlian yang dipelajari dari lab dalam kursus untuk mencari cara menyelesaikan sendiri tugas-tugas tersebut. Sistem pemberian skor otomatis (ditampilkan pada halaman ini) akan memberikan masukan tentang apakah Anda telah menyelesaikan tugas dengan benar atau tidak.

Saat mengikuti challenge lab, Anda tidak akan diajari konsep-konsep baru Google Cloud. Anda diharapkan dapat memperluas keahlian yang dipelajari, seperti mengubah nilai default dan membaca serta mengkaji pesan error untuk memperbaiki kesalahan Anda sendiri.

Untuk meraih skor 100%, Anda harus berhasil menyelesaikan semua tugas dalam jangka waktu tertentu.

Lab ini direkomendasikan bagi siswa yang sudah mengikuti badge keahlian Membuat Model ML dengan BigQuery ML. Apakah Anda siap menghadapi tantangan ini?

Penyiapan

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.

Skenario tantangan

Anda telah memulai peran baru sebagai anggota junior di departemen Data Science. Tim Anda sedang mengerjakan beberapa project dengan sejumlah inisiatif machine learning. Anda diminta membantu dalam hal pengembangan dan penilaian set data serta model machine learning untuk membantu memberikan insight berdasarkan set data tugas yang sebenarnya.

Anda dianggap sudah memiliki kemampuan dan pengetahuan untuk menyelesaikan tugas ini, jadi panduan langkah demi langkah tidak akan disediakan.

Tugas-tugas berikut dalam lab ini akan menguji pengetahuan Anda terkait BigQuery dan machine learning.

Tugas 1. Membuat set data baru dan model machine learning

Salah satu project yang sedang Anda kerjakan perlu memberikan analisis berdasarkan data dunia nyata. Peran Anda dalam project ini adalah mengembangkan dan mengevaluasi model machine learning.

• Jadi, dalam tugas ini, Anda harus membuat set data dengan ID set data ecommerce yang dapat digunakan untuk menyimpan model machine learning Anda.

• Sekarang buat model machine learning customer_classification_model untuk memprediksi performa model. Jalankan kueri berikut untuk membuat customer_classification_model.

  CREATE OR REPLACE MODEL `ecommerce.customer_classification_model` OPTIONS ( model_type='logistic_reg', labels = ['will_buy_on_return_visit'] ) AS #standardSQL SELECT * EXCEPT(fullVisitorId) FROM # features (SELECT fullVisitorId, IFNULL(totals.bounces, 0) AS bounces, IFNULL(totals.timeOnSite, 0) AS time_on_site FROM `data-to-insights.ecommerce.web_analytics` WHERE totals.newVisits = 1 AND date BETWEEN '20160801' AND '20170430') # train on first 9 months JOIN (SELECT fullvisitorid, IF(COUNTIF(totals.transactions > 0 AND totals.newVisits IS NULL) > 0, 1, 0) AS will_buy_on_return_visit FROM `data-to-insights.ecommerce.web_analytics` GROUP BY fullvisitorid) USING (fullVisitorId);

Klik Check my progress untuk memverifikasi tujuan.

Memeriksa set data baru dan model telah dibuat

Tugas 2. Mengevaluasi performa model klasifikasi

Dalam tugas ini, Anda harus mengevaluasi performa customer_classification_model terhadap data evaluasi baru yang belum dilihat.

Di BigQuery ML, roc_auc hanyalah sebuah kolom yang dapat dikueri ketika mengevaluasi model ML terlatih. Jadi, jalankan kueri untuk mengevaluasi seberapa baik performa model dengan menggunakan ML.EVALUATE.

Setelah mengevaluasi model Anda, amati kemampuan prediksi dari model ini.

Klik Check my progress untuk memverifikasi tujuan.

Mengonfirmasi bahwa kedua model machine learning telah dievaluasi.

Tugas 3. Meningkatkan performa model dengan Rekayasa Fitur dan Mengevaluasi model untuk mengetahui apakah ada kemampuan prediksi yang lebih baik atau tidak

Dalam tugas ini, gunakan fitur set data yang dapat membantu model customer_classification_model lebih memahami hubungan antara sesi pertama pengunjung dan kemungkinan mereka melakukan pembelian pada kunjungan berikutnya.

Sekarang tambahkan beberapa fitur baru dan buat model machine learning kedua yang disebut improved_customer_classification_model.

• Seberapa jauh pengunjung melakukan proses checkout pada kunjungan pertama mereka
• Dari mana pengunjung berasal (sumber traffic: penelusuran organik, situs perujuk, dll.)
• Kategori perangkat (seluler, tablet, desktop)
• Informasi geografis (negara)

Sekarang, evaluasi model improved_customer_classification_model yang baru dibuat untuk mengetahui apakah ada kemampuan prediksi yang lebih baik daripada customer_classification_model.

Klik Check my progress untuk memverifikasi tujuan.

Meningkatkan performa model dan mengevaluasi model.

Tugas 4. Memprediksi pengunjung baru yang akan kembali dan melakukan pembelian

Sekarang buat model machine learning finalized_classification_model untuk memprediksi performa model. Jalankan kueri berikut untuk membuat finalized_classification_model.

CREATE OR REPLACE MODEL `ecommerce.finalized_classification_model` OPTIONS (model_type="logistic_reg", labels = ["will_buy_on_return_visit"]) AS WITH all_visitor_stats AS ( SELECT fullvisitorid, IF(COUNTIF(totals.transactions > 0 AND totals.newVisits IS NULL) > 0, 1, 0) AS will_buy_on_return_visit FROM `data-to-insights.ecommerce.web_analytics` GROUP BY fullvisitorid ) # add in new features SELECT * EXCEPT(unique_session_id) FROM ( SELECT CONCAT(fullvisitorid, CAST(visitId AS STRING)) AS unique_session_id, # labels will_buy_on_return_visit, MAX(CAST(h.eCommerceAction.action_type AS INT64)) AS latest_ecommerce_progress, # behavior on the site IFNULL(totals.bounces, 0) AS bounces, IFNULL(totals.timeOnSite, 0) AS time_on_site, IFNULL(totals.pageviews, 0) AS pageviews, # where the visitor came from trafficSource.source, trafficSource.medium, channelGrouping, # mobile or desktop device.deviceCategory, # geographic IFNULL(geoNetwork.country, "") AS country FROM `data-to-insights.ecommerce.web_analytics`, UNNEST(hits) AS h JOIN all_visitor_stats USING(fullvisitorid) WHERE 1=1 # only predict for new visits AND totals.newVisits = 1 AND date BETWEEN "20160801" AND "20170430" # train 9 months GROUP BY unique_session_id, will_buy_on_return_visit, bounces, time_on_site, totals.pageviews, trafficSource.source, trafficSource.medium, channelGrouping, device.deviceCategory, country );

1. Tulis kueri untuk memprediksi pengunjung baru yang akan kembali dan melakukan pembelian.
2. Kueri menggunakan model finalized_classification_model untuk memprediksi kemungkinan pengunjung kali pertama Google Merchandise Store akan melakukan pembelian pada kunjungan berikutnya.
3. Anda harus membuat prediksi dari set data dalam 1 bulan terakhir (dari 12 bulan).

Klik Check my progress untuk memverifikasi tujuan.

Memprediksi pengunjung baru yang akan kembali dan melakukan pembelian

Selamat!

Anda telah membuat Model ML dengan BigQuery ML.

Mendapatkan badge keahlian Anda berikutnya

Lab mandiri ini merupakan bagian dari badge keahlian Membuat Model ML dengan BigQuery ML. Dengan menyelesaikan badge keahlian ini, Anda akan mendapatkan badge di atas sebagai pengakuan atas pencapaian Anda. Tampilkan badge di resume atau platform media sosial Anda, dan umumkan pencapaian Anda menggunakan hashtag #GoogleCloudBadge.

Badge keahlian ini merupakan bagian dari jalur pembelajaran Analis Data Google Cloud. Jika Anda sudah menyelesaikan badge keahlian lain di jalur pembelajaran ini, telusuri katalog untuk menemukan badge keahlian lainnya yang dapat Anda ikuti.

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 13 Februari 2025

Lab Terakhir Diuji pada 13 Februari 2025

Hak cipta 2025 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.