GSP917

Übersicht

In diesem Lab verwenden Sie BigQuery für die Datenverarbeitung und explorative Datenanalyse und die Vertex AI-Plattform zum Trainieren und Bereitstellen eines benutzerdefinierten TensorFlow-Regressormodells, um den Customer Lifetime Value vorherzusagen. Das Ziel dieses Labs ist es, Vertex AI anhand eines praxisnahen Anwendungsfalls einzuführen: die CLV-Vorhersage. Sie beginnen mit einem lokalen BigQuery- und TensorFlow-Workflow, den Sie möglicherweise bereits kennen, und gehen dann dazu über, Ihr Modell in der Cloud mit Vertex AI zu trainieren und bereitzustellen.

Ziele

Aufgaben in diesem Lab:

• TensorFlow-Modell lokal in einem gehosteten Vertex-Notebook trainieren
• Vertex TensorBoard zum Visualisieren der Modellleistung verwenden

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange die Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung selbst durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus, um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Wenn Sie über ein persönliches Google Cloud-Konto oder -Projekt verfügen, verwenden Sie es nicht für dieses Lab. So werden zusätzliche Kosten für Ihr Konto vermieden.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Pop-up-Fenster geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich Details zum Lab mit diesen Informationen:

   • Schaltfläche Google Cloud Console öffnen
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite Anmelden geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich Details zum Lab.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich Details zum Lab.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie sich eine Liste der Google Cloud-Produkte und ‑Dienste ansehen möchten, klicken Sie oben links auf das Navigationsmenü.

Cloud Shell aktivieren

Cloud Shell ist eine virtuelle Maschine, auf der Entwicklertools installiert sind. Sie bietet ein Basisverzeichnis mit 5 GB nichtflüchtigem Speicher und läuft auf Google Cloud. Mit Cloud Shell erhalten Sie Befehlszeilenzugriff auf Ihre Google Cloud-Ressourcen.

1. Klicken Sie oben in der Google Cloud Console auf Cloud Shell aktivieren .

Wenn Sie verbunden sind, sind Sie bereits authentifiziert und das Projekt ist auf Ihre Project_ID, eingestellt. Die Ausgabe enthält eine Zeile, in der die Project_ID für diese Sitzung angegeben ist:

Ihr Cloud-Projekt in dieser Sitzung ist festgelegt als {{{project_0.project_id | "PROJECT_ID"}}}

gcloud ist das Befehlszeilentool für Google Cloud. Das Tool ist in Cloud Shell vorinstalliert und unterstützt die Tab-Vervollständigung.

2. (Optional) Sie können den aktiven Kontonamen mit diesem Befehl auflisten:

gcloud auth list

3. Klicken Sie auf Autorisieren.

Ausgabe:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} Um das aktive Konto festzulegen, führen Sie diesen Befehl aus: $ gcloud config set account `ACCOUNT`

4. (Optional) Sie können die Projekt-ID mit diesem Befehl auflisten:

gcloud config list project

Ausgabe:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Hinweis: Die vollständige Dokumentation für gcloud finden Sie in Google Cloud in der Übersicht zur gcloud CLI.

Aufgabe 1: Google Cloud-Dienste aktivieren

1. Öffnen Sie in der Google Cloud Console oben rechts über das Cloud Shell-Symbol ein neues Cloud Shell-Terminal.

2. Aktivieren Sie in diesem Cloud Shell-Terminal über gcloud die für dieses Lab verwendeten Dienste:

gcloud services enable \ compute.googleapis.com \ iam.googleapis.com \ iamcredentials.googleapis.com \ monitoring.googleapis.com \ logging.googleapis.com \ notebooks.googleapis.com \ aiplatform.googleapis.com \ bigquery.googleapis.com \ artifactregistry.googleapis.com \ cloudbuild.googleapis.com \ container.googleapis.com

Klicken Sie auf Fortschritt prüfen. Google Cloud-Dienste aktivieren.

Aufgabe 2: Vertex AI Workbench-Instanz erstellen

1. Wählen Sie in der Google Cloud Console im Navigationsmenü () die Option Vertex AI aus.

2. Klicken Sie auf Alle empfohlenen APIs aktivieren.

3. Klicken Sie links auf Workbench.

4. Achten Sie darauf, dass Sie sich oben auf der Workbench-Seite in der Ansicht Instanzen befinden.

5. Klicken Sie auf  Neu erstellen.

6. Konfigurieren Sie die Instanz:

   • Name: Geben Sie einen Namen für die Instanz ein oder behalten Sie den Standardwert bei.
   • Region: Legen Sie als Region fest.
   • Zone: Legen Sie als Zone fest.
   • Erweiterte Optionen (optional): Klicken Sie bei Bedarf auf „Erweiterte Optionen“, um weitere Anpassungen vorzunehmen (z. B. Maschinentyp, Laufwerksgröße).

7. Klicken Sie auf Erstellen.

Hinweis: Das Erstellen der Instanz dauert einige Minuten. Wenn die Instanz bereit ist, wird neben ihrem Namen ein grünes Häkchen angezeigt.

8. Klicken Sie neben dem Namen der Instanz auf JupyterLab öffnen, um die JupyterLab-Benutzeroberfläche zu starten. Daraufhin wird ein neuer Tab in Ihrem Browser geöffnet.

9. Klicken Sie auf das Symbol Terminal, um ein Terminalfenster zu öffnen.

Das Terminalfenster wird in einem neuen Tab geöffnet. Sie können jetzt Befehle im Terminal ausführen, um mit Ihrer Workbench-Instanz zu interagieren.

Klicken Sie auf Fortschritt prüfen. Vertex AI Workbench-Instanz erstellen.

Aufgabe 3: Lab-Repository klonen

In diesem Abschnitt klonen Sie das Repository training-data-analyst in Ihre JupyterLab-Instanz. Das GitHub-Repository enthält sowohl die Lab-Datei als auch die Lösungsdateien für den Kurs.

1. Kopieren Sie den folgenden Code und führen Sie ihn in Ihrem Terminal aus, um das Repository training-data-analyst zu klonen.

git clone https://github.com/GoogleCloudPlatform/training-data-analyst

2. So prüfen Sie, ob das Repository geklont wurde: Doppelklicken Sie auf das Verzeichnis training-data-analyst und vergewissern Sie sich, dass Sie den Inhalt sehen können.

Dieser Vorgang dauert einige Minuten.

Klicken Sie auf Fortschritt prüfen. Lab-Repository klonen.

Aufgabe 4: Lab-Abhängigkeiten installieren

1. Führen Sie im geöffneten Terminal den folgenden Befehl aus, um die Lab-Abhängigkeiten zu installieren:

cd training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart pip3 install --user -r requirements.txt sudo apt -y install python3-pandas sudo apt -y install graphviz pip uninstall openpyxl pip install openpyxl

2. Geben Sie bei entsprechender Aufforderung y ein und drücken Sie die Eingabetaste, um die Installation zu bestätigen.

Aufgabe 5: Lab-Notebook ausführen

1. Rufen Sie im Dateibrowser training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart auf und öffnen Sie lab_exercise.ipynb.

2. Wählen Sie bei entsprechender Aufforderung den Kernel Python 3 aus.

Hinweis: Achten Sie darauf, dass Sie das Notebook mit der Bezeichnung lab_exercise.ipynb öffnen, um dieses Lab zu absolvieren.

2. Fahren Sie mit dem Lab im Notebook fort und führen Sie jede einzelne Zeile aus. Klicken Sie dazu oben auf dem Bildschirm auf das Symbol Ausführen.

Alternativ können Sie den Code in einer Zelle über UMSCHALTTASTE + EINGABETASTE ausführen.

Lesen Sie die Beschreibung, um zu verstehen, was genau in jeder Zelle stattfindet.

Klicken Sie auf Fortschritt prüfen. Lab-Notebook ausführen.

Glückwunsch!

In diesem Lab haben Sie einen Machine-Learning-Workflow als Test ausgeführt. Dabei wurde Google Cloud BigQuery für die Datenspeicherung und die Machine-Learning-Dienste von Vertex AI zum Trainieren und Bereitstellen eines TensorFlow-Modells verwendet, um den Customer Lifetime Value vorherzusagen.

Weitere Informationen

• Weitere Informationen zu Vertex AI
• Dokumentation: Generative KI in Vertex AI
• YouTube-Kanal: Google Cloud Tech
• GitHub-Repository: Generative KI von Google Cloud
• Gemini-Beispielnotebooks

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Handbuch zuletzt am 7. Oktober 2024 aktualisiert

Lab zuletzt am 7. Oktober 2024 getestet

© 2024 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.