
Before you begin
- Labs create a Google Cloud project and resources for a fixed time
- Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
- On the top left of your screen, click Start lab to begin
Enable Google Cloud APIs
/ 20
Open a Vertex AI Workbench instance
/ 20
Run the lab notebook
/ 60
En este lab, usarás BigQuery para el procesamiento de datos y el análisis exploratorio de datos, y la plataforma de Vertex AI para entrenar y, luego, implementar un modelo regresor personalizado de TensorFlow para predecir el valor del ciclo de vida del cliente. El objetivo de este lab es presentar Vertex AI a través de un caso de uso real y de alto valor (predecir el CLV). Comenzarás con un flujo de trabajo local de BigQuery y TensorFlow (que ya debes conocer) para llegar al entrenamiento y la implementación de tu modelo en la nube con Vertex AI.
En este lab, aprenderás a hacer lo siguiente:
Lee estas instrucciones. Los labs son cronometrados y no se pueden pausar. El cronómetro, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.
Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.
Para completar este lab, necesitarás lo siguiente:
Haga clic en el botón Comenzar lab. Si debe pagar por el lab, se abrirá una ventana emergente para que seleccione su forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:
Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).
El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.
Sugerencia: Ordene las pestañas en ventanas separadas, una junto a la otra.
De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.
También puedes encontrar el nombre de usuario en el panel Detalles del lab.
Haz clic en Siguiente.
Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.
También puedes encontrar la contraseña en el panel Detalles del lab.
Haz clic en Siguiente.
Haga clic para avanzar por las páginas siguientes:
Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.
Cloud Shell es una máquina virtual que cuenta con herramientas para desarrolladores. Ofrece un directorio principal persistente de 5 GB y se ejecuta en Google Cloud. Cloud Shell proporciona acceso de línea de comandos a tus recursos de Google Cloud.
Cuando te conectes, habrás completado la autenticación, y el proyecto estará configurado con tu PROJECT_ID. El resultado contiene una línea que declara el PROJECT_ID para esta sesión:
gcloud
es la herramienta de línea de comandos de Google Cloud. Viene preinstalada en Cloud Shell y es compatible con la función de autocompletado con tabulador.
Haz clic en Autorizar.
Ahora, el resultado debería verse de la siguiente manera:
Resultado:
Resultado:
Resultado de ejemplo:
gcloud
, consulta la guía con la descripción general de gcloud CLI en Google Cloud.
Para abrir una terminal nueva de Cloud Shell, haz clic en el ícono de Cloud Shell en la esquina superior derecha de la consola de Google Cloud.
En la terminal de Cloud Shell, usa gcloud
para habilitar los servicios que se usarán en el lab:
Haz clic en Revisar mi progreso para verificar el objetivo.
En el menú de navegación () de la consola de Google Cloud, selecciona Vertex AI.
Haz clic en Habilitar todas las APIs recomendadas.
En el lado izquierdo, haz clic en Workbench.
En la parte superior de la página de Workbench, asegúrate de estar en la vista Instancias.
Haz clic en Abrir JupyterLab junto al nombre de la instancia para iniciar la interfaz de JupyterLab. Se abrirá una pestaña nueva en el navegador.
La ventana de terminal se abrirá en una pestaña nueva. Ahora puedes ejecutar comandos en la terminal para interactuar con tu instancia de Workbench.
Haz clic en Revisar mi progreso para verificar el objetivo.
y
y presiona Intro para confirmar la instalación.En el navegador de archivos, abre
Cuando se te solicite, selecciona el kernel Python 3.
Continúa el lab en el notebook y haz clic en el ícono Ejecutar, ubicado en la parte superior de la pantalla, para ejecutar cada celda.
Como alternativa, puedes presionar MAYÚSCULAS + INTRO para ejecutar el código en una celda.
Lee el texto y asegúrate de comprender lo que sucede en cada celda.
Haz clic en Revisar mi progreso para verificar el objetivo.
En este lab, ejecutaste un flujo de trabajo de experimentación de aprendizaje automático con BigQuery de Google Cloud para el almacenamiento y análisis de datos, y los servicios de aprendizaje automático de Vertex AI para entrenar e implementar un modelo de TensorFlow capaz de predecir el valor del ciclo de vida del cliente.
Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.
Actualización más reciente del manual: 7 de octubre de 2024
Prueba más reciente del lab: 7 de octubre de 2024
Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.