
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
In questo lab utilizzerai BigQuery per l'elaborazione e l'analisi esplorativa dei dati e la piattaforma Vertex AI per addestrare ed eseguire il deployment di un modello TensorFlow Regressor personalizzato per prevedere il lifetime value cliente. L'obiettivo del lab è presentare Vertex AI attraverso un caso d'uso reale di alto valore: il CLV predittivo. Inizierai da un flusso di lavoro BigQuery e TensorFlow locale, con cui potresti già avere una certa familiarità, per poi passare all'addestramento e al deployment del tuo modello nel cloud con Vertex AI.
In questo lab imparerai a:
Leggi le seguenti istruzioni. I lab sono a tempo e non possono essere messi in pausa. Il timer si avvia quando fai clic su Avvia lab e ti mostra per quanto tempo avrai a disposizione le risorse Google Cloud.
Con questo lab pratico avrai la possibilità di completare le attività in prima persona, in un ambiente cloud reale e non di simulazione o demo. Riceverai delle nuove credenziali temporanee che potrai utilizzare per accedere a Google Cloud per la durata del lab.
Per completare il lab, avrai bisogno di:
Fai clic sul pulsante Avvia lab. Se devi effettuare il pagamento per il lab, si apre una finestra popup per permetterti di selezionare il metodo di pagamento. A sinistra, trovi il riquadro Dettagli lab con le seguenti informazioni:
Fai clic su Apri console Google Cloud (o fai clic con il tasto destro del mouse e seleziona Apri link in finestra di navigazione in incognito se utilizzi il browser Chrome).
Il lab avvia le risorse e apre un'altra scheda con la pagina di accesso.
Suggerimento: disponi le schede in finestre separate posizionate fianco a fianco.
Se necessario, copia il Nome utente di seguito e incollalo nella finestra di dialogo di accesso.
Puoi trovare il Nome utente anche nel riquadro Dettagli lab.
Fai clic su Avanti.
Copia la Password di seguito e incollala nella finestra di dialogo di benvenuto.
Puoi trovare la Password anche nel riquadro Dettagli lab.
Fai clic su Avanti.
Fai clic nelle pagine successive:
Dopo qualche istante, la console Google Cloud si apre in questa scheda.
Cloud Shell è una macchina virtuale in cui sono caricati strumenti per sviluppatori. Offre una home directory permanente da 5 GB e viene eseguita su Google Cloud. Cloud Shell fornisce l'accesso da riga di comando alle risorse Google Cloud.
Quando la connessione è attiva, l'autenticazione è già avvenuta e il progetto è impostato sul tuo PROJECT_ID. L'output contiene una riga che dichiara il PROJECT_ID per questa sessione:
gcloud
è lo strumento a riga di comando di Google Cloud. È preinstallato su Cloud Shell e supporta il completamento tramite tasto Tab.
Fai clic su Autorizza.
L'output dovrebbe avere ora il seguente aspetto:
Output:
Output:
Output di esempio:
gcloud
, in Google Cloud, fai riferimento alla Panoramica dell'interfaccia a riga di comando gcloud.
Apri un nuovo terminale Cloud Shell facendo clic sull'icona di Cloud Shell nell'angolo in alto a destra della console Google Cloud.
Nel terminale Cloud Shell, utilizza gcloud
per abilitare i servizi utilizzati nel lab:
Fai clic su Controlla i miei progressi per verificare l'obiettivo.
Nella console Google Cloud, dal menu di navigazione (), seleziona Vertex AI.
Fai clic su Abilita tutte le API consigliate.
A sinistra, fai clic su Workbench.
Nella parte superiore della pagina Workbench, assicurati di essere nella vista Istanze.
Accanto al nome dell'istanza, fai clic su Apri JupyterLab per avviare l'interfaccia di JupyterLab. Nel browser verrà visualizzata una nuova scheda.
La finestra del terminale si aprirà in una nuova scheda. Ora puoi eseguire comandi nel terminale per interagire con l'istanza di Workbench.
Fai clic su Controlla i miei progressi per verificare l'obiettivo.
y
e premi Invio per confermare l'installazione.Nel browser di file, apri
Quando richiesto, seleziona il kernel Python 3.
Continua il lab nel notebook ed esegui ogni cella facendo clic sull'icona Esegui nella parte superiore dello schermo.
In alternativa, puoi eseguire il codice in una cella con Maiusc + Invio.
Leggi la narrazione e assicurati di capire cosa succede in ogni cella.
Fai clic su Controlla i miei progressi per verificare l'obiettivo.
In questo lab eseguirai un workflow di sperimentazione del machine learning utilizzando Google Cloud BigQuery per l'archiviazione e l'analisi dei dati e i servizi di machine learning di Vertex AI per addestrare ed eseguire il deployment di un modello TensorFlow per prevedere il lifetime value del cliente.
… per utilizzare al meglio le tecnologie Google Cloud. I nostri corsi ti consentono di sviluppare competenze tecniche e best practice per aiutarti a metterti subito al passo e avanzare nel tuo percorso di apprendimento. Offriamo vari livelli di formazione, dal livello base a quello avanzato, con opzioni di corsi on demand, dal vivo e virtuali, in modo da poter scegliere il più adatto in base ai tuoi impegni. Le certificazioni ti permettono di confermare e dimostrare le tue abilità e competenze relative alle tecnologie Google Cloud.
Ultimo aggiornamento del manuale: 7 ottobre 2024
Ultimo test del lab: 7 ottobre 2024
Copyright 2025 Google LLC Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.
Questi contenuti non sono al momento disponibili
Ti invieremo una notifica via email quando sarà disponibile
Bene.
Ti contatteremo via email non appena sarà disponibile
One lab at a time
Confirm to end all existing labs and start this one