Quick tip: Review the prerequisites before you run the lab

Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the student account, which may cause extra charges incurred to your personal account.

知識をテストして、コミュニティで共有しましょう

done

700 を超えるハンズオンラボ、スキルバッジ、コースへのアクセス

Vertex AI: Qwik Start

ラボ 45分 universal_currency_alt クレジット: 1 show_chart 入門

info このラボでは、学習をサポートする AI ツールが組み込まれている場合があります。

GSP917
概要
目標
設定と要件
タスク 1. Google Cloud のサービスを有効にする
タスク 2. Vertex AI Workbench インスタンスを開く
タスク 3. ラボの依存関係をインストールする
タスク 4. ラボのノートブックを実行する
お疲れさまでした

知識をテストして、コミュニティで共有しましょう

done

700 を超えるハンズオンラボ、スキルバッジ、コースへのアクセス

GSP917

Google Cloud セルフペースラボのロゴ

概要

このラボでは、BigQuery を使用してデータ処理や探索的データ分析を行い、Vertex AI プラットフォームを使用してカスタム TensorFlow Regressor モデルのトレーニングとデプロイを行うことによって、顧客のライフタイムバリュー（CLV）を予測します。このラボの目標は、価値の高い実際のユースケースである予測 CLV を通して Vertex AI の概要を知ることです。最初は一般的な BigQuery と TensorFlow のローカルワークフローから始めて、Vertex AI によるクラウドでのモデルのトレーニングとデプロイへと進みます。

目標

このラボでは、次の作業を行います。

ホストされた Vertex ノートブックで TensorFlow モデルをローカルでトレーニングする。
Vertex TensorBoard を使用してモデルのパフォーマンスを可視化する。

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの手順をお読みください。ラボの時間は記録されており、一時停止することはできません。[ラボを開始] をクリックするとスタートするタイマーは、Google Cloud のリソースを利用できる時間を示しています。

このハンズオンラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でラボのアクティビティを行うことができます。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

標準的なインターネットブラウザ（Chrome を推奨）

注: このラボの実行には、シークレットモードまたはシークレットブラウジングウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生することを防ぎます。

ラボを完了するために十分な時間を確保してください。ラボをいったん開始すると一時停止することはできません。

注: すでに個人の Google Cloud アカウントやプロジェクトをお持ちの場合でも、このラボでは使用しないでください。アカウントへの追加料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

[ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるポップアップでお支払い方法を選択してください。左側の [ラボの詳細] パネルには、以下が表示されます。
- [Google Cloud コンソールを開く] ボタン
- 残り時間
- このラボで使用する必要がある一時的な認証情報
- このラボを行うために必要なその他の情報（ある場合）
[Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレットウィンドウでリンクを開く] を選択します）。

ラボでリソースが起動し、別のタブで [ログイン] ページが表示されます。

ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。
注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。
必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。
{{{user_0.username | "Username"}}}
[ラボの詳細] パネルでも [ユーザー名] を確認できます。
[次へ] をクリックします。
以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。
{{{user_0.password | "Password"}}}
[ラボの詳細] パネルでも [パスワード] を確認できます。
[次へ] をクリックします。
重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。
その後次のように進みます。
- 利用規約に同意してください。
- 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
- 無料トライアルには登録しないでください。

その後、このタブで Google Cloud コンソールが開きます。

注: Google Cloud のプロダクトやサービスのリストを含むメニューを表示するには、左上のナビゲーションメニューをクリックします。ナビゲーションメニューアイコン

Cloud Shell をアクティブにする

Cloud Shell は、開発ツールと一緒に読み込まれる仮想マシンです。5 GB の永続ホームディレクトリが用意されており、Google Cloud で稼働します。Cloud Shell を使用すると、コマンドラインで Google Cloud リソースにアクセスできます。

Google Cloud コンソールの上部にある「Cloud Shell をアクティブにする」アイコンをクリックします。

接続した時点で認証が完了しており、プロジェクトに各自の PROJECT_ID が設定されます。出力には、このセッションの PROJECT_ID を宣言する次の行が含まれています。

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud は Google Cloud のコマンドラインツールです。このツールは、Cloud Shell にプリインストールされており、タブ補完がサポートされています。

（省略可）次のコマンドを使用すると、有効なアカウント名を一覧表示できます。

gcloud auth list

[承認] をクリックします。
出力は次のようになります。

出力:

ACTIVE: * ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net To set the active account, run: $ gcloud config set account `ACCOUNT`

（省略可）次のコマンドを使用すると、プロジェクト ID を一覧表示できます。

gcloud config list project

出力:

[core] project = <project_ID>

出力例:

[core] project = qwiklabs-gcp-44776a13dea667a6

注: Google Cloud における gcloud ドキュメントの全文については、gcloud CLI の概要ガイドをご覧ください。

タスク 1. Google Cloud のサービスを有効にする

Google Cloud コンソールの右上にある Cloud Shell アイコンをクリックして、新しい Cloud Shell ターミナルを開きます。
Cloud Shell ターミナルで、gcloud を使用し、ラボで使用するサービスを有効にします。

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

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Google Cloud のサービスを有効にする

タスク 2. Vertex AI Workbench インスタンスを開く

Google Cloud コンソールのナビゲーションメニュー（）で [Vertex AI] を選択します。
[すべての推奨 API を有効化] をクリックします。
左側の [ワークベンチ] をクリックします。
[ワークベンチ] ページの上部で、[インスタンス] ビューになっていることを確認します。
インスタンス名の横に表示されている [JupyterLab を開く] をクリックして JupyterLab インターフェースを起動します。ブラウザで新しいタブが開きます。

Workbench インスタンス

[Terminal] アイコンをクリックしてターミナルウィンドウを開きます。

ターミナルを開く

ターミナルウィンドウが新しいタブで開きます。これで、ターミナルでコマンドを実行して Workbench インスタンスを操作できるようになりました。

開いているターミナルウィンドウ

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Vertex AI Workbench インスタンスを開く。

タスク 3. ラボの依存関係をインストールする

開いたターミナルで次のコマンドを実行して、ラボの依存関係をインストールします。

pip3 install --user -r requirements.txt sudo apt -y install python3-pandas sudo apt -y install graphviz pip uninstall openpyxl pip install openpyxl

プロンプトが表示されたら、「y」と入力して Enter キーを押し、インストールを確定します。

タスク 4. ラボのノートブックを実行する

ファイルブラウザでを開きます。
プロンプトが表示されたら、Python 3 カーネルを選択します。
ノートブックでラボを続け、画面上部の実行アイコンをクリックして各セルを実行します。

または、Shift+Enter キーを押してセルでコードを実行します。

説明を読んで、各セルの実行内容を十分に理解してください。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。ラボのノートブックを実行する。

お疲れさまでした

このラボでは、ML のテストワークフローとして、Google Cloud BigQuery を使用してデータの格納と分析を行い、Vertex AI の ML サービスを使用して TensorFlow モデルのトレーニングとデプロイを行って、顧客のライフタイムバリューを予測しました。

次のステップと詳細情報

Vertex AI の詳細を確認する。
Vertex AI のドキュメントで生成 AI について確認する。
Google Cloud Tech YouTube チャンネルで、生成 AI の詳細を確認する。
Google Cloud 生成 AI の公式リポジトリ
Gemini のノートブックの例

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベストプラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2024 年 10 月 7 日

ラボの最終テスト日: 2024 年 10 月 7 日