
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
W tym module wykorzystasz BigQuery do przetwarzania i eksploracyjnej analizy danych, a za pomocą platformy Vertex AI wytrenujesz i wdrożysz własny model regresji TensorFlow do prognozowania długookresowej wartości klienta (CLV). Moduł ma Cię zapoznać z Vertex AI w oparciu o realny, przydatny przypadek użycia – przewidywanie CLV. Zaczniesz od lokalnego przepływu pracy BigQuery i TensorFlow, który być może już znasz, a potem przejdziesz do trenowania i wdrażania Twojego modelu w chmurze przy użyciu Vertex AI.
W tym module wykonasz następujące zadania:
Zapoznaj się z tymi instrukcjami. Moduły mają limit czasowy i nie można ich zatrzymać. Gdy klikniesz Rozpocznij moduł, na liczniku wyświetli się informacja o tym, na jak długo udostępniamy Ci zasoby Google Cloud.
W tym praktycznym module możesz spróbować swoich sił w wykonywaniu opisywanych działań w prawdziwym środowisku chmury, a nie w jego symulacji lub wersji demonstracyjnej. Otrzymasz nowe, tymczasowe dane logowania, dzięki którym zalogujesz się i uzyskasz dostęp do Google Cloud na czas trwania modułu.
Do ukończenia modułu potrzebne będą:
Kliknij przycisk Rozpocznij moduł. Jeśli moduł jest odpłatny, otworzy się wyskakujące okienko, w którym możesz wybrać formę płatności. Po lewej stronie znajduje się panel Szczegóły modułu z następującymi elementami:
Kliknij Otwórz konsolę Google Cloud (lub kliknij prawym przyciskiem myszy i wybierz Otwórz link w oknie incognito, jeśli korzystasz z przeglądarki Chrome).
Moduł uruchomi zasoby, po czym otworzy nową kartę ze stroną logowania.
Wskazówka: otwórz karty obok siebie w osobnych oknach.
W razie potrzeby skopiuj nazwę użytkownika znajdującą się poniżej i wklej ją w oknie logowania.
Nazwę użytkownika znajdziesz też w panelu Szczegóły modułu.
Kliknij Dalej.
Skopiuj podane niżej hasło i wklej je w oknie powitania.
Hasło znajdziesz też w panelu Szczegóły modułu.
Kliknij Dalej.
Na kolejnych stronach wykonaj następujące czynności:
Poczekaj, aż na karcie otworzy się konsola Google Cloud.
Cloud Shell to maszyna wirtualna oferująca wiele narzędzi dla programistów. Zawiera stały katalog domowy o pojemności 5 GB i działa w Google Cloud. Dzięki wierszowi poleceń Cloud Shell zyskujesz dostęp do swoich zasobów Google Cloud.
Po połączeniu użytkownik od razu jest uwierzytelniony. Uruchomi się Twój projekt o identyfikatorze PROJECT_ID. Dane wyjściowe zawierają wiersz z zadeklarowanym identyfikatorem PROJECT_ID dla tej sesji:
gcloud
to narzędzie wiersza poleceń Google Cloud. Jest ono już zainstalowane w Cloud Shell i obsługuje funkcję autouzupełniania po naciśnięciu tabulatora.
Kliknij Autoryzuj.
Dane wyjściowe powinny wyglądać tak:
Dane wyjściowe:
Dane wyjściowe:
Przykładowe dane wyjściowe:
gcloud
w Google Cloud znajdziesz w opisie narzędzia wiersza poleceń gcloud.
Otwórz nowy terminal Cloud Shell, klikając ikonę Cloud Shell w prawym górnym rogu konsoli Google Cloud.
W terminalu Cloud Shell użyj gcloud
, aby włączyć usługi wykorzystywane w module:
Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło.
W Menu nawigacyjnym konsoli Google Cloud () wybierz Vertex AI.
Kliknij Włącz wszystkie zalecane interfejsy API.
Po lewej stronie kliknij Workbench.
U góry strony Workbench sprawdź, czy włączony jest widok Instancje.
Kliknij Otwórz JupyterLab obok nazwy instancji, aby uruchomić interfejs JupyterLab. Otworzy się nowa karta przeglądarki.
Okno terminala otworzy się w nowej karcie. Możesz teraz uruchamiać polecenia w terminalu, aby używać instancji Workbench.
Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło.
y
i naciśnij Enter, aby potwierdzić instalację.W przeglądarce plików otwórz
Gdy pojawi się prośba, wybierz jądro Python 3.
Wykonaj dalsze zadania z modułu w notatniku i uruchamiaj każdą komórkę, klikając ikonę Uruchom na górze ekranu.
Kod w komórce możesz też uruchomić, naciskając SHIFT + ENTER.
Przeczytaj opis, aby zrozumieć, co dzieje się w kolejnych komórkach.
Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło.
W tym module udało Ci się uruchomić przepływ pracy na potrzeby eksperymentu z uczeniem maszynowym, wykorzystując przy tym Google Cloud BigQuery do przechowywania i analizy danych oraz usługi uczenia maszynowego Vertex AI do wytrenowania i wdrożenia modelu TensorFlow, który prognozuje długookresową wartość klienta.
…pomogą Ci wykorzystać wszystkie możliwości technologii Google Cloud. Nasze zajęcia obejmują umiejętności techniczne oraz sprawdzone metody, które ułatwią Ci szybką naukę i umożliwią jej kontynuację. Oferujemy szkolenia na poziomach od podstawowego po zaawansowany prowadzone w trybach wirtualnym, na żądanie i na żywo, dzięki czemu możesz dopasować program szkoleń do swojego napiętego harmonogramu. Certyfikaty umożliwią udokumentowanie i potwierdzenie Twoich umiejętności oraz doświadczenia w zakresie technologii Google Cloud.
Ostatnia aktualizacja instrukcji: 7 października 2024 r.
Ostatni test modułu: 7 października 2024 r.
Copyright 2025 Google LLC. Wszelkie prawa zastrzeżone. Google i logo Google są znakami towarowymi Google LLC. Wszelkie inne nazwy firm i produktów mogą być znakami towarowymi odpowiednich podmiotów, z którymi są powiązane.
Ta treść jest obecnie niedostępna
Kiedy dostępność się zmieni, wyślemy Ci e-maila z powiadomieniem
Świetnie
Kiedy dostępność się zmieni, skontaktujemy się z Tobą e-mailem
One lab at a time
Confirm to end all existing labs and start this one