GSP917

Opis

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.

Cele

W tym module wykonasz następujące zadania:

• Wytrenujesz lokalnie model TensorFlow w hostowanym notatniku Vertex.
• Wykorzystasz Vertex TensorBoard, aby zwizualizować wydajność modelu.

Konfiguracja i wymagania

Zanim klikniesz przycisk Rozpocznij moduł

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:

• dostęp do standardowej przeglądarki internetowej (zalecamy korzystanie z przeglądarki Chrome).

Uwaga: uruchom ten moduł w oknie incognito lub przeglądania prywatnego. Dzięki temu unikniesz konfliktu między swoim kontem osobistym a kontem do nauki, co mogłoby spowodować naliczanie oddatkowych opłat na koncie osobistym.

• Odpowiednia ilość czasu na ukończenie modułu – pamiętaj, że gdy rozpoczniesz, nie możesz go wstrzymać.

Uwaga: jeśli masz już osobiste konto lub projekt w Google Cloud, nie używaj go w tym module, aby uniknąć naliczania opłat na koncie.

Rozpoczynanie modułu i logowanie się w konsoli Google Cloud

1. 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:

   • przyciskiem Otwórz konsolę Google Cloud;
   • czasem, który Ci pozostał;
   • tymczasowymi danymi logowania, których musisz użyć w tym module;
   • innymi informacjami potrzebnymi do ukończenia modułu.

2. 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.

   Uwaga: jeśli pojawi się okno Wybierz konto, kliknij Użyj innego konta.

3. W razie potrzeby skopiuj nazwę użytkownika znajdującą się poniżej i wklej ją w oknie logowania.

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

   Nazwę użytkownika znajdziesz też w panelu Szczegóły modułu.

4. Kliknij Dalej.

5. Skopiuj podane niżej hasło i wklej je w oknie powitania.

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

   Hasło znajdziesz też w panelu Szczegóły modułu.

6. Kliknij Dalej.

   Ważne: musisz użyć danych logowania podanych w module. Nie używaj danych logowania na swoje konto Google Cloud. Uwaga: korzystanie z własnego konta Google Cloud w tym module może wiązać się z dodatkowymi opłatami.

7. Na kolejnych stronach wykonaj następujące czynności:

   • Zaakceptuj Warunki korzystania z usługi.
   • Nie dodawaj opcji odzyskiwania ani uwierzytelniania dwuskładnikowego (ponieważ konto ma charakter tymczasowy).
   • Nie rejestruj się w bezpłatnych wersjach próbnych.

Poczekaj, aż na karcie otworzy się konsola Google Cloud.

Uwaga: aby wyświetlić menu z listą produktów i usług Google Cloud, w lewym górnym rogu kliknij Menu nawigacyjne.

Aktywowanie Cloud Shell

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.

1. Kliknij Aktywuj Cloud Shell  na górze konsoli 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:

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud to narzędzie wiersza poleceń Google Cloud. Jest ono już zainstalowane w Cloud Shell i obsługuje funkcję autouzupełniania po naciśnięciu tabulatora.

2. (Opcjonalnie) Aby wyświetlić listę aktywnych kont, użyj tego polecenia:

gcloud auth list

3. Kliknij Autoryzuj.

4. Dane wyjściowe powinny wyglądać tak:

Dane wyjściowe:

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

5. (Opcjonalnie) Aby wyświetlić identyfikator projektu, użyj tego polecenia:

gcloud config list project

Dane wyjściowe:

[core] project = <project_ID>

Przykładowe dane wyjściowe:

[core] project = qwiklabs-gcp-44776a13dea667a6 Uwaga: pełną dokumentację gcloud w Google Cloud znajdziesz w opisie narzędzia wiersza poleceń gcloud.

Zadanie 1. Włączanie usług Google Cloud

1. Otwórz nowy terminal Cloud Shell, klikając ikonę Cloud Shell w prawym górnym rogu konsoli Google Cloud.

2. W terminalu Cloud Shell użyj gcloud, aby włączyć usługi wykorzystywane w module:

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

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło. Włączenie usług Google Cloud

Zadanie 2. Tworzenie instancji Vertex AI Workbench

1. W Menu nawigacyjnym konsoli Google Cloud () wybierz Vertex AI.

2. Kliknij Włącz wszystkie zalecane interfejsy API.

3. Po lewej stronie kliknij Workbench.

4. U góry strony Workbench sprawdź, czy włączony jest widok Instancje.

5. Kliknij  Utwórz nową.

6. Skonfiguruj instancję:

   • Nazwa: podaj nazwę instancji lub pozostaw wartość domyślną.
   • Region: ustaw region na .
   • Strefa: ustaw strefę na .
   • Opcje zaawansowane (opcjonalnie): w razie potrzeby kliknij „Opcje zaawansowane”, aby dodatkowo dostosować instancję (np. typ maszyny, rozmiar dysku).

7. Kliknij Utwórz.

Uwaga: utworzenie instancji zajmie kilka minut. Gdy będzie gotowa, obok jej nazwy pojawi się zielony znacznik wyboru.

8. Kliknij Otwórz JupyterLab obok nazwy instancji, aby uruchomić interfejs JupyterLab. Otworzy się nowa karta przeglądarki.

9. Kliknij ikonę Terminal, aby otworzyć okno terminala.

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. Utworzenie instancji Vertex AI Workbench.

Zadanie 3. Klonowanie repozytorium modułu

W tej sekcji sklonujesz repozytorium training-data-analyst do Twojej instancji JupyterLab. Repozytorium GitHub zawiera zarówno plik modułu, jak i pliki rozwiązań używane w szkoleniu.

1. Aby sklonować repozytorium training-data-analyst, skopiuj do terminala ten kod i go uruchom.

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

2. Potwierdź, że repozytorium zostało sklonowane. Kliknij dwukrotnie katalog training-data-analyst i sprawdź, czy widzisz jego zawartość.

Klonowanie repozytorium zajmie kilka minut.

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło. Sklonowanie repozytorium modułu

Zadanie 4. Instalowanie zależności modułu

1. Aby zainstalować zależności modułu, uruchom w otwartym terminalu to polecenie:

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. Gdy pojawi się prośba, wpisz y i naciśnij Enter, aby potwierdzić instalację.

Zadanie 5. Uruchamianie notatnika

1. W przeglądarce plików przejdź do training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart i otwórz lab_exercise.ipynb.

2. Gdy pojawi się prośba, wybierz jądro Python 3.

Uwaga: do zakończenia tego modułu koniecznie jest otwarcie notatnika o nazwie lab_exercise.ipynb.

2. 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. Uruchomienie notatnika

Gratulacje!

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.

Kolejne kroki / Więcej informacji

• Więcej informacji o Vertex AI.
• Zapoznaj się z dokumentacją na temat generatywnej AI w Vertex AI.
• Więcej informacji o generatywnej AI znajdziesz na kanale YouTube Google Cloud Tech.
• Oficjalne repozytorium generatywnej AI w Google Cloud
• Przykładowe notatniki Gemini

Szkolenia i certyfikaty Google Cloud

…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 2024 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.