GSP917

總覽

在本研究室中，您會運用 BigQuery 執行資料處理和探索性資料分析作業，然後透過 Vertex AI 平台訓練及部署自訂 TensorFlow 迴歸因子模型，進而預測顧客終身價值 (CLV)。本研究室旨在藉由預測 CLV 這個高價值的應用實例，帶您瞭解 Vertex AI。您會先在本機執行可能原本就熟悉的 BigQuery 和 TensorFlow 工作流程，隨後透過 Vertex AI 在雲端環境中訓練及部署模型。

目標

本研究室的學習內容如下：

• 在本機託管的 Vertex 筆記本訓練 TensorFlow 模型。
• 透過 Vertex TensorBoard 以圖表呈現模型成效。

設定和需求

點選「Start Lab」按鈕前的須知事項

請詳閱以下操作說明。研究室活動會計時，而且中途無法暫停。點選「Start Lab」 後就會開始計時，讓您瞭解有多少時間可以使用 Google Cloud 資源。

您將在真正的雲端環境中完成實作研究室活動，而不是在模擬或示範環境。為達此目的，我們會提供新的暫時憑證，讓您用來在研究室活動期間登入及存取 Google Cloud。

如要完成這個研究室活動，請先確認：

• 您可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意：請使用無痕模式或私密瀏覽視窗執行此研究室。這可以防止個人帳戶和學生帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成研究室活動了！別忘了，活動一開始將無法暫停。

注意：如果您擁有個人 Google Cloud 帳戶或專案，請勿用於本研究室，以免產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 按一下「Start Lab」(開始研究室) 按鈕。如果研究室會產生費用，畫面中會出現選擇付款方式的彈出式視窗。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的暫時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，然後選取「在無痕式視窗中開啟連結」。

   接著，實驗室會啟動相關資源並開啟另一個分頁，當中顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要查看列出 Google Cloud 產品和服務的選單，請點選左上角的「導覽選單」。

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

1. 點按 Google Cloud 控制台上方的「啟用 Cloud Shell」圖示 。

連線完成即代表已通過驗證，且專案已設為您的 PROJECT_ID。輸出內容中有一行宣告本工作階段 PROJECT_ID 的文字：

您在本工作階段中的 Cloud Platform 專案會設為「YOUR_PROJECT_ID」

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

2. (選用) 您可以執行下列指令來列出使用中的帳戶：

gcloud auth list

3. 點按「授權」。

4. 輸出畫面應如下所示：

輸出內容：

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

5. (選用) 您可以使用下列指令來列出專案 ID：

gcloud config list project

輸出內容：

[core] project = <project_ID>

輸出內容範例：

[core] project = qwiklabs-gcp-44776a13dea667a6 附註：如需有關 gcloud 的完整說明，請前往 Google Cloud 並參閱「gcloud CLI overview guide」(gcloud CLI 總覽指南)。

工作 1：啟用 Google Cloud 服務

1. 點選 Google Cloud 控制台右上角的 Cloud Shell 圖示，開啟新的 Cloud Shell 終端機。

2. 前往 Cloud Shell 終端機，使用 gcloud 啟用本實驗室會用到的服務：

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

點選「Check my progress」，確認目標已達成。啟用 Google Cloud 服務。

工作 2：建立 Vertex AI Workbench 執行個體

1. 前往 Google Cloud 控制台，從「導覽選單」 選取「Vertex AI」。

2. 點選「啟用所有建議的 API」。

3. 點選左側的「Workbench」。

4. 在「Workbench」頁面頂端，確認您位於「執行個體」檢視頁面。

5. 點選「建立新項目」。

6. 設定執行個體：

   • 名稱：提供執行個體的名稱或保留預設值
   • 區域：設為
   • 可用區：設為
   • 進階選項 (選用)：需要時點選「進階選項」，進一步自訂機型和磁碟大小等

7. 點選「建立」。

注意：建立執行個體需要幾分鐘。完成後，名稱旁會出現綠色勾號。

8. 點選執行個體名稱旁的「Open Jupyterlab」，開啟 JupyterLab 介面，這會在瀏覽器中開啟新分頁。

9. 點選「Terminal」圖示，開啟新的終端機視窗。

終端機視窗會在新分頁中開啟。您現在可以在終端機執行指令，與 Workbench 執行個體互動。

點選「Check my progress」，確認目標已達成。建立 Vertex AI Workbench 執行個體。

工作 3：複製實驗室存放區

在本節中，您需要將 training-data-analyst 存放區複製到 JupyterLab 執行個體。這個 GitHub 存放區內含本課程的實驗室和解決方案檔案。

1. 複製下列程式碼並在終端機執行，即可複製 training-data-analyst 存放區。

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

2. 如要確認是否已複製存放區，請按兩下 training-data-analyst 目錄，確定可以查看內容。

複製存放區可能需要幾分鐘。

點選「Check my progress」，確認目標已達成。複製實驗室存放區。

工作 4：安裝實驗室依附元件

1. 在開啟的終端機執行下列指令，安裝實驗室依附元件：

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. 出現提示時，請輸入 y 並按下 Enter 鍵來確認安裝。

工作 5：執行實驗室筆記本

1. 在檔案瀏覽器中，前往 training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart，然後開啟 lab_exercise.ipynb。

2. 出現提示時，選取「Python 3」核心。

注意：請務必開啟筆記本 lab_exercise.ipynb，才能順利完成這個實驗室。

2. 在筆記本繼續完成實驗室工作，然後點選畫面頂端的「執行」圖示來執行每個儲存格。

或者，您也可以按下 Shift + Enter 鍵，執行儲存格中的程式碼。

閱讀相關說明，確定您瞭解每個儲存格的狀況。

點選「Check my progress」，確認目標已達成。執行實驗室筆記本。

恭喜！

在本實驗室中，您成功使用 Google Cloud BigQuery 的資料儲存和分析功能執行機器學習實驗工作流程，隨後透過 Vertex AI 機器學習服務訓練及部署 TensorFlow 模型，藉此預測顧客終身價值。

後續步驟/瞭解詳情

• 進一步瞭解 Vertex AI。
• 查看 Generative AI on Vertex AI 說明文件
• 前往 Google Cloud Tech 的 YouTube 頻道，進一步瞭解生成式 AI
• Google Cloud 生成式 AI 官方存放區
• Gemini 筆記本示例

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2024 年 10 月 7 日

實驗室上次測試日期：2024 年 10 月 7 日

Copyright 2024 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。