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。

繼 2021 年 5 月在 Google I/O 大會上宣布推出 AI 平台後，Google Cloud 正式發布新一代整合式平台「Vertex AI」，協助使用者開發機器學習解決方案。透過 Vertex AI 開發機器學習解決方案有幾項好處，包括運用最新的機器學習預先建構元件和 AutoML，大幅提升開發效率，此外還能輕鬆調度工作流程資源、依據資料做決策，以及快速創造價值。

目標

本研究室的學習內容如下：

• 在本機託管的 Vertex 筆記本中訓練 TensorFlow 模型。
• 建立代管表格資料集構件來追蹤實驗結果。
• 使用 Cloud Build 將訓練程式碼容器化，並推送至 Google Cloud Artifact Registry。
• 運用自訂模型容器執行 Vertex AI 自訂訓練工作。
• 透過 Vertex TensorBoard 以圖表呈現模型成效。
• 將經過訓練的模型部署至 Vertex 線上預測端點，提供預測結果。
• 要求進行線上預測和說明，然後查看相關回應。

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

• 在 Cloud Shell 中，使用 gcloud 啟用本研究室會用到的服務：

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

工作 2：建立 Vertex AI 自訂服務帳戶，執行 Vertex Tensorboard 整合作業

1. 建立自訂服務帳戶：

SERVICE_ACCOUNT_ID=vertex-custom-training-sa gcloud iam service-accounts create $SERVICE_ACCOUNT_ID \ --description="A custom service account for Vertex custom training with Tensorboard" \ --display-name="Vertex AI Custom Training"

2. 授予服務帳戶 Cloud Storage 的存取權，以寫入及擷取 TensorBoard 記錄檔：

PROJECT_ID=$(gcloud config get-value core/project) gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/storage.admin"

3. 授予服務帳戶 BigQuery 資料來源的存取權，將資料讀入 TensorFlow 模型：

gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/bigquery.admin"

4. 授予服務帳戶 Vertex AI 的存取權，以執行模型訓練、部署和說明工作：

gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/aiplatform.user"

工作 3：啟動 Vertex AI Workbench 筆記本

如要建立及啟動 Vertex AI Workbench 筆記本，請按照下列指示操作：

1. 在「導覽選單」 中，依序點按「Vertex AI」>「Workbench」。

2. 在「Workbench」頁面中，點按「啟用 Notebooks API」 (如果尚未啟用)。

3. 點按「使用者自行管理的 Notebooks」分頁標籤，然後點選「建立新的」。

4. 為筆記本命名。

5. 將「區域」設為 ，然後將「可用區」設為 。

6. 在「新增執行個體」選單中的「環境」中，選擇最新版的「TensorFlow 企業版 2.11」。

7. 點按「進階選項」編輯執行個體屬性。

8. 點按「機器類型」，然後選取「e2-standard-2」這個機器類型。

9. 其餘欄位均保留預設值，然後點按「建立」。

幾分鐘後，「Workbench」頁面會列出執行個體，後面接著「Open JupyterLab」。

10. 點按「Open JupyterLab」，即可在新分頁中開啟 JupyterLab。如果系統顯示訊息，指出版本必須包含 beatrix jupyterlab，請略過該訊息。

請點選「Check my progress」，確認目標已達成。 建立 Vertex AI 筆記本

工作 4：複製研究室存放區

接下來，請將 training-data-analyst 存放區複製到 JupyterLab 執行個體。

如要複製 JupyterLab 執行個體中的 training-data-analyst 存放區，請按照下列步驟操作：

1. 按一下 JupyterLab 中的「終端機」圖示，開啟新的終端機。

2. 在指令列提示中輸入下列指令，然後按下 Enter 鍵：

git clone --depth=1 https://github.com/GoogleCloudPlatform/training-data-analyst

3. 如要確認是否已複製存放區，請在左側面板中按兩下 training-data-analyst 資料夾，即可查看內容。

複製存放區可能需要幾分鐘。

點選「Check my progress」，確認已達成目標。 複製研究室存放區

工作 5：安裝研究室依附元件

• 執行下列指令，前往 training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart 資料夾，並透過 pip3 install requirements.txt 安裝研究室依附元件：

cd training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart pip3 install --user -r requirements.txt sudo apt -y install python3-pandas pip uninstall openpyxl pip install openpyxl

前往研究室筆記本

1. 在檔案瀏覽器中，依序點按「training-data-analyst」>「self-paced-labs」>「vertex-ai」>「vertex-ai-qwikstart」，然後開啟「lab_exercise.ipynb」。

注意：為順利完成這個研究室，請務必開啟名稱為「lab_exercise.ipynb」的筆記本。

2. 在筆記本中繼續完成研究室工作，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。

恭喜！

在本研究室中，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。您先是在本機訓練 TensorFlow 模型，接著透過 Vertex AI 在雲端環境中繼續訓練作業，過程中還用到了多項整合式平台新功能，例如 Vertex TensorBoard 和預測特徵歸因。

後續行動/瞭解詳情

本研究室屬於 Qwik Start 研究室系列，旨在帶您一窺 Google Cloud 的眾多功能。歡迎在研究室目錄中搜尋「Qwik Start」，看看接下來要參加哪個研究室！

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 5 月 16 日

研究室上次測試日期：2024 年 5 月 16 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。