Informações gerais

Neste laboratório, você vai treinar, avaliar e implantar um modelo de machine learning para prever o peso de um bebê.

Conteúdo do laboratório

Neste laboratório, você aprenderá a:

• iniciar a instância do Vertex AI Workbench;
• criar um conjunto de dados do BigQuery e um bucket do GCS;
• exportar dados do BigQuery para CSVs no GCS;
• fazer treinamentos na AI Platform do Cloud;
• implantar um modelo treinado.

Configurar o laboratório

Comece o laboratório

Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período e sem custos financeiros.

1. Faça login no Qwiklabs em uma janela anônima.

2. Confira o tempo de acesso do laboratório (por exemplo, 1:15:00) e finalize todas as atividades nesse prazo.
   Não é possível pausar o laboratório. Você pode reiniciar o desafio, mas vai precisar refazer todas as etapas.

3. Quando tudo estiver pronto, clique em Começar o laboratório.

4. Anote as credenciais (Nome de usuário e Senha). É com elas que você vai fazer login no Console do Google Cloud.

5. Clique em Abrir Console do Google.

6. Clique em Usar outra conta, depois copie e cole as credenciais deste laboratório nos locais indicados.
   Se você usar outras credenciais, vai receber mensagens de erro ou cobranças.

7. Aceite os termos e pule a página de recursos de recuperação.

Ative o treinamento da AI Platform e API Prediction

1. Na biblioteca de APIs, pesquise por e clique no card Treinamento da AI Platform e API Prediction.

2. Clique em Ativar para que a API seja ativada. Se o botão Gerenciar aparecer, a API já estará ativa.

Tarefa 1. criar um bucket de armazenamento

1. No menu de navegação do console do Google Cloud, (), clique em Cloud Storage.

2. Clique em Criar.

3. Digite um nome exclusivo para seu bucket, como o ID do projeto.

4. Clique em Criar.

5. No pop-up "O acesso público será bloqueado", confirme Aplicar a prevenção de acesso público neste bucket.

Tarefa 2: iniciar a instância do Vertex AI Workbench

1. No console do Google Cloud, no Menu de navegação (), clique em Vertex AI.

2. Selecione Ativar todas as APIs recomendadas.

3. No Menu de navegação, clique em Workbench.

   Verifique se você está na visualização Instâncias do topo da página do Workbench.

4. Clique em + Criar nova.

5. Configure a instância:

   • Nome: lab-workbench
   • Região: configure a região como
   • Zona: configure a zona como
   • Opções avançadas (opcional): se necessário, clique em "Opções avançadas" para personalizar mais (ex.: tipo de máquina, tamanho do disco).

6. Clique em Criar.

O processo vai levar alguns minutos, e uma marca de confirmação verde vai aparecer ao lado do nome da instância quando ela for criada.

7. Clique em ABRIR O JUPYTERLAB ao lado do nome da instância para iniciar a interface do ambiente. Uma nova guia será aberta no navegador.

8. Clique no ícone do Python 3 para iniciar um novo notebook do Python.

9. Clique com o botão direito no arquivo Untitled.ipynb na barra de menus e escolha Renomear notebook para dar um nome a ele.

Seu ambiente está configurado. Está tudo pronto para você começar a trabalhar com seu notebook do Vertex AI Workbench.

Clique em Verificar meu progresso para conferir o objetivo. iniciar a instância do Vertex AI Workbench

Tarefa 3: clonar o repositório do curso na sua instância do Vertex AI Workbench

O repositório do GitHub contém o arquivo do laboratório e os arquivos das soluções do curso.

1. Copie e execute o código a seguir na primeira célula do notebook para clonar o repositório training-data-analyst.

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

2. Para confirmar que você clonou o repositório, clique duas vezes no diretório training-data-analyst e veja se o conteúdo aparece.

Clique em Verificar meu progresso para conferir o objetivo. Clonar o repositório do curso na sua instância do Vertex AI Workbench

Tarefa 4: fazer a previsão de dados estruturados usando a plataforma Vertex AI

1. Na interface do notebook, navegue até training-data-analyst > courses > machine_learning > deepdive2 > production_ml > babyweight e abra train_deploy.ipynb.

2. Na caixa de diálogo Selecionar Kernel, escolha Python 3 na lista de kernels disponíveis.

3. No menu, clique em Editar > Limpar todas as saídas.

4. Leia o conteúdo e clique em Shift + Enter (ou "Executar") em cada célula do notebook.

Tarefa 5. Teste seus conhecimentos

Faça nosso teste para avaliar o quanto você sabe sobre o Google Cloud Platform.

Parabéns!

Você aprendeu a treinar, avaliar e implantar um modelo de machine learning em notebooks da Vertex AI.

Finalize o laboratório

Após terminar seu laboratório, clique em End Lab. O Qwiklabs removerá os recursos usados e limpará a conta para você.

Você poderá avaliar sua experiência neste laboratório. Basta selecionar o número de estrelas, digitar um comentário e clicar em Submit.

O número de estrelas indica o seguinte:

• 1 estrela = muito insatisfeito
• 2 estrelas = insatisfeito
• 3 estrelas = neutro
• 4 estrelas = satisfeito
• 5 estrelas = muito satisfeito

Feche a caixa de diálogo se não quiser enviar feedback.

Para enviar seu feedback, fazer sugestões ou correções, use a guia Support.

Copyright 2020 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.