GSP1269

概要

このハンズオンラボでは、Vertex AI の教師ありチューニング機能を使用した Gemini 生成モデルのファインチューニングを実際に試してみます。独自のラベル付きデータを活用してベースの Gemini モデルを改良し、分類、要約、質問応答、チャットなどの特定のタスクで優れた成果を上げられるように適応させる方法を学びます。

ファインチューニング プロセスには、次の主な手順が含まれます。

• データ準備: 高品質で適切にラベル付けされたトレーニング データを提供することが重要です。データはモデルのパフォーマンスに直接影響し、潜在的なバイアスを軽減するのに役立ちます。
• トレーニング: さまざまなトレーニング構成を試して、対象のタスクに合わせてモデルを最適化します。この反復プロセスにより、モデルの可能性を最大限に引き出します。
• 評価: ファインチューニングされたモデルのパフォーマンスを正確に評価するために、評価指標と別のデータセットを慎重に選択します。

推奨構成:

ファインチューニング作業をサポートするため、さまざまなタスクの推奨される最初のステップを提供しています。

タスク	データセットの例	エポック
分類	500+	2-4
要約	1,000 以上	2-4
抽出型の QA	500+	2-4
チャット	1,000 以上	2-4

目標

このラボでは、次のことを行います。

• 教師ありファインチューニングを利用するプロセスを理解する。
• BigQuery のデータを使用して Gemini の生成結果を向上させる。
• StackOverflow の質問と回答のデータを使用して Gemini をファインチューニングする。

前提条件

このラボを開始する前に、以下について理解しておく必要があります。

• 基本的な Python プログラミング。
• 一般的な API のコンセプト。
• Vertex AI Workbench の Jupyter ノートブックでの Python コードの実行。

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。

このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モード（推奨）またはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生しないようにすることができます。

• ラボを完了するための時間（開始後は一時停止できません）

注: このラボでは、受講者アカウントのみを使用してください。別の Google Cloud アカウントを使用すると、そのアカウントに料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

1. [ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるダイアログでお支払い方法を選択してください。 左側の [ラボの詳細] ペインには、以下が表示されます。

   • [Google Cloud コンソールを開く] ボタン
   • 残り時間
   • このラボで使用する必要がある一時的な認証情報
   • このラボを行うために必要なその他の情報（ある場合）

2. [Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。

   ラボでリソースがスピンアップし、別のタブで [ログイン] ページが表示されます。

   ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。

   注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

3. 必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもユーザー名を確認できます。

4. [次へ] をクリックします。

5. 以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもパスワードを確認できます。

6. [次へ] をクリックします。

   重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

7. その後次のように進みます。

   • 利用規約に同意してください。
   • 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
   • 無料トライアルには登録しないでください。

その後、このタブで Google Cloud コンソールが開きます。

注: Google Cloud のプロダクトやサービスにアクセスするには、ナビゲーション メニューをクリックするか、[検索] フィールドにサービス名またはプロダクト名を入力します。

タスク 1. Vertex AI Workbench でノートブックを開く

1. Google Cloud コンソールのナビゲーション メニュー（）で、[Vertex AI] > [ワークベンチ] の順にクリックします。

2. インスタンスを見つけて、[JupyterLab を開く] ボタンをクリックします。

Workbench インスタンスの JupyterLab インターフェースが新しいブラウザタブで開きます。

注: JupyterLab にノートブックが表示されない場合は、次の追加手順でインスタンスを再設定してください。

1. JupyterLab のブラウザタブを閉じて、Workbench のホームページに戻ります。

2. インスタンス名の横にあるチェックボックスをオンにして、[リセット] をクリックします。

3. [JupyterLab を開く] ボタンが再度有効になったら、1 分待ってから [JupyterLab を開く] をクリックします。

タスク 2. ノートブックを設定する

1. ファイルを開きます。

2. [Select Kernel] ダイアログで、使用可能なカーネルのリストから [Python 3] を選択します。

3. ノートブックの「Getting Started」（スタートガイド）セクションと「Import libraries」（ライブラリのインポート）セクションをすべて実行します。

   • [Project ID] に を使用し、[Location] に を使用します。

注: 「Colab only」（Colab のみ）と記載されているノートブック セルの実行は省略できます。 いずれかのノートブック セルの実行で 429 応答が返される場合は、1 分待ってから再度セルを実行し、次に進んでください。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 ライブラリをインポートしてノートブックを設定する。

タスク 3. 必要な形式でデータセットを作成する

このセクションでは、ファインチューニングされたモデルの変更と評価に使用するトレーニング、検証、テストのデータセットを作成します。

• ノートブックの「Create a dataset in the required format」（必要な形式でデータセットを作成する）セクションを実行します。

BUCKET_NAME には を使用します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 必要な形式でデータセットを作成する。

タスク 4. Gemini モデルを初期化してテストする

このセクションでは、Python SDK を使用して構成を生成し、Gemini へのテスト呼び出しを行います。

モデルを初期化する

• このタスクでは、ノートブックの「Initialize the model」（モデルを初期化する）セクションを実行します。

Gemini モデルをテストする

• このタスクでは、ノートブックの「Test the Gemini model」（Gemini モデルをテストする）セクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Gemini モデルをテストする

タスク 5. モデル チューニング前の評価

このセクションでは、補足データでファインチューニングする前に Gemini モデルのパフォーマンスを評価します。

• ノートブックの「Evaluation before model tuning」（モデル チューニング前の評価）セクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 チューニングする前に、テスト データセットで Gemini モデルを評価する。

タスク 6. モデルをファインチューニングして読み込む

このセクションでは、チューニングされた生成モデルを読み込み、Gemini API を呼び出します。

モデルをファインチューニングする

• このタスクでは、ノートブックの「Fine-tune the model」（モデルをファインチューニングする）セクションを実行します。

チューニングされたモデルを読み込む

• このタスクでは、ノートブックの「Load the tuned model」（チューニングされたモデルを読み込む）セクションを実行します。

注: チューニング ジョブには数分かかります。チューニング ジョブが完了するまで待ってから、ノートブックの次のセルに進みます。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 チューニング済みの生成モデルを読み込む

タスク 7. モデル チューニング後の評価

このセクションでは、補足データでファインチューニングした後の Gemini モデルのパフォーマンスを評価します。

• ノートブックの「Evaluation post model tuning」（モデル チューニング後の評価）セクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 モデル チューニング後の評価

お疲れさまでした

このラボでは、Vertex AI の教師ありファインチューニング機能を使用して、カスタムデータで Gemini をファインチューニングし、質問応答機能を強化する方法を学びました。

次のステップと詳細情報

以下のリソースで Gemini に関する理解を深めましょう。

• Gemini の概要
• Vertex AI の生成 AI に関するドキュメント
• 生成 AI に関する YouTube チャンネル
• Vertex AI クックブック。生成 AI に関するノートブックを集めた、検索可能なギャラリーです。
• Google Cloud 生成 AI レポジトリ。他のノートブックやサンプルを確認できます。

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2025 年 7 月 11 日

ラボの最終テスト日: 2025 年 7 月 11 日

Copyright 2025 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。