GSP323

Огляд

Практична робота підвищеного рівня складності передбачає сценарій і кілька завдань. Покрокових інструкцій немає. Натомість ви маєте застосувати навички, які здобули під час практичних робіт квесту, і самостійно з’ясувати, як виконувати завдання. Автоматична система оцінювання (показана на цій сторінці) згенерує відгук щодо того, чи правильно виконано завдання.

Під час практичної роботи підвищеного рівня складності ви не вивчаєте нові поняття Google Cloud, а розвиваєте опановані навички (наприклад, змінюєте значення за умовчанням і переглядаєте повідомлення про помилки для їх виправлення).

Щоб набрати 100%, слід правильно виконати всі завдання за визначений період часу.

Цю практичну роботу рекомендовано для слухачів, які зареєструвалися на кваліфікаційний курс Підготовка даних для інтерфейсів API машинного навчання в Google Cloud. Готові почати?

Ви будете виконувати такі дії:

• створювати просте завдання Dataproc;
• створювати просте завдання Dataflow;
• виконувати два завдання API на основі машинного навчання Google.

Налаштування

Перш ніж натиснути кнопку Start Lab (Почати практичну роботу)

Ознайомтеся з наведеними нижче вказівками. На виконання практичної роботи відводиться обмежений час, і її не можна призупинити. Щойно ви натиснете Start Lab (Почати практичну роботу), з’явиться таймер, який показуватиме, скільки часу для роботи з ресурсами Google Cloud у вас залишилося.

Ви зможете виконати практичну роботу в дійсному робочому хмарному середовищі (не в симуляції або демонстраційному середовищі). Для цього на час виконання практичної роботи вам надаються тимчасові облікові дані для реєстрації і входу в Google Cloud.

Щоб виконати цю практичну роботу, потрібно мати:

• стандартний веб-переглядач, наприклад Chrome (рекомендовано)

Примітка. Виконуйте практичну роботу в режимі анонімного перегляду. Так ви уникнете додаткової плати, що може стягуватися з вашого особистого облікового запису внаслідок його конфліктів з обліковим записом для навчання.

• достатню кількість часу, оскільки почавши практичну роботу, ви не зможете призупинити її

Примітка. Якщо ви маєте особистий обліковий запис або проект Google Cloud, не використовуйте їх для доступу до цієї практичної роботи. Так ви уникнете додаткових стягнень з вашого облікового запису.

Як почати виконувати практичну роботу й увійти в Google Cloud Console

1. Натисніть кнопку Start Lab (Почати практичну роботу). Якщо за практичну роботу необхідно заплатити, відкриється спливаюче вікно, де ви зможете обрати спосіб оплати. Ліворуч розміщено панель Lab Details (Відомості про практичну роботу) з такими даними:

   • кнопка Open Google Console (Відкрити Google Console);
   • час до закінчення;
   • тимчасові облікові дані, які потрібно використовувати для доступу до цієї практичної роботи;
   • інша необхідна для виконання цієї практичної роботи інформація.

2. Натисніть Open Google Console (Відкрити Google Console). Завантажаться необхідні ресурси. Потім відкриється нова вкладка зі сторінкою Sign in (Вхід).

   Порада. Упорядковуйте вкладки в окремих вікнах, розміщуючи їх поруч.

   Примітка. Якщо з’явиться вікно Choose an account (Виберіть обліковий запис), натисніть Use Another Account (Увійти в інший обліковий запис).

3. За потреби скопіюйте Username (Ім’я користувача) з панелі Lab Details (Відомості про практичну роботу) і вставте його у вікні Sign in (Вхід). Натисніть Next (Далі).

4. Скопіюйте Password (Пароль) з панелі Lab Details (Відомості про практичну роботу) і вставте його у вікні Welcome (Привітання). Натисніть Next (Далі).

   Важливо. Обов’язково використовуйте облікові дані з панелі ліворуч. Не використовуйте облікові дані Google Cloud Skills Boost. Примітка. Якщо ввійти у власний обліковий запис Google Cloud, може стягуватися додаткова плата.

5. Виконайте наведені нижче дії.

   • Прийміть Умови використання.
   • Не додавайте способи відновлення та двохетапну перевірку (оскільки це тимчасовий обліковий запис).
   • Не реєструйте безкоштовні пробні версії.

Через кілька секунд Cloud Console відкриється в новій вкладці.

Примітка. Ви можете переглянути меню зі списком продуктів і сервісів Google Cloud, натиснувши меню навігації вгорі ліворуч.

Перевірте дозволи проекту

Перш ніж почати роботу з Google Cloud, переконайтеся, що ваш проект має правильні дозволи в системі керування ідентифікацією і доступом.

1. У меню навігації Google Cloud Console виберіть IAM & Admin (Адміністрування й керування ідентифікацією і доступом) > IAM.

2. Переконайтеся, що стандартний сервісний обліковий запис Compute Engine {project-number}-compute@developer.gserviceaccount.com включено й що йому призначено ролі editor і storage.admin. Префікс облікового запису – це номер проекту, який можна знайти, вибравши меню навігації > Cloud Overview (Огляд Cloud) > Dashboard (Інформаційна панель).

Примітка. Якщо облікового запису немає в системі керування ідентифікацією і доступом або він не має ролі storage.admin, виконайте наведені нижче кроки для призначення необхідної ролі.

1. У меню навігації Google Cloud Console натисніть Cloud Overview (Огляд Cloud) > Dashboard (Інформаційна панель).
2. Скопіюйте номер проекту (наприклад, 729328892908).
3. У меню навігації виберіть IAM & Admin (Адміністрування й керування ідентифікацією і доступом) > IAM.
4. Угорі таблиці ролей під розділом View by Principals (Перегляд за учасниками) натисніть Grant Access (Надати доступ).
5. У вікні New principals (Нові учасники) введіть:

{project-number}-compute@developer.gserviceaccount.com

6. Замініть {project-number} номером свого проекту.
7. Для параметра Role (Роль) виберіть Storage Admin (Адміністратор сховища).
8. Натисніть Save (Зберегти).

Сценарій

Ви – молодший розробник даних компанії Jooli Inc., який нещодавно пройшов навчання з використання Google Cloud і кількох сервісів для роботи з даними. Вас попросили продемонструвати нові навички й виконати описані нижче завдання.

Очікується, що ви вже маєте знання й навички для виконання таких завдань, тому покрокові інструкції не надаються.

Завдання 1. Запустіть просте завдання Dataflow

У цьому завданні потрібно використати пакетний шаблон Dataflow Text Files on Cloud Storage to BigQuery (Передавання текстових файлів Cloud Storage у BigQuery) з розділу Process Data in Bulk (batch) (Пакетна обробка даних) для перенесення даних із сегмента Cloud Storage (gs://cloud-training/gsp323/lab.csv). Щоб правильно налаштувати завдання Dataflow, використайте значення з таблиці нижче.

Переконайтеся, що ви виконали наведені нижче дії.

• Створіть набір даних BigQuery з таблицею .
• Створіть сегмент Cloud Storage під назвою .

Поле	Значення
Cloud Storage input file(s) (Вхідні файли Cloud Storage)	gs://cloud-training/gsp323/lab.csv
Cloud Storage location of your BigQuery schema file (Розташування файлу схеми BigQuery в Cloud Storage)	gs://cloud-training/gsp323/lab.schema
Вихідна таблиця BigQuery
Temporary directory for BigQuery loading process (Тимчасовий каталог для даних, які завантажуються в BigQuery)
Тимчасове розташування
Optional Parameters (Додаткові параметри) > JavaScript UDF path in Cloud Storage (Шлях визначеної користувачем функції JavaScript у Cloud Storage)	gs://cloud-training/gsp323/lab.js
Optional Parameters (Додаткові параметри) > JavaScript UDF name (Назва визначеної користувачем функції JavaScript)	transform
Optional Parameters (Додаткові параметри) > Machine Type (Тип машини)	e2-standard-2

Зачекайте, доки завдання завершиться, а потім підтвердьте його виконання.

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Запустіть просте завдання Dataflow

Завдання 2. Запустіть просте завдання Dataproc

Вам потрібно виконати пробне завдання Spark за допомогою Dataproc.

Перш ніж запускати завдання, увійдіть в один із вузлів кластера й скопіюйте файл /data.txt у hdfs (використовуйте команду hdfs dfs -cp gs://cloud-training/gsp323/data.txt /data.txt).

Застосовуйте наведені нижче значення для запуску завдання Dataproc.

Поле	Значення
Region (Регіон)
Job type (Вид завдання)	Spark
Main class or jar (Основний клас або файл JAR)	org.apache.spark.examples.SparkPageRank
Jar files (Файли JAR)	file:///usr/lib/spark/examples/jars/spark-examples.jar
Arguments (Аргументи)	/data.txt
Max restarts per hour (Макс. кількість перезапусків на годину)	1
Dataproc Cluster (Кластер Dataproc)	Compute Engine
Region (Регіон)
Machine Series (Серія машини)	E2
Керуючий вузол	У розділі Machine Type (Тип машини) виберіть e2-standard-2
Робочий вузол	У розділі Machine Type (Тип машини) виберіть e2-standard-2
Max Worker Nodes (Максимальна кількість робочих вузлів)	2
Primary disk size (Розмір основного диска)	100 ГБ
Internal IP only (Лише внутрішні IP-адреси)	Зніміть прапорець Configure all instances to have only internal IP addresses (Налаштувати для всіх екземплярів лише внутрішні IP-адреси)

Зачекайте, доки завдання завершиться, а потім підтвердьте його виконання.

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Запустіть просте завдання Dataproc

Завдання 3. Скористайтеся Google Cloud Speech-to-Text API

• Проаналізуйте аудіофайл gs://cloud-training/gsp323/task3.flac за допомогою Google Cloud Speech-to-Text API. Готовий аналіз завантажте в .

Примітка. Якщо із цим завданням виникнуть проблеми, перегляньте відповідну практичну роботу: Google Cloud Speech-to-Text API: Qwik Start

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Скористайтеся Google Cloud Speech-to-Text API

Завдання 4. Скористайтеся Cloud Natural Language API

• Проаналізуйте речення з тексту про Одіна за допомогою Cloud Natural Language API: "Old Norse texts portray Odin as one-eyed and long-bearded, frequently wielding a spear named Gungnir and wearing a cloak and a broad hat" ("У давньоскандинавських текстах Одіна зображено однооким, довгобородим, часто зі списом під назвою Гунгнір, у плащі й капелюсі із широкими крисами"). Готовий аналіз завантажте в .

Примітка. Якщо із цим завданням виникнуть проблеми, перегляньте відповідну практичну роботу: Cloud Natural Language API: Qwik Start

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Скористайтеся Cloud Natural Language API

Вітаємо!

Вітаємо! У цій практичній роботі ви продемонстрували, що вмієте запускати прості завдання Dataflow й Dataproc, а також використовувати Google Cloud Speech-to-Text API і Cloud Natural Language API.

Цю практичну роботу можна виконувати у власному темпі, і вона входить до кваліфікаційного курсу Підготовка даних для інтерфейсів API машинного навчання в Google Cloud. Пройшовши курс, ви отримаєте значок як відзнаку за досягнення. Додайте його у своє резюме й на сторінки в соціальних мережах і розкажіть про свої досягнення за допомогою хештегу #GoogleCloudBadge.

Цей кваліфікаційний курс входить до планів навчання Google Cloud для аналітиків даних і розробників даних.

Навчання й сертифікація Google Cloud

…допомагають ефективно використовувати технології Google Cloud. Наші курси передбачають опанування технічних навичок, а також ознайомлення з рекомендаціями, що допоможуть вам швидко зорієнтуватися й вивчити матеріал. Ми пропонуємо курси різних рівнів – від базового до високого. Ви можете вибрати формат навчання (за запитом, онлайн або офлайн) відповідно до власного розкладу. Пройшовши сертифікацію, ви перевірите й підтвердите свої навички та досвід роботи з технологіями Google Cloud.

Посібник востаннє оновлено 25 березня 2024 року

Практичну роботу востаннє протестовано 15 січня 2024 року

© Google LLC 2024. Усі права захищено. Назва та логотип Google є торговельними марками Google LLC. Усі інші назви компаній і продуктів можуть бути торговельними марками відповідних компаній, з якими вони пов’язані.