GSP917

Огляд

Під час цієї практичної роботи ви застосуєте BigQuery для обробки даних і розвідувального аналізу, а також навчатимете й розгортатимете спеціальну модель TensorFlow Regressor на платформі Vertex AI, щоб отримати прогноз щодо загальної цінності клієнта. Мета цієї практичної роботи – навчитися працювати з Vertex AI на основі реального прикладу використання, зокрема спрогнозувати загальну цінність клієнта. Ви почнете з локального робочого процесу BigQuery й TensorFlow, з яким ви, можливо, уже знайомі, а потім перейдете до навчання й розгортання моделі в хмарі за допомогою Vertex AI.

Цілі

План практичної роботи

• Підготувати модель TensorFlow у локально розміщеному записнику Vertex.
• Використати Vertex TensorBoard, щоб візуалізувати ефективність моделі.

Налаштування й вимоги

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

2. Натисніть Open Google Cloud console (Відкрити Google Cloud Console) або натисніть правою кнопкою миші й виберіть Open Link in Incognito Window (Відкрити посилання в анонімному вікні), якщо ви використовуєте вебпереглядач Chrome.

   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 значення в полі Username (Ім’я користувача) нижче й вставте його у вікні Sign in (Вхід).

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

   Поле Username (Ім’я користувача) також можна знайти на панелі Lab Details (Відомості про практичну роботу).

4. Натисніть Next (Далі).

5. Скопіюйте значення в полі Password (Пароль) нижче й вставте його у вікні Welcome (Привітання).

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

   Поле Password (Пароль) також можна знайти на панелі Lab Details (Відомості про практичну роботу).

6. Натисніть Next (Далі).

   Важливо. Обов’язково використовуйте облікові дані, призначені для відповідної практичної роботи. Не використовуйте облікові дані Google Cloud. Примітка. Якщо ввійти у власний обліковий запис Google Cloud, може стягуватися додаткова плата.

7. Виконайте наведені нижче дії.

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

Через кілька секунд Google Cloud Console відкриється в новій вкладці.

Примітка. Щоб переглянути меню зі списком продуктів і сервісів Google Cloud, натисніть меню навігації вгорі ліворуч.

Як активувати Cloud Shell

Cloud Shell – це віртуальна машина з попередньо завантаженими інструментами для розробників. Вона містить головний каталог обсягом 5 ГБ постійної пам’яті й працює в середовищі Google Cloud. Cloud Shell надає доступ до ресурсів Google Cloud через командний рядок.

1. Угорі консолі Google Cloud натисніть Activate Cloud Shell (Активувати Cloud Shell) .

Щойно ви підключитеся, вас буде автентифіковано, а проект отримає ваш PROJECT_ID (ІДЕНТИФІКАТОР ПРОЕКТУ). Вивід міститиме рядок зі значенням PROJECT_ID (ІДЕНТИФІКАТОР ПРОЕКТУ) для цього сеансу:

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud – це інструмент командного рядка для Google Cloud. Він входить у пакет Cloud Shell і підтримує функцію автозавершення клавішею TAB.

2. (Необов’язково) Щоб вивести поточне ім’я облікового запису, введіть таку команду:

gcloud auth list

3. Натисніть Authorize (Авторизувати).

4. Вихідні дані матимуть такий вигляд:

Вивід:

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

5. (Необов’язково) Щоб вивести ідентифікатор проекту, введіть таку команду:

gcloud config list project

Вивід:

[core] project = <project_ID>

Приклад виводу:

[core] project = qwiklabs-gcp-44776a13dea667a6 Примітка. Щоб знайти повну документацію щодо gcloud, перегляньте посібник з інтерфейсу командного рядка gcloud у Google Cloud.

Завдання 1. Увімкніть сервіси Google Cloud

1. Відкрийте новий термінал Cloud Shell, натиснувши значок Cloud Shell угорі праворуч у Google Cloud Console.

2. У терміналі ввімкніть сервіси, що використовуватимуться в практичній роботі, за допомогою командного рядка gcloud.

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

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Увімкніть сервіси Google Cloud.

Завдання 2. Створіть екземпляр Vertex AI Workbench

1. У Google Cloud Console у меню навігації () виберіть Vertex AI.

2. Натисніть Enable All Recommended APIs (Увімкнути всі рекомендовані API).

3. Ліворуч натисніть Workbench.

4. На сторінці "Workbench" переконайтеся, що ввімкнено режим перегляду Instances (Екземпляри).

5. Натисніть Create New (Створити).

6. Налаштуйте екземпляр.

   • Назва. Укажіть назву екземпляра або залиште значення за умовчанням.
   • Регіон. Виберіть регіон .
   • Зона. Виберіть зону .
   • Розширені параметри (необов’язково). За потреби натисніть Advanced Options (Розширені параметри), щоб указати додаткові налаштування (тип машини, розмір диска тощо).

7. Натисніть Create (Створити).

Примітка. Створення екземпляра триватиме кілька хвилин. Коли він буде готовий, біля його назви з’явиться зелений прапорець.

8. Біля назви екземпляра натисніть Open JupyterLab (Відкрити JupyterLab), щоб запустити інтерфейс JupyterLab. Відкриється нова вкладка у вебпереглядачі.

9. Натисніть значок термінала, щоб відкрити вікно термінала.

Вікно термінала відкриється в новій вкладці. Тепер ви можете виконувати команди в терміналі, щоб взаємодіяти з екземпляром Workbench.

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Створіть екземпляр Vertex AI Workbench.

Завдання 3. Скопіюйте сховище для практичної роботи

У цій частині практичної роботи ви скопіюєте сховище training-data-analyst у свій екземпляр JupyterLab. Сховище GitHub містить і файл практичної роботи, і файли з вирішеннями завдань для курсу.

1. Щоб скопіювати сховище training-data-analyst, скопіюйте й запустіть наведений нижче код у терміналі.

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

2. Упевніться, що ви скопіювали сховище. Для цього двічі натисніть каталог training-data-analyst і переконайтеся, що його вміст відображається.

Копіювання сховища займе кілька хвилин.

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Скопіюйте сховище для практичної роботи.

Завдання 4. Установіть залежності для практичної роботи

1. Щоб установити залежності для практичної роботи, виконайте у відкритому терміналі наведену нижче команду.

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. Коли з’явиться відповідний запит, введіть y й натисніть Enter щоб завершити встановлення.

Завдання 5. Запустіть записник для практичної роботи

1. У переглядачі файлів перейдіть за шляхом training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart і відкрийте lab_exercise.ipynb.

2. Коли з’явиться відповідний запит, виберіть ядро Python 3.

Примітка. Щоб виконати цю практичну роботу, потрібно відкрити записник під назвою lab_exercise.ipynb.

2. Далі виконуйте практичну роботу в записнику. Щоб запустити кожну клітинку, натисніть значок Run (Запустити) у верхній частині екрана.

Також можна виконати код у клітинці, натиснувши клавіші SHIFT + ENTER.

Прочитайте опис, щоб з’ясувати, що відбувається в кожній клітинці.

Щоб підтвердити виконання завдання, натисніть Підтвердити виконання. Запустіть записник для практичної роботи.

Вітаємо!

Під час цієї практичної роботи ви експериментували з машинним навчанням, використовуючи BigQuery Google Cloud для зберігання й аналізу даних, а також сервіси машинного навчання Vertex AI для навчання й розгортання моделі TensorFlow, що генерує прогнози загальної цінності клієнта.

Наступні кроки/Докладніше

• Докладніше про Vertex AI.
• Перегляньте інформацію про генеративний ШІ у Vertex AI.
• Дізнайтеся більше про генеративний ШІ на каналі YouTube Google Cloud Tech.
• Офіційне сховище генеративного ШІ Google Cloud
• Приклади блокнотів Gemini

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 7 жовтня 2024 року

Практичну роботу востаннє протестовано 7 жовтня 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.