Présentation

L'objectif de cet atelier est de montrer aux participants comment instancier un notebook Jupyter exécuté sur le service Vertex AI de Google Cloud. Pour faciliter la démonstration, nous utiliserons un ensemble de données contenant différentes heures de départ et d'arrivée de vols.

Objectifs

Dans cet atelier, vous apprendrez à effectuer les tâches suivantes :

• Instancier un notebook Jupyter sur Vertex AI
• Exécuter une requête BigQuery à partir d'un notebook Jupyter et traiter les résultats à l'aide de Pandas

Préparation

Pour chaque atelier, nous vous attribuons un nouveau projet Google Cloud et un nouvel ensemble de ressources pour une durée déterminée, sans frais.

1. Connectez-vous à Qwiklabs dans une fenêtre de navigation privée.

2. Vérifiez le temps imparti pour l'atelier (par exemple : 01:15:00) : vous devez pouvoir le terminer dans ce délai.
   Une fois l'atelier lancé, vous ne pouvez pas le mettre en pause. Si nécessaire, vous pourrez le redémarrer, mais vous devrez tout reprendre depuis le début.

3. Lorsque vous êtes prêt, cliquez sur Démarrer l'atelier.

4. Notez vos identifiants pour l'atelier (Nom d'utilisateur et Mot de passe). Ils vous serviront à vous connecter à Google Cloud Console.

5. Cliquez sur Ouvrir la console Google.

6. Cliquez sur Utiliser un autre compte, puis copiez-collez les identifiants de cet atelier lorsque vous y êtes invité.
   Si vous utilisez d'autres identifiants, des messages d'erreur s'afficheront ou des frais seront appliqués.

7. Acceptez les conditions d'utilisation et ignorez la page concernant les ressources de récupération des données.

Ouvrir la console BigQuery

1. Dans Google Cloud Console, sélectionnez le menu de navigation > BigQuery. Le message Welcome to BigQuery in the Cloud Console (Bienvenue sur BigQuery dans Cloud Console) s'affiche. Il contient un lien vers le guide de démarrage rapide et répertorie les mises à jour de l'interface utilisateur.
2. Cliquez sur Done (OK).

Tâche 1 : Lancer une instance Vertex AI Workbench

1. Dans le menu de navigation () de la console Google Cloud, sélectionnez Vertex AI.

2. Cliquez sur Activer toutes les API recommandées.

3. Dans le menu de navigation, cliquez sur Workbench.

   En haut de la page "Workbench", vérifiez que vous vous trouvez dans la vue Instances.

4. Cliquez sur Créer.

5. Configurez l'instance :

   • Nom : lab-workbench
   • Région : définissez la région sur
   • Zone : définissez la zone sur
   • Options avancées (facultatif) : si nécessaire, cliquez sur "Options avancées" pour une personnalisation plus avancée (par exemple, type de machine, taille du disque).

6. Cliquez sur Créer.

La création de l'instance prend quelques minutes. Une coche verte apparaît à côté de son nom quand elle est prête.

7. Cliquez sur Ouvrir JupyterLab à côté du nom de l'instance pour lancer l'interface JupyterLab. Un nouvel onglet s'ouvre alors dans votre navigateur.

8. Cliquez sur l'icône Python 3 pour lancer un nouveau notebook Python.

9. Effectuez un clic droit sur le fichier Untitled.ipynb dans la barre de menu et sélectionnez Renommer le notebook pour lui attribuer un nom significatif.

Votre environnement est configuré. Vous êtes maintenant prêt à utiliser votre notebook Vertex AI Workbench.

Cliquez sur Vérifier ma progression pour valider l'objectif. Lancer une instance Vertex AI Workbench

Tâche 2 : Exécuter une requête BigQuery

1. Saisissez la requête suivante dans la première cellule du notebook :

%%bigquery df --use_rest_api SELECT depdelay as departure_delay, COUNT(1) AS num_flights, APPROX_QUANTILES(arrdelay, 10) AS arrival_delay_deciles FROM `cloud-training-demos.airline_ontime_data.flights` WHERE depdelay is not null GROUP BY depdelay HAVING num_flights > 100 ORDER BY depdelay ASC

La commande utilise la fonction magique %%bigquery. Les fonctions magiques dans les notebooks fournissent un alias pour une commande du système. Dans ce cas, %%bigquery exécute la requête dans la cellule dans BigQuery et enregistre le résultat dans un objet DataFrame Pandas appelé df.

2. Pour exécuter la cellule, appuyez sur Maj+Entrée quand le curseur se trouve dedans. Vous pouvez également accéder à l'onglet Exécuter et cliquer sur Exécuter les cellules sélectionnées. Notez le raccourci clavier pour cette action si ce n'est pas Maj + Entrée. L'exécution de la commande ne devrait renvoyer aucun résultat.

Cliquez sur Vérifier ma progression pour valider l'objectif. Exécuter une requête BigQuery

3. Affichez les cinq premières lignes du résultat de la requête en exécutant le code suivant dans une nouvelle cellule :

df.head()

Tâche 3 : Créer un graphique avec Pandas

Nous allons utiliser le DataFrame Pandas qui contient le résultat de notre requête pour créer un graphique qui représente le lien entre les retards à l'arrivée et les retards au départ. Avant de poursuivre, si vous ne maîtrisez pas Pandas, nous vous conseillons de lire le Guide de démarrage. Cela ne vous prendra que 10 minutes.

1. Pour obtenir un DataFrame contenant les données dont nous avons besoin, nous devons d'abord manipuler le résultat brut de la requête. Saisissez le code suivant dans une nouvelle cellule pour convertir la liste arrival_delay_deciles en un objet Pandas Series. Le code renomme également les colonnes générées.

import pandas as pd percentiles = df['arrival_delay_deciles'].apply(pd.Series) percentiles.rename(columns = lambda x : '{0}%'.format(x*10), inplace=True) percentiles.head()

2. Pour faire le rapprochement entre les retards de départ et les retards d'arrivée, nous devons concaténer notre table percentiles au champ departure_delay dans notre DataFrame d'origine. Exécutez le code suivant dans une nouvelle cellule :

df = pd.concat([df['departure_delay'], percentiles], axis=1) df.head()

3. Avant de créer un graphique à partir du contenu du DataFrame, retirez les valeurs extrêmes enregistrées dans les champs 0% et 100%. Exécutez le code suivant dans une nouvelle cellule :

df.drop(labels=['0%', '100%'], axis=1, inplace=True) df.plot(x='departure_delay', xlim=(-30,50), ylim=(-50,50));

Terminer l'atelier

Une fois l'atelier terminé, cliquez sur End Lab (Terminer l'atelier). Qwiklabs supprime les ressources que vous avez utilisées, puis efface le compte.

Si vous le souhaitez, vous pouvez noter l'atelier. Sélectionnez le nombre d'étoiles correspondant à votre note, saisissez un commentaire, puis cliquez sur Submit (Envoyer).

Le nombre d'étoiles que vous pouvez attribuer à un atelier correspond à votre degré de satisfaction :

• 1 étoile = très mécontent(e)
• 2 étoiles = insatisfait(e)
• 3 étoiles = ni insatisfait(e), ni satisfait(e)
• 4 étoiles = satisfait(e)
• 5 étoiles = très satisfait(e)

Si vous ne souhaitez pas donner votre avis, vous pouvez fermer la boîte de dialogue.

Pour soumettre des commentaires, suggestions ou corrections, veuillez utiliser l'onglet Support (Assistance).

Copyright 2020 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.