Présentation

Dans cet atelier, vous allez créer un ensemble de données tabulaire à l'aide de Vertex AI, puis l'utiliser pour entraîner un modèle de classification.

Objectifs de la formation

• Créer un ensemble de données et entraîner un modèle de classification AutoML
• Déployer un modèle et demander une prédiction

Présentation de Vertex AI

Cet atelier utilise la toute dernière offre de produits d'IA de Google Cloud. Vertex AI simplifie l'expérience de développement en intégrant toutes les offres de ML de Google Cloud. Auparavant, les modèles entraînés avec AutoML et les modèles personnalisés étaient accessibles via des services distincts. La nouvelle offre regroupe ces deux types de modèles mais aussi d'autres nouveaux produits en une seule API. Vous pouvez également migrer des projets existants vers Vertex AI. Pour envoyer un commentaire, veuillez consulter la page d'assistance.

Vertex AI comprend de nombreux produits différents qui permettent de gérer les workflows de ML de bout en bout. Cet atelier se concentre sur les produits mis en évidence ci-dessous : l'entraînement, le réglage des hyperparamètres et Notebooks.

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.

Tâche 1 : Activer l'API Vertex AI

1. Dans la console Google Cloud, accédez au menu de navigation, puis cliquez sur Vertex AI.

2. Cliquez sur Activer toutes les API recommandées.

Tâche 2 : Créer un ensemble de données et entraîner un modèle de classification AutoML

Créer un ensemble de données tabulaires

1. Sur la page Tableau de bord de la console Vertex AI, cliquez sur Créer un ensemble de données.

2. Saisissez Structured_AutoML_Tutorial comme nom de l'ensemble de données.

3. Pour le type de données et l'objectif, sélectionnez Tabulaire.

4. Acceptez les paramètres par défaut et cliquez sur Créer.

5. Pour Sélectionner une source de données, cliquez sur Sélectionner des fichiers CSV depuis Cloud Storage, puis saisissez cloud-training/mlongcp/v3.0_MLonGC/toy_data/bank-marketing_toy.csv pour le chemin du fichier d'importation.

6. Cliquez sur Continuer.

Le volet Analyser s'ouvre.

7. Cliquez sur Générer des statistiques.

Cette opération peut prendre quelques minutes.

Une fois les statistiques générées, vous pouvez cliquer sur n'importe quelle caractéristique pour en savoir plus sur ses données.

Entraîner un modèle de classification AutoML

1. Cliquez sur Entraîner un nouveau modèle, puis sélectionnez Autre.

2. Dans le volet Entraîner un nouveau modèle, sélectionnez Classification dans le champ Objectif.

3. Sélectionnez AutoML comme méthode d'entraînement, puis cliquez sur Continuer.

4. Sous Colonne cible, sélectionnez Dépôt, puis cliquez sur Continuer.

La liste des colonnes s'affiche, avec la transformation qui sera utilisée pour chaque caractéristique.

5. Cliquez sur Continuer pour afficher le panneau Options de calcul et tarifs.

6. Dans le champ Budget, saisissez 1.

7. Cliquez sur Démarrer l'entraînement.

Le budget d'entraînement détermine la durée réelle de l'entraînement. Toutefois, comme cette durée inclut d'autres activités, l'ensemble du processus peut prendre environ deux heures. Une fois l'entraînement terminé, le modèle s'affiche dans le volet Registre de modèles sous la forme d'un lien actif accompagné d'une coche verte.

Remarque : L'entraînement dure quasiment deux heures. Veuillez attendre qu'il se termine.

Tâche 3 : Déployer un modèle et demander une prédiction

Déployer le modèle sur un point de terminaison

1. Dans le volet de navigation de la console Vertex AI, cliquez sur Registre de modèles.

2. Cliquez sur le nom de votre modèle, puis sur l'ID de votre version pour ouvrir son volet Évaluer.
   Ce panneau affiche des métriques de qualité pour le modèle, y compris une matrice de confusion.

3. Pour voir les métriques d'évaluation pour une valeur, sélectionnez cette valeur pour la colonne cible.

L'effet de chaque colonne sur l'entraînement du modèle (importance des caractéristiques) est affiché.

4. Dans le volet Déployer et tester, sous Déployer le modèle, cliquez sur Déployer sur un point de terminaison.

5. Dans le champ Nom du point de terminaison, saisissez Structured_AutoML_Tutorial, puis cliquez sur Continuer.

6. Sur la page Paramètres du modèle, pour Option d'explicabilité, activez l'option Activer les attributions de caractéristiques pour ce modèle.

7. Cliquez sur OK, puis sur Continuer.

8. Sur la page Surveillance des modèles, vérifiez les paramètres par défaut, puis cliquez sur Continuer.

9. Pour Source des données d'entraînement, sélectionnez Ensemble de données Vertex AI et choisissez votre ensemble de données dans le menu déroulant.

10. Dans Colonne cible, saisissez Dépôt.

11. Sous Seuils d'alerte, activez l'option d'entraînement de modèles configurés de façon à obtenir des scores d'attribution via Explainable AI.

12. Pour créer votre point de terminaison et y déployer votre modèle, cliquez sur Déployer.

Le déploiement d'un modèle peut prendre plusieurs minutes.

Demander une prédiction

Pendant la création du point de terminaison, vous pouvez éventuellement saisir un ensemble de valeurs pour une prédiction.

1. Revenez à la liste Modèles dans le volet de navigation, puis ouvrez le modèle que vous venez de créer.

2. Ouvrez le volet Déployer et tester.

Vous pouvez utiliser les valeurs préremplies pour les données de prédiction ou saisir les vôtres.

3. Une fois le modèle déployé, cliquez sur Prédire.

Pour ce modèle, "1" représente un résultat de prédiction négatif (aucun dépôt n'a été effectué à la banque) et "2" un résultat de prédiction positif (un dépôt a été effectué à la banque).

Si vous avez utilisé les valeurs de prédiction prédéfinies, les valeurs d'importance des caractéristiques locales sont toutes nulles. En effet, comme les valeurs prédéfinies sont les données de prédiction de base, la prédiction renvoyée correspond à la valeur de prédiction de référence.

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.