概要

このラボでは、Vertex AI を使って表形式のデータセットを作成し、これを使って分類モデルをトレーニングします。

学習目標

• データセットを作成して AutoML 分類モデルをトレーニングする
• モデルをデプロイして予測をリクエストする

Vertex AI の概要

このラボでは、Google Cloud で利用できる最新の AI プロダクトを使用します。Vertex AI は Google Cloud 全体の ML サービスを統合してシームレスな開発エクスペリエンスを提供します。以前は、AutoML でトレーニングしたモデルやカスタムモデルには、個別のサービスを介してアクセスする必要がありました。Vertex AI は、これらの個別のサービスを他の新しいプロダクトとともに 1 つの API へと結合します。既存のプロジェクトを Vertex AI に移行することもできます。ご意見やご質問がありましたら、サポートページからお寄せください。

Vertex AI には、エンドツーエンドの ML ワークフローをサポートするさまざまなプロダクトが含まれています。このラボでは、以下でハイライト表示されたプロダクト（トレーニング、ハイパーパラメータ調整、Notebooks）を取り上げます。

設定

各ラボでは、新しい Google Cloud プロジェクトとリソースセットを一定時間無料で利用できます。

1. Qwiklabs にシークレット ウィンドウでログインします。

2. ラボのアクセス時間（例: 1:15:00）に注意し、時間内に完了できるようにしてください。
   一時停止機能はありません。必要な場合はやり直せますが、最初からになります。

3. 準備ができたら、[ラボを開始] をクリックします。

4. ラボの認証情報（ユーザー名とパスワード）をメモしておきます。この情報は、Google Cloud Console にログインする際に使用します。

5. [Google Console を開く] をクリックします。

6. [別のアカウントを使用] をクリックし、このラボの認証情報をコピーしてプロンプトに貼り付けます。
   他の認証情報を使用すると、エラーが発生したり、料金の請求が発生したりします。

7. 利用規約に同意し、再設定用のリソースページをスキップします。

タスク 1. Vertex AI API を有効にする

1. Google Cloud コンソールのナビゲーション メニューで、[Vertex AI] をクリックします。

2. [すべての推奨 API を有効化] をクリックします。

タスク 2. データセットを作成して AutoML 分類モデルをトレーニングする

表形式データセットを作成する

1. Vertex AI コンソールの [ダッシュボード] ページで、[データセットを作成] をクリックします。

2. データセット名に「Structured_AutoML_Tutorial」と入力します。

3. データタイプと目標に [表形式] を選択します。

4. その他の設定はデフォルトのままにして、[作成] をクリックします。

5. [データソースを選択] で、[Cloud Storage から CSV ファイルを選択] を選択し、[インポート ファイルのパス] に「cloud-training/mlongcp/v3.0_MLonGC/toy_data/bank-marketing_toy.csv」と入力します。

6. [続行] をクリックします。

[分析] ペインが開きます。

7. [統計情報を生成] をクリックします。

統計情報が生成されるまで数分かかります。

統計情報が生成されたときに、いずれかの特徴をクリックすると、その特徴のデータの詳細が表示されます。

AutoML 分類モデルをトレーニングする

1. [新しいモデルのトレーニング] をクリックし、[その他] を選択します。

2. [新しいモデルのトレーニング] ペインの [目的] で、[分類] を選択します。

3. トレーニング方法として [AutoML] を選択し、[続行] をクリックします。

4. [ターゲット列] で [Deposit] を選択し、[続行] をクリックします。

列のリストが表示され、各特徴に使用される変換が表示されます。

5. [コンピューティングと料金] ペインを表示するには、[続行] をクリックします。

6. [予算] に「1」と入力します。

7. [トレーニングを開始] をクリックします。

トレーニング予算により実際のトレーニング時間が決まりますが、トレーニング完了までの時間には他のアクティビティも含まれるため、プロセス全体が完了するまで 2 時間程度かかる場合があります。モデルのトレーニングが終了すると、[Model Registry] ペインにライブリンクとして緑色のチェックマーク ステータス アイコンが表示されます。

注: トレーニングが完了するまで 2 時間近くかかります。トレーニングが完了するまでお待ちください。

タスク 3. モデルをデプロイして予測をリクエストする

エンドポイントにモデルをデプロイする

1. Vertex AI コンソールのナビゲーション パネルで、[Model Registry] をクリックします。

2. モデル名をクリックし、バージョン ID をクリックして [評価] ペインを開きます。
   このパネルには、混同行列など、モデルの品質指標が表示されます。

3. 値の評価指標を確認するには、ターゲット列の値を選択します。

各列がモデルのトレーニングに与えた影響（特徴量の重要度）が表示されます。

4. [デプロイとテスト] ペインの [モデルのデプロイ] の下にある [エンドポイントにデプロイ] をクリックします。

5. [エンドポイント名] に「Structured_AutoML_Tutorial」と入力し、[続行] をクリックします。

6. [モデル設定] ページの [説明可能性のオプション] で、[このモデルの特徴アトリビューションを有効にする] を有効にします。

7. [完了]、[続行] の順にクリックします。

8. [モデルのモニタリング] ページではデフォルトの設定をそのまま使用して、[続行] をクリックします。

9. [トレーニング データソース] で [Vertex AI データセット] を選択し、プルダウンからデータセットを選択します。

10. [ターゲット列] に「Deposit」と入力します。

11. [アラートのしきい値] で、Explainable AI を通じてアトリビューション スコアが含まれるように構成されたモデルのトレーニングを有効にします。

12. エンドポイントを作成してそのエンドポイントにモデルをデプロイするには、[デプロイ] をクリックします。

モデルのデプロイには数分かかる場合があります。

予測をリクエストする

エンドポイントの作成中、必要に応じて予測に対して一連の値を入力できます。

1. ナビゲーション パネルの [モデル] リストに戻り、新しく作成したモデルを開きます。

2. [デプロイとテスト] ペインを開きます。

予測データに事前入力された値を使用するか、別の値を入力できます。

3. モデルがデプロイされたら [予測] をクリックします。

このモデルでは、1 という予測結果が悪い結果（この銀行に預金が行われないこと）を表します。2 という予測結果は良い結果（この銀行に預金が行われること）を表します。

事前入力された予測値を使用した場合、ローカル特徴量の重要度の値はすべてゼロになります。これは、事前入力値がベースラインの予測データなので、返される予測はベースラインの予測値になるからです。

ラボを終了する

ラボでの学習が完了したら、[ラボを終了] をクリックします。ラボで使用したリソースが Qwiklabs から削除され、アカウントの情報も消去されます。

ラボの評価を求めるダイアログが表示されたら、星の数を選択してコメントを入力し、[送信] をクリックします。

星の数は、それぞれ次の評価を表します。

• 星 1 つ = 非常に不満
• 星 2 つ = 不満
• 星 3 つ = どちらともいえない
• 星 4 つ = 満足
• 星 5 つ = 非常に満足

フィードバックを送信しない場合は、ダイアログ ボックスを閉じてください。

フィードバック、ご提案、修正が必要な箇所については、[サポート] タブからお知らせください。

Copyright 2020 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。