개요

이 실습에서는 Vertex AI를 사용하여 테이블 형식의 데이터 세트를 만들고 분류 모델을 학습시킵니다.

학습 목표

• 데이터 세트 만들기 및 AutoML 분류 모델 학습
• 모델 배포 및 예측 요청

Vertex AI 소개

이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다. 예전에는 AutoML로 학습된 모델과 커스텀 모델은 별도의 서비스를 통해 액세스할 수 있었습니다. 새 서비스는 다른 새로운 제품과 함께 두 가지 모두를 단일 API로 결합합니다. 기존 프로젝트를 Vertex AI로 마이그레이션할 수도 있습니다. 의견이 있는 경우 지원 페이지를 참조하세요.

Vertex AI에는 엔드 투 엔드 ML 워크플로를 지원하는 다양한 제품이 포함되어 있습니다. 이 실습에서는 아래에 강조 표시된 학습/HP 조정 및 Notebooks 제품에 중점을 둡니다.

설정

각 실습에서는 정해진 기간 동안 새 Google Cloud 프로젝트와 리소스 집합이 무료로 제공됩니다.

1. 시크릿 창을 사용하여 Qwiklabs에 로그인합니다.

2. 실습 사용 가능 시간(예: 1:15:00)을 참고하여 해당 시간 내에 완료합니다.
   일시중지 기능은 없습니다. 필요한 경우 다시 시작할 수 있지만 처음부터 시작해야 합니다.

3. 준비가 되면 실습 시작을 클릭합니다.

4. 실습 사용자 인증 정보(사용자 이름 및 비밀번호)를 기록해 두세요. Google Cloud Console에 로그인합니다.

5. Google Console 열기를 클릭합니다.

6. 다른 계정 사용을 클릭한 다음, 안내 메시지에 이 실습에 대한 사용자 인증 정보를 복사하여 붙여넣습니다.
   다른 사용자 인증 정보를 사용하는 경우 오류가 발생하거나 요금이 부과됩니다.

7. 약관에 동의하고 리소스 복구 페이지를 건너뜁니다.

작업 1. Vertex AI API 사용 설정

1. Google Cloud 콘솔의 탐색 메뉴에서 Vertex AI를 클릭합니다.

2. 모든 권장 API 사용 설정을 클릭합니다.

작업 2. 데이터 세트 만들기 및 AutoML 분류 모델 학습

테이블 형식 데이터 세트 만들기

1. Vertex AI 콘솔의 대시보드 페이지에서 데이터 세트 만들기를 클릭합니다.

2. 데이터 세트 이름에 Structured_AutoML_Tutorial을 입력합니다.

3. 데이터 유형 및 목표로 테이블 형식을 선택합니다.

4. 기본값을 그대로 두고 만들기를 클릭합니다.

5. 데이터 소스 선택에서 Cloud Storage에서 CSV 파일 선택을 선택하고 파일 가져오기 경로에 cloud-training/mlongcp/v3.0_MLonGC/toy_data/bank-marketing_toy.csv를 입력합니다.

6. 계속을 클릭합니다.

분석 창이 열립니다.

7. 통계 생성을 클릭합니다.

통계를 생성하는 데 몇 분 정도 걸립니다.

통계가 생성되면 특성을 클릭하여 해당 특성의 데이터에 대한 자세한 내용을 볼 수 있습니다.

AutoML 분류 모델 학습

1. 새 모델 학습을 클릭하고 기타를 선택합니다.

2. 새 모델 학습 창에서 목표로 분류를 선택합니다.

3. AutoML 학습 방법을 선택하고 계속을 클릭합니다.

4. 타겟 열로는 입금을 선택하고 계속을 클릭합니다.

열 목록이 표시되고 각 특성에 사용되는 변환이 표시됩니다.

5. 컴퓨팅 및 가격 책정 창을 표시하려면 계속을 클릭합니다.

6. 예산에는 1을 입력합니다.

7. 학습 시작을 클릭합니다.

학습 예산에 따라 실제 학습 시간이 결정되지만 학습을 완료하는 데 걸리는 시간에는 다른 활동이 포함되므로 전체 프로세스가 2시간 정도 걸릴 수 있습니다. 모델 학습이 끝나면 Model Registry 창에 모델의 활성 링크가 녹색 체크 표시 상태 아이콘과 함께 표시됩니다.

참고: 학습을 완료하는 데 2시간 정도 걸립니다. 학습이 완료될 때까지 기다려 주세요.

작업 3. 모델 배포 및 예측 요청

엔드포인트에 모델 배포하기

1. Vertex AI 콘솔의 탐색창에서 Model Registry를 클릭합니다.

2. 모델 이름을 클릭한 다음 버전 ID를 클릭하여 평가 창을 엽니다.
   이 패널에는 혼동 행렬을 포함하여 모델의 품질 측정항목이 표시됩니다.

3. 값에 대한 평가 측정항목을 보려면 타겟 열에서 해당 값을 선택합니다.

모델 학습에 대한 각 열의 효과(특성 중요도)가 표시됩니다.

4. 모델 배포의 배포 및 테스트 창에서 엔드포인트에 배포를 클릭합니다.

5. 엔드포인트 이름으로 Structured_AutoML_Tutorial을 입력하고 계속을 클릭합니다.

6. 모델 설정 페이지의 설명 기능 옵션에서 이 모델의 특성 기여 분석 사용 설정을 사용 설정합니다.

7. 완료를 클릭하고 계속을 클릭합니다.

8. 모델 모니터링 페이지에서 기본 설정을 검토하고 계속을 클릭합니다.

9. 학습 데이터 소스에서 Vertex AI 데이터 세트를 선택하고 드롭다운에서 데이터 세트를 선택합니다.

10. 타겟 열에 입금을 입력합니다.

11. 알림 기준에서 전환 버튼을 사용 설정하여 Explainable AI를 통해 기여 분석 점수가 부여되도록 구성된 모델을 학습시킵니다.

12. 엔드포인트를 만들어 모델을 배포하려면 배포를 클릭합니다.

모델을 배포하는 데 몇 분 정도 걸릴 수 있습니다.

예측 요청

엔드포인트가 생성되는 동안 선택적으로 예측에 값 집합을 입력할 수 있습니다.

1. 탐색창의 모델 목록으로 돌아가서 새로 만든 모델을 엽니다.

2. 배포 및 테스트 창을 엽니다.

예측 데이터에 미리 채워진 값을 사용하거나 직접 값을 입력할 수 있습니다.

3. 모델이 배포되면 예측을 클릭합니다.

이 모델의 예측 결과 1은 부정적 결과 즉, 은행에서 입금되지 않았음을 의미합니다. 예측 결과 2는 긍정적 결과 즉, 은행에 입금되었음을 의미합니다.

미리 채워진 예측 값을 사용한 경우 로컬 특성 중요도 값은 모두 0입니다. 미리 채워진 값은 기준 예측 데이터이므로 반환되는 예측이 기준 예측 값입니다.

실습 종료

실습을 완료하면 실습 종료를 클릭합니다. Qwiklabs에서 사용된 리소스를 자동으로 삭제하고 계정을 지웁니다.

실습 경험을 평가할 수 있습니다. 해당하는 별표 수를 선택하고 의견을 입력한 후 제출을 클릭합니다.

별점의 의미는 다음과 같습니다.

• 별표 1개 = 매우 불만족
• 별표 2개 = 불만족
• 별표 3개 = 중간
• 별표 4개 = 만족
• 별표 5개 = 매우 만족

의견을 제공하고 싶지 않다면 대화상자를 닫으면 됩니다.

의견이나 제안 또는 수정할 사항이 있다면 지원 탭을 사용하세요.

Copyright 2020 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.