Présentation

Dans cet atelier, vous allez apprendre à utiliser la bibliothèque cliente Python de Vertex AI pour entraîner un modèle AutoML basé sur un ensemble de données tabulaire et effectuer des prédictions avec ce modèle. Ces opérations peuvent également s'effectuer avec l'outil de ligne de commande gcloud ou à l'aide de Cloud Console (en ligne.)

Objectifs de la formation

• Créer une tâche d'entraînement de modèle Vertex AI
• Entraîner un modèle tabulaire AutoML
• Déployer le modèle sur un point de terminaison pour l'inférence
• Effectuer une prédiction en envoyant des données
• Annuler le déploiement de la ressource du modèle

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. Configurer votre environnement

Activer l'API Notebooks

1. Dans le menu de navigation de la console Google Cloud, cliquez sur API et services > Bibliothèque.

2. Recherchez API Notebooks, puis appuyez sur Entrée. Cliquez sur le résultat API Notebooks.

3. Si l'API n'est pas activée, le bouton Activer apparaît. Cliquez sur Activer pour activer l'API.

Activer l'API Vertex AI

Dans le menu de navigation de la console Google Cloud, cliquez sur Vertex AI > Tableau de bord, puis sur Activer l'API Vertex AI.

Tâche 2 : Lancer une instance de notebook Vertex AI

1. Dans le menu de navigation de la console Google Cloud, cliquez sur Vertex AI > Workbench.

2. Sur la page "Instances de notebook", sélectionnez la vue Notebooks gérés par l'utilisateur.

3. Cliquez sur + Créer.

4. Dans la boîte de dialogue Créer une instance, utilisez le nom par défaut ou saisissez un nom unique pour l'instance de notebook Vertex AI. Définissez la région sur et la zone sur , et laissez les autres paramètres tels quels.

5. Cliquez sur Créer.

6. Cliquez sur Ouvrir JupyterLab.

Tâche 3 : Cloner un dépôt du cours dans votre instance de notebook Vertex AI

Pour cloner le notebook "training-data-analyst" dans votre instance JupyterLab :

1. Dans JupyterLab, cliquez sur l'icône Terminal pour ouvrir un nouveau terminal.

2. À l'invite, exécutez la commande suivante :

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

3. Pour vérifier que vous avez bien cloné le dépôt, double-cliquez sur le répertoire "training-data-analyst" et vérifiez que vous pouvez voir son contenu.
   Vous y trouverez les fichiers de tous les ateliers de ce cours basés sur des notebooks Jupyter.

Tâche 4 : Entraîner un modèle AutoML et utiliser ce modèle pour effectuer des prédictions

1. Dans l'interface du notebook, accédez à training-data-analyst > courses > machine_learning > deepdive2 > how_google_does_ml > labs, puis ouvrez le fichier automl-tabular-classification.ipynb.

2. Dans l'interface du notebook, cliquez sur Modifier > Supprimer tous les éléments de sortie.

3. Lisez attentivement les instructions du notebook et complétez le code sur les lignes contenant la mention #TODO.

Conseil : Pour exécuter la cellule actuellement sélectionnée, cliquez dessus et appuyez sur MAJ+ENTRÉE. Vous trouverez les autres commandes de cellule dans l'interface du notebook, sous Exécuter.

• Des conseils ont parfois été ajoutés pour vous aider à effectuer des tâches. Mettez le texte en surbrillance pour lire les conseils (texte en blanc).
• Si vous avez besoin d'aide, reportez-vous à la solution complète. Pour cela, accédez à training-data-analyst > courses > machine_learning > deepdive2 > how_google_does_ml > solutions, puis ouvrez automl-tabular-classification.ipynb.

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.