Puntos de control
Launch Vertex AI Notebooks
/ 50
Clone course repo within your Vertex AI Notebooks instance
/ 50
Predice el peso de un bebé con TensorFlow en AI Platform
GSP013
Descripción general
En este lab entrenarás, evaluarás e implementarás un modelo de aprendizaje automático para predecir el peso de un bebé. Luego, enviarás solicitudes al modelo para hacer predicciones en línea.
Aprendizajes esperados
En este lab, aprenderás a hacer lo siguiente:
- Iniciar Vertex AI Workbench
- Realizar un entrenamiento local
- Realizar un entrenamiento distribuido
- Implementar el modelo de AA como servicio web
- Realizar predicciones con el modelo
Configuración
Antes de hacer clic en el botón Comenzar lab
Lee estas instrucciones. Los labs son cronometrados y no se pueden pausar. El cronómetro, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.
Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.
Para completar este lab, necesitarás lo siguiente:
- Acceso a un navegador de Internet estándar (se recomienda el navegador Chrome)
- Tiempo para completar el lab: Recuerda que, una vez que comienzas un lab, no puedes pausarlo.
Cómo iniciar tu lab y acceder a la consola de Google Cloud
-
Haga clic en el botón Comenzar lab. Si debe pagar por el lab, se abrirá una ventana emergente para que seleccione su forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:
- El botón Abrir la consola de Google Cloud
- El tiempo restante
- Las credenciales temporales que debe usar para el lab
- Otra información para completar el lab, si es necesaria
-
Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).
El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.
Sugerencia: Ordene las pestañas en ventanas separadas, una junto a la otra.
Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta. -
De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.
{{{user_0.username | "Username"}}} También puedes encontrar el nombre de usuario en el panel Detalles del lab.
-
Haz clic en Siguiente.
-
Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.
{{{user_0.password | "Password"}}} También puedes encontrar la contraseña en el panel Detalles del lab.
-
Haz clic en Siguiente.
Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia Cuenta de Google podría generar cargos adicionales. -
Haga clic para avanzar por las páginas siguientes:
- Acepta los Términos y Condiciones.
- No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
- No te registres para obtener pruebas gratuitas.
Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.
Activa Cloud Shell
Cloud Shell es una máquina virtual que cuenta con herramientas para desarrolladores. Ofrece un directorio principal persistente de 5 GB y se ejecuta en Google Cloud. Cloud Shell proporciona acceso de línea de comandos a tus recursos de Google Cloud.
- Haz clic en Activar Cloud Shell en la parte superior de la consola de Google Cloud.
Cuando te conectes, habrás completado la autenticación, y el proyecto estará configurado con tu PROJECT_ID. El resultado contiene una línea que declara el PROJECT_ID para esta sesión:
gcloud
es la herramienta de línea de comandos de Google Cloud. Viene preinstalada en Cloud Shell y es compatible con la función de autocompletado con tabulador.
- Puedes solicitar el nombre de la cuenta activa con este comando (opcional):
-
Haz clic en Autorizar.
-
Ahora, el resultado debería verse de la siguiente manera:
Resultado:
- Puedes solicitar el ID del proyecto con este comando (opcional):
Resultado:
Resultado de ejemplo:
gcloud
, consulta la guía con la descripción general de gcloud CLI en Google Cloud.
Habilita las APIs recomendadas
- En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI > Panel.
- Haz clic en Habilitar todas las APIs recomendadas.
- En el menú de navegación de la consola de Google Cloud, haz clic en APIs y servicios > Biblioteca.
- Busca API de AI Platform Training & Prediction y haz clic en ella.
- Haz clic en Habilitar.
Tarea 1: Crea un bucket
Crea un bucket con la consola de Google Cloud:
-
En la consola de Cloud, haz clic en el menú de navegación y selecciona Cloud Storage.
-
Haz clic en Crear bucket.
-
Elige un bucket regional y define un nombre único (usa el ID del proyecto, que es único).
-
Haz clic en Crear.
-
Si aparece el mensaje
Aplicar la prevención de acceso público a este bucket
, haz clic en Confirmar.
Tarea 2: Inicia Vertex AI Workbench
Sigue estos pasos para crear e iniciar un notebook de Vertex AI Workbench:
-
En el menú de navegación , haz clic en Vertex AI > Workbench.
-
En la página Workbench, haz clic en Habilitar API de Notebooks (si todavía no está habilitada).
-
Haz clic en la pestaña Notebooks administrados por el usuario y, luego, en Crear nuevo.
-
Dale un nombre al notebook.
-
Establece Región en
y Zona en . -
En el menú Instancia nueva, elige la versión más reciente de TensorFlow Enterprise 2.11 en Entorno.
-
Haz clic en Opciones avanzadas para editar las propiedades de la instancia.
-
Haz clic en Tipo de máquina y, luego, selecciona e2-standard-2 para el tipo de máquina.
-
Deja los campos restantes con su configuración predeterminada y haz clic en Crear.
Luego de unos minutos, la página de Workbench mostrará tu instancia y aparecerá Open JupyterLab.
- Haz clic en Open JupyterLab para abrir JupyterLab en una pestaña nueva. Si aparece un mensaje en el que se indica que beatrix jupyterlab se debe incluir en la compilación, ignóralo.
Haz clic en Revisar mi progreso para verificar el objetivo.
Tarea 3: Clona el repo del curso
Sigue estos pasos para clonar el repositorio training-data-analyst
en tu instancia de JupyterLab:
- En JupyterLab, haz clic en el ícono de terminal para abrir una terminal nueva.
- En la ventana de la línea de comandos, ingresa el siguiente comando y presiona INTRO:
- Para confirmar que clonaste el repositorio, en el panel izquierdo, haz doble clic en la carpeta
training-data-analyst
para ver su contenido.
Tarea 4: Ejecuta trabajos de entrenamiento y predicción
-
En la interfaz del notebook, ve a training-data-analyst > blogs > babyweight y abre train_deploy.ipynb.
-
En el menú, haz clic en Editar > Borrar todos los resultados.
-
En la esquina superior derecha, verifica que estés usando el kernel Python 3.
-
Lee el texto y presiona Mayúsculas + Intro (o haz clic en Ejecutar) en cada celda del notebook.
Tarea 5. Pon a prueba tus conocimientos
Para poner a prueba tus conocimientos sobre Google Cloud Platform, responde nuestro cuestionario.
¡Felicitaciones!
Aprendiste a entrenar, evaluar e implementar un modelo de aprendizaje automático en Cloud Datalab.
Finaliza la Quest
Este lab de autoaprendizaje forma parte de las Quests Scientific Data Processing y Data Engineering. Una Quest es una serie de labs relacionados que forman una ruta de aprendizaje. Si completas esta Quest, obtendrás una insignia como reconocimiento por tu logro. Puedes hacer públicas tus insignias y agregar vínculos a ellas en tu currículum en línea o en tus cuentas de redes sociales. Inscríbete en cualquier Quest que contenga este lab y obtén un crédito inmediato de finalización. Consulta el catálogo de Google Cloud Skills Boost para ver todas las Quests disponibles.
Realiza tu próximo lab
Continúa tu Quest con Bigtable: Qwik Start - Shell de Hbase o prueba el lab de Google Cloud Skills Boost Predice las tarifas de taxis con un modelo de previsión de AA de BigQuery.
Capacitación y certificación de Google Cloud
Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.
Última actualización del manual: 30 de octubre de 2023
Prueba más reciente del lab: 31 de octubre de 2023
Copyright 2024 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.