Checkpoints
Launch Vertex AI Notebooks
/ 50
Clone course repo within your Vertex AI Notebooks instance
/ 50
Prever o peso de bebês com o TensorFlow no AI Platform
GSP013
Informações gerais
Neste laboratório, você vai treinar, avaliar e implantar um modelo de machine learning para prever o peso de um bebê. Depois, você vai enviar solicitações ao modelo para fazer previsões on-line.
Conteúdo
Neste laboratório, você vai:
- Iniciar o Vertex AI Workbench.
- Realizar treinamentos locais.
- Realizar treinamento distribuído.
- Implantar o modelo de ML como um serviço da Web.
- Fazer previsões com o modelo.
Configuração
Antes de clicar no botão Start Lab
Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é iniciado quando você clica em Começar o laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.
Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.
Confira os requisitos para concluir o laboratório:
- Acesso a um navegador de Internet padrão (recomendamos o Chrome).
- Tempo para concluir o laboratório---não se esqueça: depois de começar, não será possível pausar o laboratório.
Como iniciar seu laboratório e fazer login no console do Google Cloud
-
Clique no botão Começar o laboratório. Se for preciso pagar, você verá um pop-up para selecionar a forma de pagamento. No painel Detalhes do laboratório à esquerda, você verá o seguinte:
- O botão Abrir Console do Cloud
- Tempo restante
- As credenciais temporárias que você vai usar neste laboratório
- Outras informações se forem necessárias
-
Clique em Abrir Console do Google. O laboratório ativa recursos e depois abre outra guia com a página Fazer login.
Dica: coloque as guias em janelas separadas lado a lado.
Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta. -
Caso seja preciso, copie o Nome de usuário no painel Detalhes do laboratório e cole esse nome na caixa de diálogo Fazer login. Clique em Avançar.
-
Copie a Senha no painel Detalhes do laboratório e a cole na caixa de diálogo Olá. Clique em Avançar.
Importante: você precisa usar as credenciais do painel à esquerda. Não use suas credenciais do Google Cloud Ensina. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais. -
Acesse as próximas páginas:
- Aceite os Termos e Condições.
- Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
- Não se inscreva em testes gratuitos.
Depois de alguns instantes, o console do GCP vai ser aberto nesta guia.
Ativar o Cloud Shell
O Cloud Shell é uma máquina virtual com várias ferramentas de desenvolvimento. Ele tem um diretório principal permanente de 5 GB e é executado no Google Cloud. O Cloud Shell oferece acesso de linha de comando aos recursos do Google Cloud.
- Clique em Ativar o Cloud Shell na parte de cima do console do Google Cloud.
Depois de se conectar, vai notar que sua conta já está autenticada, e que o projeto está configurado com seu PROJECT_ID. A saída contém uma linha que declara o projeto PROJECT_ID para esta sessão:
gcloud
é a ferramenta de linha de comando do Google Cloud. Ela vem pré-instalada no Cloud Shell e aceita preenchimento com tabulação.
- (Opcional) É possível listar o nome da conta ativa usando este comando:
-
Clique em Autorizar.
-
A saída será parecida com esta:
Saída:
- (Opcional) É possível listar o ID do projeto usando este comando:
Saída:
Exemplo de saída:
gcloud
, acesse o guia com informações gerais sobre a gcloud CLI no Google Cloud.
Ativar as APIs recomendadas
- No console do Google Cloud, abra o Menu de navegação e clique em Vertex AI > Painel.
- Clique em Ativar todas as APIs recomendadas.
- No Menu de navegação do console do Cloud, clique em APIs e serviços > Biblioteca.
- Pesquise Treinamento do AI Platform e API Prediction e clique no resultado.
- Selecione Ativar.
Tarefa 1: crie o bucket
Crie um bucket usando o console do Google Cloud:
-
No console do Cloud, clique no Menu de navegação e selecione Cloud Storage.
-
Clique em Criar bucket.
-
Escolha um bucket "Regional" e defina um nome exclusivo (use o ID do seu projeto, já que ele também é exclusivo).
-
Clique em Criar.
-
Se a mensagem
Enforce public access prevention on this bucket
aparecer, clique em Confirmar.
Tarefa 2: inicie o Vertex AI Workbench
Para criar e iniciar um notebook do Vertex AI Workbench, faça o seguinte:
-
No Menu de navegação , clique em Vertex AI > Workbench.
-
Na página do Workbench, clique em Ativar API Notebooks caso não tenha feito isso antes.
-
Clique na guia Notebooks gerenciados pelo usuário e depois em Criar.
-
Nomeie o notebook.
-
Defina a Região como
e a Zona como . -
No menu Nova instância selecione a versão mais recente do TensorFlow Enterprise 2.x em Ambiente.
-
Clique em Opções avançadas para editar as propriedades da instância.
-
Clique em Tipo de máquina e selecione e2-standard-2.
-
Não altere os valores padrão dos outros campos e clique em Criar.
Depois de alguns minutos, a página Workbench vai listar sua instância junto da opção Abrir JupyterLab.
- Clique nessa opção para abrir o JupyterLab em uma nova guia. Você pode ignorar a mensagem sobre a necessidade de incluir beatrix jupyterlab no build.
Clique em Verificar meu progresso para conferir o objetivo.
Tarefa 3: clone o repositório do curso
Para clonar o repositório training-data-analyst
na instância do JupyterLab, siga as etapas a seguir.
- No JupyterLab, clique no ícone Terminal para abrir um novo terminal.
- No prompt de linha de comando, digite o código a seguir e pressione ENTER:
- Para confirmar que você clonou o repositório, no painel à esquerda, clique duas vezes na pasta
training-data-analyst
para conferir o conteúdo dela.
Tarefa 4: execute tarefas de treinamento e previsão
-
Na interface do notebook, navegue até training-data-analyst > blogs > babyweight e abra train_deploy.ipynb.
-
No menu, clique em Editar > Limpar todas as saídas.
-
No canto superior direito, verifique se você está usando o kernel do Python 3.
-
Leia o conteúdo e clique em Shift + Enter (ou "Executar") em cada célula do notebook.
Tarefa 5. teste seus conhecimentos
Faça nosso teste para avaliar seus conhecimentos sobre o Google Cloud Platform.
Parabéns!
Você aprendeu a treinar, avaliar e implantar um modelo de machine learning no Cloud Datalab.
Termine a Quest
Este laboratório autoguiado faz parte das Quests Scientific Data Processing e Data Engineering. Uma Quest é uma série de laboratórios relacionados que formam um programa de aprendizado. Ao concluir uma Quest, você ganha um selo como reconhecimento da sua conquista. É possível publicar os selos e incluir um link para eles no seu currículo on-line ou nas redes sociais. Inscreva-se em qualquer Quest que tenha este laboratório para receber os créditos de conclusão na mesma hora. Confira o catálogo do Google Cloud Ensina para ver todas as Quests disponíveis.
Comece o próximo laboratório
Continue sua Quest com o laboratório Bigtable: Qwik Start - Hbase Shell ou faça o laboratório Estimar tarifas de táxi com um modelo de previsão do BigQuery ML do Google Cloud Ensina.
Treinamento e certificação do Google Cloud
Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.
Manual atualizado em 30 de outubro de 2023
Laboratório testado em 31 de outubro de 2023
Copyright 2024 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.