menu
arrow_back

Google Cloud ML による分散型機械学習

—/20

Checkpoints

arrow_forward

Check for successful run of a gcloud ml-engine job called dnn-*

Check for successful run of a gcloud ml-engine job called wide-*

Check for successful run of a gcloud ml-engine job called learn-*

Check for ml-engine model called flights

Google Cloud ML による分散型機械学習

1時間 30分 クレジット: 7

GSP274

Google Cloud セルフペース ラボ

概要

このラボでは、Google Cloud ML を使用してディープ ニューラル ネットワーク モデルの作成と構成を行います。次に Google Cloud ML Engine を使用して、トレーニング済みモデルを用いた予測を行います。

このクエストの前のラボ(TensorFlow での機械学習)で開発した基本的な Google Cloud ML 機械学習フレームワークを拡張して、機械学習モデルを最適化するさまざまなアプローチを探ります。

ラボで使用する基本データセットは、米国運輸統計局のウェブサイトから取得したもので、米国内の国内線フライトに関する履歴情報を提供します。このデータセットは、データ サイエンスの多岐にわたるコンセプトと技術の実証に使用できます。また、Google Cloud Platform のデータ サイエンスGoogle Cloud Platform のデータ サイエンス: 機械学習の両クエストに含まれる、その他すべてのラボで使用します。このラボで使用されている特定のデータファイルは、個別のトレーニング データセットと評価データセットを提供します。これらのファイルがどのように生成されるかについての詳細は、このクエストの前のラボ(Apache Beam と Cloud Dataflow を使用したタイム ウィンドウ データの処理(Java))で説明しています。

Cloud Datalab は、Google Cloud Platform でデータを探索、分析、変換、可視化し、機械学習モデルを構築するために作成された高度なインタラクティブ ツールです。Google Compute Engine 上で動作し、Google BigQuery、Cloud SQL、Google Cloud Storage に保存された単純なテキストデータなど、さまざまなクラウド サービスに接続できます。そのため、データ サイエンティストは本来の仕事に専念できます。

Google BigQuery は、Google Cloud Storage と連携して動作する大規模なデータセットをインタラクティブに分析できる RESTful ウェブサービスです。

目標

  • Python TensorFlow 機械学習フレームワークを拡張して、ディープ ニューラル ネットワーク分類を使用する

  • ディープ ニューラル ネットワーク分類を変更して、ワイド&ディープ モデルを実装する

  • トレーニング済みモデルを Cloud ML Engine にデプロイし、Python(Cloud ML Engine に対し API 呼び出しを実行する)を使用して予測を行う

Qwiklabs に参加してこのラボの残りの部分や他のラボを確認しましょう。

  • Google Cloud Console への一時的なアクセス権を取得します。
  • 初心者レベルから上級者レベルまで 200 を超えるラボが用意されています。
  • ご自分のペースで学習できるように詳細に分割されています。
参加してこのラボを開始