GSP013

概要

このラボでは、赤ちゃんの体重を予測する ML モデルをトレーニング、評価、デプロイしてから、モデルにリクエストを送信してオンラインで予測を行います。

学習内容

このラボの内容:

• Vertex AI Workbench を起動する。
• ローカル トレーニングを行う。
• 分散トレーニングを行う。
• ML モデルをウェブサービスとしてデプロイする。
• モデルを使って予測を行う。

設定

[ラボを開始] ボタンをクリックする前に

こちらの手順をお読みください。ラボの時間は記録されており、一時停止することはできません。[ラボを開始] をクリックするとスタートするタイマーは、Google Cloud のリソースを利用できる時間を示しています。

このハンズオンラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でラボのアクティビティを行うことができます。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モードまたはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生することを防ぎます。

• ラボを完了するために十分な時間を確保してください。ラボをいったん開始すると一時停止することはできません。

注: すでに個人の Google Cloud アカウントやプロジェクトをお持ちの場合でも、このラボでは使用しないでください。アカウントへの追加料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

1. [ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるポップアップでお支払い方法を選択してください。 左側の [ラボの詳細] パネルには、以下が表示されます。

   • [Google コンソールを開く] ボタン
   • 残り時間
   • このラボで使用する必要がある一時的な認証情報
   • このラボを行うために必要なその他の情報（ある場合）

2. [Google コンソールを開く] をクリックします。 ラボでリソースが起動し、別のタブで [ログイン] ページが表示されます。

   ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。

   注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

3. 必要に応じて、[ラボの詳細] パネルから [ユーザー名] をコピーして [ログイン] ダイアログに貼り付けます。[次へ] をクリックします。

4. [ラボの詳細] パネルから [パスワード] をコピーして [ようこそ] ダイアログに貼り付けます。[次へ] をクリックします。

   重要: 認証情報は左側のパネルに表示されたものを使用してください。Google Cloud Skills Boost の認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

5. その後次のように進みます。

   • 利用規約に同意してください。
   • 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
   • 無料トライアルには登録しないでください。

その後このタブで Cloud Console が開きます。

注: 左上にある [ナビゲーション メニュー] をクリックすると、Google Cloud のプロダクトやサービスのリストが含まれるメニューが表示されます。

Cloud Shell をアクティブにする

Cloud Shell は、開発ツールと一緒に読み込まれる仮想マシンです。5 GB の永続ホーム ディレクトリが用意されており、Google Cloud で稼働します。Cloud Shell を使用すると、コマンドラインで Google Cloud リソースにアクセスできます。

1. Google Cloud コンソールの上部にある「Cloud Shell をアクティブにする」アイコン をクリックします。

接続した時点で認証が完了しており、プロジェクトに各自の PROJECT_ID が設定されます。出力には、このセッションの PROJECT_ID を宣言する次の行が含まれています。

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud は Google Cloud のコマンドライン ツールです。このツールは、Cloud Shell にプリインストールされており、タブ補完がサポートされています。

2. （省略可）次のコマンドを使用すると、有効なアカウント名を一覧表示できます。

gcloud auth list

3. [承認] をクリックします。

4. 出力は次のようになります。

出力:

ACTIVE: * ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net To set the active account, run: $ gcloud config set account `ACCOUNT`

5. （省略可）次のコマンドを使用すると、プロジェクト ID を一覧表示できます。

gcloud config list project

出力:

[core] project = <project_ID>

出力例:

[core] project = qwiklabs-gcp-44776a13dea667a6 注: Google Cloud における gcloud ドキュメントの全文については、gcloud CLI の概要ガイドをご覧ください。

推奨 API を有効にする

1. Google Cloud コンソールのナビゲーション メニューで、[Vertex AI] > [ダッシュボード] をクリックします。
2. [すべての推奨 API を有効化] をクリックします。
3. Google Cloud コンソールのナビゲーション メニューで、[API とサービス] > [ライブラリ] をクリックします。
4. 「AI Platform Training & Prediction API」を検索してクリックします。
5. [有効にする] をクリックします。

タスク 1. バケットを作成する

Google Cloud コンソールを使用してバケットを作成します。

1. Google Cloud コンソールのナビゲーション メニューをクリックし、[Cloud Storage] を選択します。

2. [バケットを作成] をクリックします。

3. リージョンのバケットを作成するよう選択し、一意の名前を設定します（一意であるプロジェクト ID を使用します）。

4. [作成] をクリックします。

5. [このバケットに対する公開アクセス禁止を適用する] に関するプロンプトが表示されたら、[確定] をクリックします。

タスク 2. Vertex AI Workbench を起動する

Vertex AI Workbench ノートブックを作成して起動するには:

1. ナビゲーション メニュー で、[Vertex AI] > [ワークベンチ] をクリックします。

2. [ワークベンチ] ページで、[Notebooks API を有効にする] をクリックします（まだ有効になっていない場合）。

3. [ユーザー管理のノートブック] タブをクリックしてから、[新規作成] をクリックします。

4. ノートブックに名前を付けます。

5. [リージョン] を 、[ゾーン] を に設定します。

6. [新しいインスタンス] メニューの [環境] で、最新バージョンの [TensorFlow Enterprise 2.x] を選択します。

7. [詳細オプション] をクリックして、インスタンスのプロパティを編集します。

8. [マシンタイプ] をクリックし、マシンタイプとして [e2-standard-2] を選択します。

9. 残りのフィールドはデフォルトのままにし、[作成] をクリックします。

数分後、[ワークベンチ] ページにインスタンス名が表示され、それに続いて [JupyterLab を開く] が表示されます。

10. [JupyterLab を開く] をクリックして、新しいタブで JupyterLab を開きます。ビルドに beatrix jupyterlab を含める必要があるというメッセージが表示された場合は、無視してください。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。

Vertex AI Notebooks を起動する

タスク 3. コース リポジトリのクローンを作成する

training-data-analyst リポジトリのクローンを JupyterLab インスタンス内に作成するには、次の手順を踏みます。

1. JupyterLab で、[Terminal] アイコンをクリックして新しいターミナルを開きます。

2. コマンドライン プロンプトで、次のコマンドを入力して Enter キーを押します。

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

3. リポジトリのクローンが作成されたことを確認するには、左側のパネルの training-data-analyst フォルダをダブルクリックして、リポジトリのコンテンツを確かめます。

Vertex AI Notebooks インスタンス内でコース リポジトリのクローンを作成する

タスク 4. トレーニングと予測のジョブを実行する

1. ノートブック インターフェースで、[training-data-analyst] > [blogs] > [babyweight] に移動して [train_deploy.ipynb] を開きます。

2. メニューで [編集] > [出力をすべて消去] をクリックします。

3. 右上で、Python 3 カーネルを使用していることを確認します。

4. 説明に沿って、ノートブックの各セルで Shift+Enter キーを押すか [実行] をクリックします。

タスク 5. 理解度テスト

クイズに挑戦して Google Cloud Platform に関する知識をチェックしましょう。

お疲れさまでした

Cloud Datalab で ML モデルをトレーニング、評価、デプロイする方法を学習しました。

クエストを完了する

このセルフペース ラボは、「Scientific Data Processing」クエストと「Data Engineering」クエストの一部です。クエストとは学習プログラムを構成する一連のラボのことで、完了すると成果が認められて上のようなバッジが贈られます。バッジは公開して、オンライン レジュメやソーシャル メディア アカウントにリンクできます。このラボの修了後、このラボが含まれるクエストに登録すれば、すぐにクレジットを受け取ることができます。受講可能なすべてのクエストについては、Google Cloud Skills Boost カタログをご覧ください。

次のラボを受講する

「BigTable: Qwik Start - Hbase Shell」に進んでクエストを続けるか、Google Cloud Skills Boost ラボ「BigQuery ML 予測モデルによるタクシー運賃の予測」をお試しください。

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2023 年 10 月 30 日

ラボの最終テスト日: 2023 年 10 月 31 日

Copyright 2024 Google LLC All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。