menu
arrow_back

AutoML Vision でクラウド内の雲の画像を分類する

AutoML Vision でクラウド内の雲の画像を分類する

1時間 30分 クレジット: 7

Google Cloud セルフペース ラボ

概要

AutoML Vision を使用すると、機械学習の専門知識があまりない開発者でも、高品質な画像認識モデルをトレーニングできます。AutoML UI に画像をアップロードすると、GCP ですぐに利用できるモデルをトレーニングして、使いやすい REST API を介し、予測を生成することが可能です。

このラボでは、Cloud Storage に画像をアップロードして、さまざまな種類の雲(積雲、積乱雲など)を見分けられるようにカスタムモデルをトレーニングします。

ラボの内容

  • ラベル付きデータセットを Google Cloud Storage にアップロードし、CSV ラベルファイルを使用して AutoML Vision に接続する。

  • AutoML Vision を使用してモデルをトレーニングし、精度を評価する。

  • トレーニングしたモデルで予測を生成する。

設定と要件

Qwiklabs の設定

[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。ラボの時間は制限されており、一時停止することはできません。[ラボを開始] ボタンをクリックするとタイマーが開始され、Cloud リソースを利用できる時間が表示されます。

この Qwiklabs 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。一時的な認証情報が新しく提供されるため、ラボ受講中の Google Cloud Platform へのログインおよびアクセスにはその認証情報を使用してください。

前提条件

このラボを完了するには、次のものが必要です。

  • 標準的なインターネット ブラウザ(Chrome を推奨)。
  • ラボを完了するために必要な時間。

注: すでに個人の GCP アカウントやプロジェクトをお持ちの場合でも、そのアカウントやプロジェクトはラボでは使用しないでください。

ラボを開始して Console 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。 左側のパネルに、そのラボで使用する一時的な認証情報が表示されます。

    Google Console を開く

  2. ユーザー名をコピーし、[Google Console 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 [Choose an account] 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。

  3. [Choose an account] ページで [Use another account] をクリックします。

    アカウントの選択

  4. [Sign in] ページが開きます。[Connection Details] パネルでコピーしたユーザー名を貼り付けます。パスワードもコピーして貼り付けます。

    重要: 認証情報は [Connection Details] パネルに表示されたものを使用してください。ご自身の Qwiklabs 認証情報は使用しないでください。請求が発生する事態を避けるため、GCP アカウントをお持ちの場合でもそのアカウントはラボで使用しないでください。

  5. 以降のページでは次の点にご注意ください。

    • 利用規約に同意してください。
    • 復元オプションや 2 段階認証プロセスは設定しないでください(一時的なアカウントであるため)。
    • 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 GCP Console が開きます。

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
スコア

—/100

Enable the AutoML API

ステップを実行

/ 25

Create a Cloud Storage Bucket

ステップを実行

/ 25

Create a dataset

ステップを実行

/ 25

Run the pedictions(Check the accuracy for the model)

ステップを実行

/ 25