GSP917

總覽

在本研究室中，您將使用 BigQuery 執行資料處理和探索性資料分析作業，然後透過 Vertex AI 平台訓練及部署自訂 TensorFlow 迴歸因子模型，進而預測顧客終身價值 (CLV)。本研究室的目的是，藉由預測 CLV 這個高價值的應用實例，帶您瞭解 Vertex AI。首先您需要執行可能已經熟悉的本機 BigQuery 和 TensorFlow 工作流程，接著使用 Vertex AI 在雲端環境中訓練及部署模型。

繼 2021 年 5 月在 Google I/O 大會上宣布推出 AI 平台後，Google Cloud 正式發布新一代整合式平台「Vertex AI」，協助使用者開發機器學習解決方案。透過 Vertex AI 開發機器學習解決方案可帶來幾項好處，包括運用最新的機器學習預建元件與 AutoML，大幅提高開發工作效率；輕鬆調度工作流程資源；依據資料做決策，以及快速創造價值。

課程內容

• 在本機託管的 Vertex 筆記本中訓練 TensorFlow 模型。
• 建立代管表格資料集構件來追蹤實驗結果。
• 使用 Cloud Build 將訓練程式碼容器化，並推送至 Google Cloud Artifact Registry。
• 運用自訂模型容器執行 Vertex AI 自訂訓練工作。
• 透過 Vertex TensorBoard 以圖表呈現模型成效。
• 將經過訓練的模型部署至 Vertex 線上預測端點，提供預測結果。
• 要求進行線上預測和說明，然後查看相關回應。

設定和需求

點選「Start Lab」按鈕前的須知事項

請詳閱以下操作說明。研究室活動會計時，而且中途無法暫停。點選「Start Lab」 後就會開始計時，讓您瞭解有多少時間可以使用 Google Cloud 資源。

您將在真正的雲端環境中完成實作研究室活動，而不是在模擬或示範環境。為達此目的，我們會提供新的暫時憑證，讓您用來在研究室活動期間登入及存取 Google Cloud。

如要完成這個研究室活動，請先確認：

• 您可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意：請使用無痕模式或私密瀏覽視窗執行此研究室。這可以防止個人帳戶和學生帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成研究室活動了！別忘了，活動一開始將無法暫停。

注意：如果您擁有個人 Google Cloud 帳戶或專案，請勿用於本研究室，以免產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 按一下「Start Lab」(開始研究室) 按鈕。如果研究室會產生費用，畫面中會出現選擇付款方式的彈出式視窗。左側的「Lab Details」(研究室詳細資料) 面板會顯示下列項目：

   • 「Open Google Console」(開啟 Google 控制台) 按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的暫時憑證
   • 完成這個研究室所需的其他資訊 (如有)

2. 按一下「Open Google Console」(開啟 Google 控制台)。接著，研究室會啟動相關資源並開啟另一個分頁，當中會顯示「Sign in」(登入) 頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意事項：如果頁面中顯示了「Choose an account」(選擇帳戶) 對話方塊，請按一下「Use Another Account」(使用其他帳戶)。

3. 如有必要，請複製「Lab Details」(研究室詳細資料) 面板中的使用者名稱，然後貼到「Sign in」(登入) 對話方塊。按一下「Next」(下一步)。

4. 複製「Lab Details」(研究室詳細資料) 面板中的密碼，然後貼到「Welcome」(歡迎使用) 對話方塊。按一下「Next」(下一步)。

   重要注意事項：請務必使用左側面板中的憑證，而非 Google Cloud 技能重點加強的憑證。 注意事項：如果使用自己的 Google Cloud 帳戶來進行這個研究室，可能會產生額外費用。

5. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Cloud 控制台稍後會在這個分頁中開啟。

注意事項：按一下畫面左上方的導覽選單，即可在選單中查看 Google Cloud 產品與服務的清單。

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

1. 點按 Google Cloud 控制台上方的「啟用 Cloud Shell」圖示 。

連線完成即代表已通過驗證，且專案已設為您的 PROJECT_ID。輸出內容中有一行宣告本工作階段 PROJECT_ID 的文字：

您在本工作階段中的 Cloud Platform 專案會設為「YOUR_PROJECT_ID」

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

2. (選用) 您可以執行下列指令來列出使用中的帳戶：

gcloud auth list

3. 點按「授權」。

4. 輸出畫面應如下所示：

輸出內容：

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

5. (選用) 您可以使用下列指令來列出專案 ID：

gcloud config list project

輸出內容：

[core] project = <project_ID>

輸出內容範例：

[core] project = qwiklabs-gcp-44776a13dea667a6 附註：如需有關 gcloud 的完整說明，請前往 Google Cloud 並參閱「gcloud CLI overview guide」(gcloud CLI 總覽指南)。

工作 1：啟用 Google Cloud 服務

• 在 Cloud Shell 中，使用 gcloud 啟用本研究室會用到的服務：

gcloud services enable \ compute.googleapis.com \ iam.googleapis.com \ iamcredentials.googleapis.com \ monitoring.googleapis.com \ logging.googleapis.com \ notebooks.googleapis.com \ aiplatform.googleapis.com \ bigquery.googleapis.com \ artifactregistry.googleapis.com \ cloudbuild.googleapis.com \ container.googleapis.com

工作 2：建立 Vertex AI 自訂服務帳戶，執行 Vertex Tensorboard 整合作業

1. 建立自訂服務帳戶：

SERVICE_ACCOUNT_ID=vertex-custom-training-sa gcloud iam service-accounts create $SERVICE_ACCOUNT_ID \ --description="A custom service account for Vertex custom training with Tensorboard" \ --display-name="Vertex AI Custom Training"

2. 授予服務帳戶 Cloud Storage 的存取權，以寫入及擷取 TensorBoard 記錄檔：

PROJECT_ID=$(gcloud config get-value core/project) gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/storage.admin"

3. 授予服務帳戶 BigQuery 資料來源的存取權，將資料讀入 TensorFlow 模型：

gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/bigquery.admin"

4. 授予服務帳戶 Vertex AI 的存取權，以執行模型訓練、部署和說明工作：

gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/aiplatform.user"

工作 3：啟動 Vertex AI Workbench 筆記本

注意：請使用 TensorFlow Enterprise 2.13 完成這個研究室活動。

如要建立及啟動 Vertex AI Workbench 筆記本，請按照下列指示操作：

1. 在「導覽選單」 中，依序點按「Vertex AI」>「Workbench」。

2. 在「Workbench」頁面中，點按「啟用 Notebooks API」 (如果尚未啟用)。

3. 點按「使用者自行管理的 Notebooks」分頁標籤，然後點選「建立新的」。

4. 為筆記本命名。

5. 將「區域」設為 ，然後將「可用區」設為 。

6. 在「新增執行個體」選單中的「環境」中，選擇最新版的「TensorFlow 企業版 2.x」。

7. 點按「進階選項」編輯執行個體屬性。

8. 點按「機器類型」，然後選取「e2-standard-2」這個機器類型。

9. 其餘欄位均保留預設值，然後點按「建立」。

幾分鐘後，「Workbench」頁面會先列出執行個體，接著顯示「開啟 JupyterLab」。

10. 點按「開啟 JupyterLab」，即可在新分頁中開啟 JupyterLab。如果系統顯示訊息，指出版本必須包含 beatrix jupyterlab，請略過該訊息。

點選「檢查我的進度」，確認已達成目標。 建立 Vertex AI 筆記本

工作 4：複製研究室存放區

接下來，請將 training-data-analyst 存放區複製到 JupyterLab 執行個體。

如要複製 JupyterLab 執行個體中的 training-data-analyst 存放區，請按照下列步驟操作：

1. 按一下 JupyterLab 中的「終端機」圖示，開啟新的終端機。

2. 在指令列提示中輸入下列指令，然後按下 Enter 鍵：

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

3. 如要確認是否已複製存放區，請在左側面板中對 training-data-analyst 資料夾按兩下，藉此查看內容。

複製存放區可能需要幾分鐘。

點選「檢查我的進度」，確認已達成目標。 複製研究室存放區

工作 5：安裝研究室依附元件

• 執行下列指令以前往 training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart 資料夾，然後使用 pip3 install requirements.txt 安裝研究室依附元件：

cd training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart pip3 install --user -r requirements.txt

前往研究室筆記本

1. 在筆記本中，依序點選「training-data-analyst」>「self-paced-labs」>「vertex-ai」>「vertex-ai-qwikstart」，接著開啟「lab_exercise.ipynb」。

2. 在筆記本中繼續完成研究室工作，然後點選畫面頂端的「執行」圖示來執行每個儲存格。

或者，您也可以按下 Shift + Enter 鍵，執行儲存格中的程式碼。

閱讀相關說明，確定您瞭解每個儲存格的狀況。

恭喜！

在本研究室中，您成功使用 Google Cloud BigQuery 的資料儲存和分析功能執行機器學習實驗工作流程，隨後透過 Vertex AI 機器學習服務訓練及部署 TensorFlow 模型，藉此預測顧客終身價值。您先是在本機訓練 TensorFlow 模型，再運用 Vertex AI 在雲端環境中進行訓練工作，期間還用到多項新的整合式平台功能，例如 Vertex TensorBoard 和預測特徵歸因。

完成任務

這個自修研究室是「Baseline: Data, ML, AI」和「Advanced ML: ML Infrastructure」任務的一部分。

另外，這個自修研究室也是「Build and Deploy Machine Learning Solutions on Vertex AI」技能徽章任務的一部分。完成這項任務，即可獲得技能徽章，表彰學習成果。您可以在履歷表和社群平台中分享徽章，並使用 #GoogleCloudBadge 公開成就。

歡迎搜尋目錄，找出可以參加的其他 20 多項技能徽章任務。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2023 年 11 月 1 日

研究室上次測試日期：2023 年 11 月 1 日

Copyright 2024 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。