GSP013

Présentation

Dans cet atelier, vous allez entraîner, évaluer et déployer un modèle de machine learning pour prédire le poids d'un bébé. Vous allez ensuite envoyer des requêtes au modèle pour effectuer des prédictions en ligne.

Points abordés

Au cours de cet atelier, vous allez :

• lancer Vertex AI Workbench ;
• entraîner le modèle en local ;
• procéder à son entraînement distribué ;
• déployer le modèle de ML en tant que service Web ;
• faire des prédictions à l'aide du modèle.

Prérequis

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre vous-même les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Nous vous fournissons des identifiants temporaires pour vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

• vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome) ;

Remarque : Ouvrez une fenêtre de navigateur en mode incognito/navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le temporaire étudiant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.

• vous disposez d'un temps limité ; une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Remarque : Si vous possédez déjà votre propre compte ou projet Google Cloud, veillez à ne pas l'utiliser pour réaliser cet atelier afin d'éviter que des frais supplémentaires ne vous soient facturés.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, un pop-up s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau Détails concernant l'atelier, qui contient les éléments suivants :

   • Le bouton Ouvrir la console Google
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google. L'atelier lance les ressources, puis ouvre la page Se connecter dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur inclus dans le panneau Détails concernant l'atelier et collez-le dans la boîte de dialogue Se connecter. Cliquez sur Suivant.

4. Copiez le mot de passe inclus dans le panneau Détails concernant l'atelier et collez-le dans la boîte de dialogue de bienvenue. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis dans le panneau de gauche. Ne saisissez pas vos identifiants Google Cloud Skills Boost. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

5. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas aux essais offerts.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Vous pouvez afficher le menu qui contient la liste des produits et services Google Cloud en cliquant sur le menu de navigation en haut à gauche.

Activer Cloud Shell

Cloud Shell est une machine virtuelle qui contient de nombreux outils pour les développeurs. Elle comprend un répertoire d'accueil persistant de 5 Go et s'exécute sur Google Cloud. Cloud Shell vous permet d'accéder via une ligne de commande à vos ressources Google Cloud.

1. Cliquez sur Activer Cloud Shell  en haut de la console Google Cloud.

Une fois connecté, vous êtes en principe authentifié et le projet est défini sur votre ID_PROJET. Le résultat contient une ligne qui déclare YOUR_PROJECT_ID (VOTRE_ID_PROJET) pour cette session :

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud est l'outil de ligne de commande pour Google Cloud. Il est préinstallé sur Cloud Shell et permet la complétion par tabulation.

2. (Facultatif) Vous pouvez lister les noms des comptes actifs à l'aide de cette commande :

gcloud auth list

3. Cliquez sur Autoriser.

4. Vous devez à présent obtenir le résultat suivant :

Résultat :

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

5. (Facultatif) Vous pouvez lister les ID de projet à l'aide de cette commande :

gcloud config list project

Résultat :

[core] project = <ID_Projet>

Exemple de résultat :

[core] project = qwiklabs-gcp-44776a13dea667a6 Remarque : Pour consulter la documentation complète sur gcloud, dans Google Cloud, accédez au guide de présentation de la gcloud CLI.

Activer les API recommandées

1. Dans le menu de navigation de la console Google Cloud, cliquez sur Vertex AI > Tableau de bord.
2. Cliquez sur Activer toutes les API recommandées.
3. Dans le menu de navigation de la console Google Cloud, cliquez sur API et services > Bibliothèque.
4. Recherchez l'API AI Platform Training & Prediction, puis cliquez dessus.
5. Cliquez sur Activer.

Tâche 1 : Créer le bucket

Créer un bucket avec la console Google Cloud :

1. Dans votre console Cloud, cliquez sur le menu de navigation, puis sélectionnez Cloud Storage.

2. Cliquez sur Créer un bucket.

3. Sélectionnez un bucket régional et définissez un nom unique (utilisez l'ID de votre projet, qui est unique).

4. Cliquez sur Créer.

5. Si l'option Appliquer la protection contre l'accès public sur ce bucket s'affiche, cliquez sur Confirmer.

Tâche 2 : Lancer Vertex AI Workbench

Pour créer et lancer un notebook Vertex AI Workbench :

1. Dans le menu de navigation , cliquez sur Vertex AI > Workbench.

2. Sur la page Workbench, cliquez sur Activer l'API Notebooks (si elle n'est pas déjà activée).

3. Cliquez sur l'onglet Notebooks gérés par l'utilisateur, puis sur Créer.

4. Nommez le notebook.

5. Définissez la région sur et la zone sur .

6. Dans le menu Nouvelle instance, choisissez la dernière version de TensorFlow Enterprise 2.x dans Environnement.

7. Cliquez sur Options avancées pour modifier les propriétés de l'instance.

8. Cliquez sur Type de machine, puis sélectionnez e2-standard-2.

9. Conservez les valeurs par défaut dans les autres champs, puis cliquez sur Créer.

Après quelques minutes, la page Workbench affiche le nom de votre instance, suivi de Ouvrir JupyterLab.

10. Cliquez sur Ouvrir JupyterLab pour ouvrir JupyterLab dans un nouvel onglet. Si vous recevez un message indiquant que beatrix jupyterlab doit être inclus dans le build, ignorez-le.

Cliquez sur Vérifier ma progression pour valider l'objectif.

Lancer Vertex AI Notebooks

Tâche 3 : Cloner le dépôt du cours

Pour cloner le dépôt training-data-analyst dans votre instance JupyterLab :

1. Dans JupyterLab, cliquez sur l'icône Terminal pour ouvrir un nouveau terminal.

2. À l'invite, saisissez la commande suivante, puis appuyez sur ENTRÉE :

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

3. Pour vérifier que vous avez bien cloné le dépôt, double-cliquez sur le dossier training-data-analyst dans le panneau de gauche, et assurez-vous que vous pouvez voir son contenu.

Cloner le dépôt du cours dans votre instance Vertex AI Notebooks

Tâche 4 : Exécuter des jobs d'entraînement et de prédiction

1. Dans l'interface du notebook, accédez à training-data-analyst > blogs > babyweight et ouvrez train_deploy.ipynb.

2. Dans le menu, cliquez sur Edit > Clear All Outputs (Modifier > Supprimer tous les éléments de sortie).

3. En haut à droite, vérifiez que vous utilisez bien le kernel Python 3.

4. Lisez les instructions et appuyez sur Maj + Entrée, ou cliquez sur "Run" (Exécuter), pour chaque cellule du notebook.

Tâche 5 : Tester vos connaissances

Testez vos connaissances sur Google Cloud Platform en répondant à ce quiz.

Félicitations !

Vous avez appris à entraîner, évaluer et déployer un modèle de machine learning dans Cloud Datalab.

Terminer votre quête

Cet atelier d'auto-formation fait partie des quêtes Scientific Data Processing et Data Engineering. Une quête est une série d'ateliers associés qui constituent un parcours de formation. Si vous terminez une quête, vous obtenez un badge attestant de votre réussite. Vous pouvez rendre publics les badges que vous recevez et ajouter leur lien dans votre CV en ligne ou sur vos comptes de réseaux sociaux. Inscrivez-vous à n'importe quelle quête contenant cet atelier pour obtenir immédiatement les crédits associés. Découvrez toutes les quêtes disponibles dans le catalogue Google Cloud Skills Boost.

Atelier suivant

Poursuivez votre quête avec l'atelier Bigtable : Qwik Start – Shell HBase, ou consultez l'atelier Google Cloud Skills Boost Prédire le prix d'une course en taxi à l'aide d'un modèle de prévision BigQuery ML.

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière modification du manuel : 30 octobre 2023

Dernier test de l'atelier : 31 octobre 2023

Copyright 2024 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.