GSP323

總覽

在挑戰研究室中，您會在特定情境下完成一系列任務。挑戰研究室不會提供逐步說明，您將運用從課程研究室學到的技巧，自行找出方法完成任務！自動評分系統 (如本頁所示) 將根據您是否正確完成任務來提供意見回饋。

在您完成任務的期間，挑戰研究室不會介紹新的 Google Cloud 概念。您須靈活運用所學技巧，例如變更預設值或詳讀並研究錯誤訊息，解決遇到的問題。

若想滿分達標，就必須在時限內成功完成所有任務！

本實驗室適合「在 Google Cloud 為機器學習 API 準備資料」技能徽章課程的學員。準備好迎接挑戰了嗎？

測驗主題：

• 建立簡單的 Dataproc 工作
• 建立簡單的 Dataflow 工作
• 執行兩項採用 Google 機器學習技術的 API 工作

設定

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 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。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

檢查專案權限

在開始使用 Google Cloud 前，您必須確保專案有正確的 Identity and Access Management (IAM) 權限。

1. 前往 Google Cloud 控制台的「導覽選單」，依序點選「IAM 與管理」>「身分與存取權管理」。

2. 確認具有預設運算服務帳戶 {project-number}-compute@developer.gserviceaccount.com，且已指派 editor 和 storage.admin 角色。帳戶前置字串為專案編號，如需查看，請前往「導覽選單」>「Cloud 總覽」>「資訊主頁」。

注意：如果帳戶未顯示在「身分與存取權管理」中，或沒有 storage.admin 角色，請依照下列步驟指派必要角色。

1. 前往 Google Cloud 控制台的「導覽選單」，依序點選「Cloud 總覽」>「資訊主頁」。
2. 複製專案編號 (例如 729328892908)。
3. 前往「導覽選單」，依序選取「IAM 與管理」>「身分與存取權管理」。
4. 在角色表頂端的「按照主體查看」下方，點選「授予存取權」。
5. 在「新增主體」輸入：

{project-number}-compute@developer.gserviceaccount.com

6. 將 {project-number} 換成您的專案編號。
7. 在「角色」部分，選取「Storage 管理員」。
8. 點選「儲存」。

挑戰情境

您是 Jooli Inc. 的資淺資料工程師，最近接受了 Google Cloud 和多項資料服務的訓練，現在需要展示新學到的技能。團隊要求您完成下列工作。

公司預期您具備執行這些工作所需的技能與知識，因此不會提供逐步指南。

工作 1：執行簡單的 Dataflow 工作

在這項工作中，您會使用「Process Data in Bulk (batch)」下的 Dataflow 批次範本「將 Cloud Storage 中的文字檔案遷移至 BigQuery」，轉移 Cloud Storage bucket (gs://cloud-training/gsp323/lab.csv) 中的資料。下表列出正確設定 Dataflow 工作所需的值。

請完成下列操作：

• 建立名為 的 BigQuery 資料集，其中有個名為 的資料表。
• 建立 Cloud Storage bucket，並命名為 。

欄位	值
Cloud Storage 輸入檔案	gs://cloud-training/gsp323/lab.csv
BigQuery 結構定義檔案的 Cloud Storage 位置	gs://cloud-training/gsp323/lab.schema
BigQuery 輸出資料表
BigQuery 載入程序的暫存目錄
臨時位置
「選用參數」>「Cloud Storage 中的 JavaScript UDF 路徑」	gs://cloud-training/gsp323/lab.js
「選用參數」>「JavaScript UDF name」	transform
「選用參數」>「機型」	e2-standard-2

請等工作完成後，再確認進度。

點選「Check my progress」，確認目標已達成。執行簡單的 Dataflow 工作

工作 2：執行簡單的 Dataproc 工作

您將使用 Dataproc 執行範例 Spark 工作。

執行工作前，請登入其中一個叢集節點，並使用 hdfs dfs -cp gs://cloud-training/gsp323/data.txt /data.txt 指令，將「/data.txt」檔案複製到 hdfs。

請採用下列值執行 Dataproc 工作。

欄位	值
區域
工作類型	Spark
主要類別或 jar 檔案	org.apache.spark.examples.SparkPageRank
Jar 檔案	file:///usr/lib/spark/examples/jars/spark-examples.jar
引數	/data.txt
每小時重新啟動次數上限	1
Dataproc 叢集	Compute Engine
區域
機器系列	E2
管理工具節點	將「機型」設為「e2-standard-2」
worker 節點	將「機型」設為「e2-standard-2」
worker 節點數量上限	2
主要磁碟大小	100 GB
僅限內部 IP	取消選取「將所有執行個體設為僅具備內部 IP 位址」

請等工作完成後，再確認進度。

點選「Check my progress」，確認目標已達成。 執行簡單的 Dataproc 工作

工作 3：使用 Google Cloud Speech-to-Text API

• 使用 Google Cloud Speech-to-Text API 分析音訊檔案 gs://cloud-training/gsp323/task3.flac。分析完畢之後，請將產生的檔案上傳至：

注意：如果在執行這項工作時發生問題，可以參閱以下實驗室來解決問題：Google Cloud Speech-to-Text API：Qwik Start

點選「Check my progress」，確認目標已達成。 使用 Google Cloud Speech-to-Text API

工作 4：使用 Cloud Natural Language API

• 使用 Cloud Natural Language API 分析關於奧丁的文本。您要分析的文字內容是「Old Norse texts portray Odin as one-eyed and long-bearded, frequently wielding a spear named Gungnir and wearing a cloak and a broad hat」。分析完畢之後，請將成果檔案上傳至：

注意：如果在執行這項工作時發生問題，可以參閱以下實驗室來解決問題：Cloud Natural Language API：Qwik Start

點選「Check my progress」，確認目標已達成。 使用 Cloud Natural Language API

恭喜！

恭喜！您已在本實驗室中展現自己的技能，執行簡單的 Dataflow 工作及 Dataproc 工作，並使用 Google Cloud Speech-to-Text API 和 Cloud Natural Language API。

這個自學實驗室屬於「在 Google Cloud 為機器學習 API 準備資料」技能徽章課程的一部分。完成這個課程即可取得上方徽章，獲得肯定。您可以在履歷表和社群平台分享徽章，並使用 #GoogleCloudBadge 來公開您的成就。

這個技能徽章課程是 Google Cloud 資料分析師和資料工程師學習路徑的一部分。

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：2024 年 3 月 25 日

實驗室上次測試日期：2024 年 1 月 15 日

Copyright 2025 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。