GSP329

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！

本實驗室適合已參加「在 Google Cloud 使用機器學習 API」課程的學員。準備好迎接挑戰了嗎？

測驗主題

• 授予服務帳戶 BigQuery 和 Cloud Storage 的正確權限。
• 建立並下載服務帳戶憑證檔案，將 Google Cloud 憑證提供給 Python 應用程式。
• 修改 Python 指令碼，使用 Google Cloud Vision API 從圖片檔擷取文字。
• 修改 Python 指令碼，使用 Google Translation API 翻譯文字。
• 執行 BigQuery SQL 查詢，查看擷取資料中包含哪些語言。

設定和需求

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。

挑戰情境

您是 Jooli 公司數據分析團隊新上任的成員，職責是為公司的機器學習專案協助開發及評估資料集。常見工作包括準備、清理及分析各種資料集。

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。

您的挑戰

您受託開發程序，分析一組招牌圖片，擷取並翻譯圖片中的文字。這項機器學習專案會使用這個圖片資料集訓練及評估模型，因此我們將使用擷取出的文字資訊來協助分類圖像。所有圖片都包含文字，但文字可能屬於任何語言。圖片會儲存在我們為您提供的 Cloud Storage bucket 中。

您必須使用 Python 指令碼處理每個圖片檔，方法是將圖片檔傳送至 Google Vision API，辨識圖片中的文字。每張圖片的文字都必須儲存回 Cloud Storage 的檔案，每張圖片的文字都應儲存至個別檔案。如果文字語言代碼不是 (locale='')，您必須將文字傳送至 Google Translation API，取得原始文字的翻譯版本。處理完所有圖片後，指令碼必須將結果上傳至 BigQuery 資料表。

下圖概略呈現了這個程序。

接著，您必須將處理後的文字資料寫入專案中名為 image_classification_dataset 的資料集，並儲存至預先建立的 BigQuery 資料表 image_text_detail。

團隊中的一位同事已開始編寫程式碼，打算根據先前用來處理一組文字檔的 Python 指令碼，透過 Natural Language API 處理這些圖片。您的同事已調到其他專案，現在必須由您完成這項工作。

這個指令碼的大部分工作都已完成，您收到的版本會存取儲存空間 bucket，並對每個找到的圖片檔進行疊代。不過，由於尚未實作具體的 API 呼叫，您需要進行這項程序，以便找出每張圖片中的文字，然後將該文字傳送至 Translation API。

我們已將進行中的 Python 指令碼副本和一組範例圖片，存放在以實驗室專案 ID 命名的 Cloud Storage bucket 中。

您的同事找出指令碼中未完成的部分，並為需要發出的 API 呼叫加上註解。指令碼中有三個未完成的部分，您必須完成這些內容，才能正確呼叫機器學習 API。這些程式碼都附有 # TBD: 標籤的註解。

最後一行程式碼會將結果資料上傳至 BigQuery。在指令碼中，這行程式碼已透過註解字元停用。確認指令碼的其餘部分運作正常後，請移除註解字元，啟用最後一行程式碼。

處理指令碼前，您必須先準備環境，包括建立具備適當權限的服務帳戶，並下載該帳戶的憑證檔案。取得服務帳戶憑證後，即可修改 Python 指令碼，用來處理圖片檔。

為完成挑戰，您必須將所有圖片的原始擷取文字、語言代碼和翻譯文字資料載入名為 image_text_detail 的 BigQuery 資料表。這項作業的程式碼位於指令碼中，但您必須移除註解字元，才能啟用指令碼結尾的程式碼行。

在您使用更新後的 Python 指令碼成功處理圖像檔案，並將資料上傳至 BigQuery 後，您必須在 BigQuery 中執行下列查詢，確認圖像資料已成功處理：

SELECT locale,COUNT(locale) as lcount FROM image_classification_dataset.image_text_detail GROUP BY locale ORDER BY lcount DESC

這項查詢會回報在樣本圖像集中找到的每種語言標誌數量。

工作 1：設定服務帳戶來存取 Machine Learning API、BigQuery 和 Cloud Storage

1. 建立新的服務帳戶，為指令碼提供憑證。
2. 建立帳戶後，請將 和 角色繫結至服務帳戶並授予所需 IAM 權限，以便處理 Cloud Storage 檔案及將結果資料插入 BigQuery 資料表。確認服務帳戶存在，且具備存取 BigQuery 和 Cloud Storage 的管理員權限

工作 2：為服務帳戶建立並下載憑證檔案

1. 設定服務帳戶權限後，請為服務帳戶下載 JSON 格式 IAM 憑證檔案。
2. 別忘了設定環境變數，為 Python 指令碼提供憑證檔案名稱。確認已為服務帳戶建立 IAM 憑證檔案

工作 3：修改 Python 指令碼，從圖片檔擷取文字

1. 從系統為您建立的 Cloud Storage bucket，將 analyze-images-v2.py 檔案複製到 Cloud Shell。

2. 您必須修改這個 Python 指令碼，從專案 bucket 中儲存的圖片檔擷取文字，然後將每個檔案的文字資料儲存到文字檔案，並寫回同一個 bucket。請注意，指令碼中標上 # TBD 註解的部分，表示您需要加入程式碼來存取 API。

3. 在您修改指令碼的第一部分，使用 Cloud Vision API 從圖片檔擷取文字資料後，請執行部分完成的指令碼，確認進度是否正確。

確認應用程式可從圖片擷取文字

工作 4：修改 Python 指令碼，使用 Translation API 翻譯文字

• 現在請修改 Python 指令碼的第二部分，找出 Vision API 找到的任何文字資料，並使用 Translation API 將原始文字翻譯成。

  確認應用程式可以翻譯文字，並將結果儲存在 BigQuery

工作 5：找出資料集中最常見的標誌語言

1. 在您更新指令碼，順利找出並翻譯圖片中的文字後，請從上傳資料至 BigQuery 的指令碼結尾處，移除註解字元。
2. 資料上傳至 BigQuery 後，請執行查詢來計算每種語言出現的次數，確認所有必要資料都已載入 BigQuery。執行 BigQuery 查詢，製作報表說明圖片中找到各語言的頻率

提示與祕訣

• 提示 1：您必須設定環境變數，提供 Python 指令碼應使用的憑證檔案詳細資料，才能存取 Google Cloud API。

• 提示 2：您可以在 Vision API 用戶端的 Python API 說明文件參考頁面中，找到 Vision API 用戶端 document_text_detection API 呼叫的詳細資料；在 Vision API 物件的 Python API 說明文件參考頁面中，找到 Vision API 註解回應物件的詳細資料。

• 提示 3：如要進一步瞭解 Translation API 用戶端的 Translate API 呼叫，請參閱 Translation V2 API 用戶端的 Python API 說明文件。

恭喜！

您已開發了一套程序，可分析招牌圖片，並擷取及翻譯圖片中的文字。

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：2025 年 9 月 2 日

實驗室上次測試日期：2025 年 9 月 2 日

Copyright 2026 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。