GSP1345

概要

あなたは Cymbal Gaming のデータ エンジニアとして、開発チームとともに新しい e スポーツゲーム「Galactic Grand Prix」の開発に携わっています。このゲームでは、異なるチームに属する 2 人のプレーヤーの対戦に基づいてリアルタイムのデータが生成されます。たとえば、2 人のプレーヤーがイベントで競い合い、勝者が決まり、勝者とチームにポイントが与えられます。DLC の購入データに関する推奨事項を作成するよう依頼されました。プレーヤーが Galactic Grand Prix でキャラクターの DLC を購入した場合、他の対戦相手が購入しているものに基づいて、他のアイテムを提案します。

Pub/Sub についてはすでに学習済みで、Google Cloud でストリーミング データに使用できることを知っています。また、Dataflow（Google Cloud のマネージド Apache Beam サービス）と、Google Cloud の NoSQL データベースである Bigtable についても学びました。これらのサービスを Jupyter ノートブックで使用して、購入に基づいて他の DLC アイテムを顧客に提供するソリューションを構築できるのではないかと考えていますが、どこから始めればよいかわかりません。

ラボを開始すると、次の図に示すリソースが含まれる環境が提供されます。

ラボでは、このアーキテクチャを使用して複数のタスクを実行します。

次の表で、ラボのアーキテクチャに含まれる各タスクについて詳しく説明します。

タスクの番号	詳細
1.	Google Cloud リソースを作成する: このタスクでは、Pub/Sub トピックとサブスクリプション、Bigtable インスタンスを作成します。テーブルは後でノートブックで作成します。
2.	Vertex AI Workbench でノートブックを開き、カーネルを選択する。
3.	パッケージをインストールし、プロジェクトのノートブックを構成する: このラボでは、PyTorch（テンソルのモデルとして）や Apache Beam（Dataflow 統合をサポートするため）など、さまざまな Python ライブラリを使用します。これらのライブラリは、ラボがプロビジョニングされるとインストールされ、ラボ全体で Jupyter ノートブックで参照されます。また、ラボの開始時に提供された Cloud Storage バケットなど、プロジェクト内のリソースにアクセスできるようにノートブックを構成する必要もあります。
4.	モデルをトレーニングする: このタスクでは、DLC プロダクトの Galactic Grand Prix プレーヤー購入データを使用して、PyTorch モデルをテンソルとしてトレーニングします。
5.	Bigtable テーブルを構成し、Pub/Sub にメッセージをパブリッシュする: このタスクでは、インスタンス内の Bigtable テーブルを構成し、Pub/Sub サブスクリプションにメッセージをパブリッシュします。
6.	Bigtable エンリッチメント ハンドラと変換を使用する: このタスクでは、Bigtable エンリッチメント ハンドラと変換を使用します。
7.	推論とパイプラインを実行する: このタスクでは、PyTorchModelHandlerTensor インターフェースを使用して推論を実行し、パイプラインを実行します。

目標

このラボでは、次の作業を行います。

• テンソルとして表される購入データを使用して PyTorch モデルをトレーニングする
• Pub/Sub からの新規購入を、ユーザー属性データで拡充する
• Dataflow パイプラインを使用して、新規顧客に商品を推奨する

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。

この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、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モード（推奨）またはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生しないようにすることができます。

• ラボを完了するための時間（開始後は一時停止できません）

注: このラボでは、受講者アカウントのみを使用してください。別の Google Cloud アカウントを使用すると、そのアカウントに料金が発生する可能性があります。

ラボを開始して Google Cloud コンソール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、表示されるダイアログでお支払い方法を選択してください。 左側の [ラボの詳細] ペインには、以下が表示されます。

   • [Google Cloud コンソールを開く] ボタン
   • 残り時間
   • このラボで使用する必要がある一時的な認証情報
   • このラボを行うために必要なその他の情報（ある場合）

2. [Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。

   ラボでリソースがスピンアップし、別のタブで [ログイン] 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。

   注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

3. 必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもユーザー名を確認できます。

4. [次へ] をクリックします。

5. 以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもパスワードを確認できます。

6. [次へ] をクリックします。

   重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

7. その後次のように進みます。

   • 利用規約に同意してください。
   • 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
   • 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 Google Cloud コンソールが開きます。

注: Google Cloud のプロダクトやサービスにアクセスするには、ナビゲーション メニューをクリックするか、[検索] フィールドにサービス名またはプロダクト名を入力します。

タスク 1: Google Cloud リソースを作成する

このタスクでは、Pub/Sub トピックとサブスクリプション、Bigtable インスタンスなど、ラボをサポートする Google Cloud リソースを作成します。注: プロセスを迅速化するために、Cloud Shell コマンドを使用してこれらのリソースを作成します。

gcloud CLI コマンドを効果的に使用するには、まず Google Cloud Shell にアクセスして環境変数を設定します。

Cloud Shell にアクセスして環境変数を設定する

1. [Cloud Shell をアクティブにする] をクリックして Cloud Shell を開きます。

2. このラボで Cloud Shell を使用するのは初めてなので、使用を承認する必要があります。これを行うには、[続行] をクリックし、ポップアップ ウィンドウで [承認] をクリックします。

3. 次のコマンドを実行します。

   export PROJECT_ID="{{{project_0.project_id|set at lab start}}}"

4. 以下のコマンドを実行して、変数が保存されていることを確認します。

   echo ${PROJECT_ID}

   これらの変数はラボで後ほど使用します。

Bigtable インスタンスを作成する

1. 次のコマンドを実行して Bigtable インスタンスを作成します。

   gcloud bigtable instances create instance \ --display-name="My Bigtable Instance" \ --cluster-config=id=my-cluster,zone={{{project_0.default_zone | Zone}}},nodes=1

   インスタンスが作成されたことを示す確認メッセージが表示されます。

   注: Bigtable テーブルは、後で Jupyter ノートブック内で作成します。

Pub/Sub トピックとサブスクリプションを作成する

1. 次のコマンドを実行して、Pub/Sub トピックを作成します。

   gcloud pubsub topics create customer-data

   Pub/Sub トピックが作成されたことを示す確認メッセージが表示されます。

2. 次のコマンドを実行して、トピックの Pub/Sub サブスクリプションを作成します。

   gcloud pubsub subscriptions create customer-data_sub --topic=customer-data

   サブスクリプションがトピックに追加されたことを示す確認メッセージが表示されます。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Google Cloud リソースを作成する。

タスク 2. Vertex AI Workbench でノートブックを開き、カーネルを選択する

タスク 2a. ノートブックを開く

1. Google Cloud コンソールのナビゲーション メニュー（）で、[Vertex AI] > [ワークベンチ] の順にクリックします。

2. インスタンスを見つけて、[JupyterLab を開く] ボタンをクリックします。

Workbench インスタンスの JupyterLab インターフェースが新しいブラウザタブで開きます。

注: JupyterLab にノートブックが表示されない場合は、次の追加手順でインスタンスを再設定してください。

1. JupyterLab のブラウザタブを閉じて、Workbench のホームページに戻ります。

2. インスタンス名の横にあるチェックボックスをオンにして、[リセット] をクリックします。

3. [JupyterLab を開く] ボタンが再度有効になったら、1 分待ってから [JupyterLab を開く] をクリックします。

タスク 2b. カーネルを選択する

1. ファイルを開きます。

2. [Select Kernel] ダイアログで、使用可能なカーネルのリストから [Python 3] を選択します。

タスク 3. Python パッケージをインポートし、環境変数を設定する

このタスクでは、このノートブックを使用するために必要な Python パッケージをインポートし、環境変数を設定します。

1. ノートブックのタスク 3「パッケージをインストールし、ノートブックを構成する」セクションの手順を完了します。

   [Project ID] に 、[instance_id] に instance、[table_id] に customer_data を使用します。タスク 1 で Bigtable インスタンスを作成したことを思い出してください。これらの値を今設定しておくと、このノートブックの後のタスクを正常に完了できます。設定しなかった場合はエラーが発生する可能性があります。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 パッケージをインストールし、ノートブックを構成する。

タスク 4. モデルをトレーニングする

このタスクでは、データセットを作成し、その中のデータをテンソルに変換します。次に、PyTorch モデルを構築し、これらのテンソルを使用してトレーニングします。

1. ノートブックの「モデルをトレーニングする」セクションを完了します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 モデルをトレーニングする。

タスク 5. Bigtable テーブルを構成し、Pub/Sub にメッセージをパブリッシュする。

このタスクでは、列ファミリーを使用して Bigtable テーブルを作成して構成し、データをテーブルに読み込みます。また、Pub/Sub にメッセージをパブリッシュします。

1. ノートブックの「BigTable テーブルを構成し、Pub/Sub にメッセージをパブリッシュする」セクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Bigtable テーブルを構成し、Pub/Sub にメッセージをパブリッシュする。

タスク 6. Bigtable エンリッチメント ハンドラと変換を使用する

このタスクでは、Bigtable エンリッチメント ハンドラを使用します。これは、Dataflow パイプライン内で使用される特殊なコネクタで、Bigtable をデータソースとして使用して拡充プロセスを実行します。また、Bigtable 拡充変換も使用します。Bigtable エンリッチメント ハンドラをツール、変換をコードでツールを起動する動詞と考えてください。

1. ノートブックの「Bigtable エンリッチメント ハンドラと変換を使用する」セクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Bigtable エンリッチメント ハンドラと変換を使用する。

タスク 7. 推論とパイプラインを実行する

このタスクでは、PyTorch モデルで推論を実行し、Dataflow パイプラインを実行します。

1. ノートブックの「推論とパイプラインを実行する」セクションを実行します。

重要: 最後のセルでパイプラインから 3 つの推奨事項を取得したら、ノートブックに記載されているように、セルは実行を続けます。セルを手動で停止する必要があります。セルを手動で停止しなかった場合、ラボ環境がタイムアウトするとパイプラインは自動的に停止します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 推論とパイプラインを実行する

お疲れさまでした

このラボでは、テンソルとして表される購入データを使用して PyTorch モデルをトレーニングする方法を学びました。また、Pub/Sub からの新規購入を人口統計データで拡充し、Dataflow パイプラインを使用して新しい DLC プロダクトを顧客に推奨する方法も学びました。

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2026 年 1 月 22 日

ラボの最終テスト日: 2026 年 1 月 22 日

Copyright 2026 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。