개요

tf.transform을 사용하면 사용자가 사전 처리 파이프라인을 정의하고 대규모 데이터 처리 프레임워크를 사용하여 파이프라인을 실행하는 동시에, TensorFlow 그래프의 일부로 실행 가능한 방법으로 파이프라인을 내보낼 수 있습니다.

학습 내용

• TfTransform을 사용하여 데이터 사전 처리 및 새로운 특성 추출
• Apache Beam 파이프라인 생성 및 배포
• 처리된 데이터를 사용하여 로컬에서 택시 요금 모델을 학습시킨 후 예측 제공

설정

각 실습에서는 정해진 기간 동안 새 Google Cloud 프로젝트와 리소스 집합이 무료로 제공됩니다.

1. 시크릿 창을 사용하여 Qwiklabs에 로그인합니다.

2. 실습 사용 가능 시간(예: 1:15:00)을 참고하여 해당 시간 내에 완료합니다.
   일시중지 기능은 없습니다. 필요한 경우 다시 시작할 수 있지만 처음부터 시작해야 합니다.

3. 준비가 되면 실습 시작을 클릭합니다.

4. 실습 사용자 인증 정보(사용자 이름 및 비밀번호)를 기록해 두세요. Google Cloud Console에 로그인합니다.

5. Google Console 열기를 클릭합니다.

6. 다른 계정 사용을 클릭한 다음, 안내 메시지에 이 실습에 대한 사용자 인증 정보를 복사하여 붙여넣습니다.
   다른 사용자 인증 정보를 사용하는 경우 오류가 발생하거나 요금이 부과됩니다.

7. 약관에 동의하고 리소스 복구 페이지를 건너뜁니다.

작업 1. Vertex AI Notebooks 실행

1. Google Cloud Console의 탐색 메뉴에서 Vertex AI > Workbench를 클릭합니다.

2. 노트북 인스턴스 페이지에서 새 노트북 > TensorFlow Enterprise > TensorFlow Enterprise 2.3(LTS 사용) > GPU 사용 안 함을 선택합니다.

3. 새 노트북 인스턴스 대화상자에서 딥 러닝 VM의 이름을 확인합니다. 리전 및 영역을 변경하고 싶지 않은 경우 모든 설정을 그대로 둔 후 만들기를 클릭합니다.
   새 VM이 시작하는 데 2~3분 정도 걸립니다.

4. JupyterLab 열기를 클릭합니다.
   JupyterLab 창이 새 탭에서 열립니다.

5. 빌드 권장 팝업이 표시되면 빌드를 클릭합니다. 빌드 실패가 표시되면 무시합니다.

작업 2. Vertex AI Notebooks 인스턴스 내에서 과정 저장소 클론

다음과 같이 JupyterLab 인스턴스에서 training-data-analyst 노트북을 클론합니다.

1. JupyterLab에서 터미널 아이콘을 클릭하여 새 터미널을 엽니다.

2. 명령줄 프롬프트에서 다음 명령어를 실행합니다.

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

3. training-data-analyst 디렉터리를 더블클릭하고 디렉터리의 콘텐츠를 볼 수 있는지 확인하여 저장소가 클론되었는지 확인합니다.
   이 과정의 모든 Jupyter 노트북 기반 실습 파일은 이 디렉터리에서 확인할 수 있습니다.

작업 3. tf.transform 살펴보기

1. 노트북 인터페이스에서 training-data-analyst > courses > machine_learning > deepdive2 > feature_engineering > labs > 5_tftransform_taxifare.ipynb로 이동합니다.

2. 노트북 인터페이스에서 Edit(수정) > Clear All Outputs(모든 출력 지우기)를 클릭합니다.

3. 노트북 명령을 꼼꼼히 읽어보면서 필요에 따라 코드를 완성해야 하는 부분으로 #TODO 표시가 되어 있는 행을 작성합니다.

팁: 현재 셀을 실행하려면 셀을 클릭하고 Shift+Enter를 누르세요. 다른 셀 명령어는 노트북 UI의 Run(실행)에서 찾을 수 있습니다.

• 안내를 위해 작업에서 힌트가 제공될 수 있습니다. 힌트는 흰색 텍스트로 적혀 있으므로 힌트를 읽으려면 텍스트를 하이라이트하세요.
• 추가 도움이 필요하면 training-data-analyst > courses > machine_learning > deepdive2 > feature_engineering > solutions로 이동한 다음 5_tftransform_taxifare.ipynb를 열어 전체 솔루션을 살펴볼 수 있습니다.

실습 종료

실습을 완료하면 실습 종료를 클릭합니다. Qwiklabs에서 사용된 리소스를 자동으로 삭제하고 계정을 지웁니다.

실습 경험을 평가할 수 있습니다. 해당하는 별표 수를 선택하고 의견을 입력한 후 제출을 클릭합니다.

별점의 의미는 다음과 같습니다.

• 별표 1개 = 매우 불만족
• 별표 2개 = 불만족
• 별표 3개 = 중간
• 별표 4개 = 만족
• 별표 5개 = 매우 만족

의견을 제공하고 싶지 않다면 대화상자를 닫으면 됩니다.

의견이나 제안 또는 수정할 사항이 있다면 지원 탭을 사용하세요.

Copyright 2020 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.