読み込んでいます...
一致する結果は見つかりませんでした。

Google Cloud コンソールでスキルを試す

ラボの設定手順と要件
アカウントと進行状況を保護します。このラボを実行するには、常にシークレット ブラウジング ウィンドウとラボの認証情報を使用してください。

BQML での高度な特徴量エンジニアリングの実行

ラボ 1時間 30分 universal_currency_alt クレジット: 5 show_chart 入門
info このラボでは、学習をサポートする AI ツールが組み込まれている場合があります。
このコンテンツはまだモバイル デバイス向けに最適化されていません。
快適にご利用いただくには、メールで送信されたリンクを使用して、デスクトップ パソコンでアクセスしてください。

概要

所要時間は 1 分です

このラボでは、BigQuery の ML.FEATURE_CROSS による特徴量クロスを実行して座標特徴を導出した後、座標特徴の特徴量クロスを実行するという高度な特徴量エンジニアリングを実践します。

また、BUCKETIZE 関数、TRANSFORM 句、L2 正則化を適用し、プロセス全体でのモデルのパフォーマンス評価も行います。

学習内容

このラボでは、次の作業を行います。

  • Workbench インスタンス ノートブックを作成する
  • モデルを評価する SQL ステートメントを作成する
  • 時間的な特徴量を抽出する
  • 時間的特徴量に対して特徴量クロスを実行する
  • カテゴリ特徴量に ML.FEATURE_CROSS を適用する
  • ユークリッド特徴列を作成する
  • 座標特徴の特徴量クロスを実行する
  • BUCKETIZE 関数を適用する
  • TRANSFORM 句と L2 正則化を適用する
  • ML.PREDICT を使用してモデルを評価する

Vertex AI には、Workbench と Colab Enterprise の 2 つのノートブック ソリューションがあります。

Colab

Workbench

Vertex AI Workbench は、制御性とカスタマイズ性が重視されるプロジェクトに適した選択肢です。依存関係が複雑な、複数のファイルにわたる複雑なプロジェクトに特に適しています。また、ワークステーションやノートパソコンからクラウドへの移行を行っているデータ サイエンティストにも適した選択肢です。

Vertex AI Workbench のインスタンスには、ディープ ラーニング パッケージのスイート（TensorFlow と PyTorch のフレームワークへの対応を含む）がプリインストールされています。

ワークベンチ 1

設定

各ラボでは、新しい Google Cloud プロジェクトとリソースセットを一定時間無料で利用できます。

  1. シークレット ウィンドウを使用して Google Skills にログインします。

  2. ラボのアクセス時間（例: 1:15:00）に注意し、時間内に完了できるようにしてください。
    一時停止機能はありません。必要な場合はやり直せますが、最初からになります。

  3. 準備ができたら、[ラボを開始] をクリックします。

  4. ラボの認証情報（ユーザー名とパスワード）をメモしておきます。この情報は、Google Cloud Console にログインする際に使用します。

  5. [Google Console を開く] をクリックします。

  6. [別のアカウントを使用] をクリックし、このラボの認証情報をコピーしてプロンプトに貼り付けます。
    他の認証情報を使用すると、エラーが発生したり、料金の請求が発生したりします。

  7. 利用規約に同意し、再設定用のリソースページをスキップします。

タスク 1. API を有効にする

  1. ナビゲーション メニュー（ナビゲーション メニュー アイコン）で、[API とサービス] をクリックします。

  2. 下にスクロールして、目的の API が有効になっていることを確認します。

  3. API が表示されていない場合は、上部にある [API とサービスの有効化] をクリックします。目的の API の名前を入力して検索し、有効化してプロジェクトで利用できるようにします。

タスク 2. Vertex AI Workbench のインスタンスを起動する

  1. Google Cloud コンソールのナビゲーション メニュー（ナビゲーション メニュー）で [Vertex AI] を選択します。

  2. [すべての推奨 API を有効化] をクリックします。

  3. ナビゲーション メニューで [ワークベンチ] をクリックします。

    [ワークベンチ] ページの上部で、[インスタンス] ビューになっていることを確認します。

  4. [ボックスを追加する新規作成] をクリックします。

  5. インスタンスの構成:

    • 名前: lab-workbench
    • リージョン: リージョンを に設定します
    • ゾーン: ゾーンを に設定します
    • 詳細オプション（任意）: 必要に応じて [詳細オプション] をクリックして、より詳細なカスタマイズを行います（マシンタイプ、ディスクサイズなど）。

Vertex AI Workbench インスタンスを作成する

  1. [作成] をクリックします。

インスタンスが作成されるまで数分かかります。作成が終了するとインスタンスの名前の横に緑色のチェックマークが付きます。

  1. インスタンスの名前の横に表示されている [JupyterLab を開く] をクリックして JupyterLab インターフェースを起動します。ブラウザで新しいタブが開きます。

デプロイされたワークベンチ インスタンス

  1. [Python 3] アイコンをクリックして、新規の Python ノートブックを起動します。

Jupyter ノートブックを開く

  1. メニューバーでファイル Untitled.ipynb を右クリックし、[ノートブック名を変更] を選択して、わかりやすい名前を付けます。

ノートブックの名前を変更する

これで環境が設定されました。これで Vertex AI Workbench ノートブックを使い始める準備ができました。

使用できるようになった Vertex ノートブック

[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。 Vertex AI Workbench のインスタンスを起動する

タスク 3. JupyterLab インターフェース内でコース リポジトリのクローンを作成する

GitHub リポジトリには、コースのラボファイルとソリューション ファイルの両方が含まれています。

  1. ノートブックの最初のセルに次のコードをコピーして実行し、training-data-analyst リポジトリのクローンを作成します。
!git clone https://github.com/GoogleCloudPlatform/training-data-analyst

raining-data-analyst リポジトリのクローンを作成する

  1. リポジトリのクローンが作成されたことを確認します。training-data-analyst ディレクトリをダブルクリックし、リポジトリのコンテンツが表示されることを確認します。

training-data-analyst リポジトリを確認する

[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。 JupyterLab インターフェース内でコース リポジトリのクローンを作成する

タスク 4. BigQuery ML で高度な特徴量エンジニアリングを実行する

所要時間は 60 分です

  1. ノートブック インターフェースで、[training-data-analyst] > [courses] > [machine_learning] > [deepdive2] > [feature_engineering] > [labs] に移動して [2_bqml_adv_feat_eng-lab.ipynb] を開きます。

BQML_advanced_feature_engineering_notebook

  1. カーネルを選択するポップアップが表示されます。選択肢の中からカーネル [TensorFlow 2.11 (Local)] を選択します。

  2. ノートブック インターフェースで、[編集] > [出力をすべて消去] をクリックします（[編集] をクリックしてプルダウン メニューから [出力をすべて消去] を選択します）。

  3. ノートブックの手順をよく読み、コードを入力する必要がある場所に「#TODO」のマークを付けた行を挿入します。

[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。 BigQuery ML で高度な特徴量エンジニアリングを実行する

ラボを終了する

ラボでの学習が完了したら、[ラボを終了] をクリックします。ラボで使用したリソースが Qwiklabs から削除され、アカウントの情報も消去されます。

ラボの評価を求めるダイアログが表示されたら、星の数を選択してコメントを入力し、[送信] をクリックします。

星の数は、それぞれ次の評価を表します。

  • 星 1 つ = 非常に不満
  • 星 2 つ = 不満
  • 星 3 つ = どちらともいえない
  • 星 4 つ = 満足
  • 星 5 つ = 非常に満足

フィードバックを送信しない場合は、ダイアログ ボックスを閉じてください。

フィードバック、ご提案、修正が必要な箇所については、[サポート] タブからお知らせください。

Copyright 2026 Google LLC All rights reserved. Google および Google のロゴは、Google LLC の商標です。その他すべての社名および製品名は、それぞれ該当する企業の商標である可能性があります。

始める前に

  1. ラボでは、Google Cloud プロジェクトとリソースを一定の時間利用します
  2. ラボには時間制限があり、一時停止機能はありません。ラボを終了した場合は、最初からやり直す必要があります。
  3. 画面左上の [ラボを開始] をクリックして開始します

シークレット ブラウジングを使用する

  1. ラボで使用するユーザー名とパスワードをコピーします
  2. プライベート モードで [コンソールを開く] をクリックします

コンソールにログインする

    ラボの認証情報を使用して
  1. ログインします。他の認証情報を使用すると、エラーが発生したり、料金が発生したりする可能性があります。
  2. 利用規約に同意し、再設定用のリソースページをスキップします
  3. ラボを終了する場合や最初からやり直す場合を除き、[ラボを終了] はクリックしないでください。クリックすると、作業内容がクリアされ、プロジェクトが削除されます

このコンテンツは現在ご利用いただけません

利用可能になりましたら、メールでお知らせいたします

ありがとうございます。

利用可能になりましたら、メールでご連絡いたします

1 回に 1 つのラボ

既存のラボをすべて終了して、このラボを開始することを確認してください

シークレット ブラウジングを使用してラボを実行する

このラボを実行するには、シークレット モードまたはシークレット ブラウジング ウィンドウを使用することをおすすめします。これにより、個人アカウントと受講者アカウントの競合を防ぎ、個人アカウントに追加料金が発生することを防ぎます。