Visão geral

Duração: 1 min

Neste laboratório, você realizará a engenharia de atributos avançada executando cruzamento de atributos com o ML.FEATURE_CROSS do BigQuery, obtendo recursos coordenados e executando o cruzamento de atributos desses recursos.

Além disso, você aplicará a função BUCKETIZE, a cláusula TRANSFORM e a Regularização L2, e também avaliará o desempenho do modelo ao longo do processo.

Conteúdo do laboratório

Neste laboratório, você vai:

• criar um notebook de instância do Workbench
• criar instruções SQL para avaliar o modelo
• Extrair atributos temporais
• realizar um cruzamento de atributos em atributos temporais;
• aplicar ML.FEATURE_CROSS a atributos categóricos;
• criar uma coluna de atributo com distância euclidiana;
• fazer o cruzamento de atributos coordenados;
• aplicar a função BUCKETIZE;
• aplicar a cláusula TRANSFORM e a Regularização L2;
• avaliar o modelo usando ML.PREDICT.

A Vertex AI tem duas soluções de notebooks, o Workbench e o Colab Enterprise.

Workbench

O Vertex AI Workbench é uma boa opção para projetos que priorizam o controle e a personalização. Ele é ótimo para quando há vários arquivos com dependências complexas. Também é uma boa escolha para cientistas de dados que estão fazendo a transição de um laptop ou estação de trabalho para a nuvem.

As instâncias do Vertex AI Workbench vêm com um conjunto pré-instalado de pacotes de aprendizado profundo, incluindo o suporte para os frameworks TensorFlow e PyTorch.

Configuração

Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período sem custo financeiro.

1. Faça login no Google Skills usando uma janela anônima.

2. Confira o tempo de acesso do laboratório (por exemplo, 1:15:00) e finalize todas as atividades nesse prazo.
   Não é possível pausar o laboratório. Você pode reiniciar o desafio, mas vai precisar refazer todas as etapas.

3. Quando tudo estiver pronto, clique em Começar o laboratório.

4. Anote as credenciais (Nome de usuário e Senha). É com elas que você vai fazer login no Console do Google Cloud.

5. Clique em Abrir Console do Google.

6. Clique em Usar outra conta, depois copie e cole as credenciais deste laboratório nos locais indicados.
   Se você usar outras credenciais, vai receber mensagens de erro ou cobranças.

7. Aceite os termos e pule a página de recursos de recuperação.

Tarefa 1. ative as APIs

1. No Menu de navegação (), clique em APIs e serviços.

2. Role a tela para baixo e confirme que as APIs estão ativadas.

3. Caso esteja faltando uma API, clique em ATIVAR APIS E SERVIÇOS na parte superior, pesquise a API pelo nome e ative-a para seu projeto.

• BigQuery

Tarefa 2: iniciar a instância do Vertex AI Workbench

1. No console do Google Cloud, no Menu de navegação (), clique em Vertex AI.

2. Selecione Ativar todas as APIs recomendadas.

3. No Menu de navegação, clique em Workbench.

   Verifique se você está na visualização Instâncias do topo da página do Workbench.

4. Clique em + Criar nova.

5. Configure a instância:

   • Nome: lab-workbench
   • Região: configure a região como
   • Zona: configure a zona como
   • Opções avançadas (opcional): se necessário, clique em "Opções avançadas" para personalizar mais (ex.: tipo de máquina, tamanho do disco).

6. Clique em Criar.

O processo vai levar alguns minutos, e uma marca de confirmação verde vai aparecer ao lado do nome da instância quando ela for criada.

7. Clique em ABRIR O JUPYTERLAB ao lado do nome da instância para iniciar a interface do ambiente. Uma nova guia será aberta no navegador.

8. Clique no ícone do Python 3 para iniciar um novo notebook do Python.

9. Clique com o botão direito no arquivo Untitled.ipynb na barra de menus e escolha Renomear notebook para dar um nome a ele.

Seu ambiente está configurado. Está tudo pronto para você começar a trabalhar com seu notebook do Vertex AI Workbench.

Clique em Verificar meu progresso para conferir o objetivo. iniciar a instância do Vertex AI Workbench

Tarefa 3: clonar um repositório do curso na sua interface do JupyterLab

O repositório do GitHub contém o arquivo do laboratório e os arquivos das soluções do curso.

1. Copie e execute o código a seguir na primeira célula do notebook para clonar o repositório training-data-analyst.

2. Para confirmar que você clonou o repositório, clique duas vezes no diretório training-data-analyst e veja se o conteúdo aparece.

Clique em Verificar meu progresso para conferir o objetivo. Clonar um repositório do curso na sua interface do JupyterLab

Tarefa 4: execute a engenharia de atributos avançada no BigQuery ML

Duração: 60 min

1. Na interface do notebook, acesse training-data-analyst > courses > machine_learning > deepdive2 > feature_engineering > labs e abra 2_bqml_adv_feat_eng-lab.ipynb.

2. Uma janela pop-up vai aparecer para você selecionar um kernel. Escolha o TensorFlow 2.11 (Local) entre as opções.

3. Ainda na interface do notebook, clique em Edit > Clear All Outputs (clique em "Edit", depois selecione "Clear All Outputs" no menu suspenso).

4. Leia com atenção as instruções do notebook e preencha as linhas marcadas com #TODO quando precisar concluir o código.

Clique em Verificar meu progresso para conferir o objetivo. execute a engenharia de atributos avançada no BigQuery ML

Finalize o laboratório

Após terminar seu laboratório, clique em End Lab. O Qwiklabs removerá os recursos usados e limpará a conta para você.

Você poderá avaliar sua experiência neste laboratório. Basta selecionar o número de estrelas, digitar um comentário e clicar em Submit.

O número de estrelas indica o seguinte:

• 1 estrela = muito insatisfeito
• 2 estrelas = insatisfeito
• 3 estrelas = neutro
• 4 estrelas = satisfeito
• 5 estrelas = muito satisfeito

Feche a caixa de diálogo se não quiser enviar feedback.

Para enviar seu feedback, fazer sugestões ou correções, use a guia Support.

Copyright 2026 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de empresas e produtos podem ser marcas registradas das empresas a que estão associados.