Visão geral

Duração: 1min

Neste laboratório, você vai usar o Keras para construir um modelo de previsão de preços de táxi, assim como a engenharia de atributos avançada para melhorar a previsão do valor da tarifa para viagens de táxi em Nova York.

Conteúdo do laboratório

Neste laboratório, você vai aprender a:

• criar um notebook de instância do Workbench;
• processar colunas de atributo temporais no Keras;
• usar camadas Lambda para fazer engenharia de atributos em recursos de geolocalização;
• criar colunas com um índice de bucket e atributos cruzados.

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 da nuvem para uma estação de trabalho ou notebook.

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

Configuração e requisitos

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

1. Faça login no Qwiklabs em 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: 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 2: 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.

!git clone https://github.com/GoogleCloudPlatform/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 3: executar a engenharia de atributos avançada no Keras

Duração: 60min

1. Na interface do notebook, navegue até training-data-analyst > courses > machine_learning > deepdive2 > feature_engineering > labs e abra 4_keras_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 adicione o código necessário nas linhas marcadas com #TODO.

Clique em Verificar meu progresso para conferir o objetivo. executar a engenharia de atributos avançada no Keras

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 2020 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.