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。

TFX パイプラインの CI / CD

ラボ 2時間 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

このラボでは、同じ TFX パイプラインの構築とデプロイを lab-02.ipynb から自動的に行う Cloud Build CI / CD ワークフローの作成について手順を追って紹介します。また、パイプラインのコードをホストする GitHub リポジトリに新しいタグが適用されるとワークフローを開始するトリガーを設定することで、ワークフローと GitHub の統合も行います。

目標

  • CI / CD ワークフローを Cloud Build を使って開発し、機械学習パイプラインの構築とデプロイを行うこと。
  • GitHub との統合を行って、パイプライン ソース リポジトリの変更でワークフローがトリガーされるようにすること。

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. AI Platform Pipelines のインスタンスを作成する

このタスクでは、Kubeflow Pipelines を Kubernetes アプリとしてデプロイします。Kubeflow Pipelines は、シンプルなクリック操作で Google Kubernetes Engine にデプロイできるソリューションです。オンプレミスまたはサードパーティ クラウド内の Kubernetes クラスタにデプロイできる柔軟性も備えています。この Kubeflow Pipelines が AI Platform Pipelines として Google Cloud 環境に統合されます。興味があれば、インストールの間にこちらの概要ドキュメントで Kubeflow Pipelines の詳細を確認できます。

  1. 次のコマンドを実行して、ラボリソースを初期化します。
gsutil cp gs://cloud-training/TFX-Script/tfx-init.sh . sh tfx-init.sh
  1. Google Cloud コンソールのナビゲーション メニューで、下にスクロールして [AI Platform] を見つけます。以降の作業でアクセスしやすくするために、ピンのアイコンをクリックして固定します。

開いたナビゲーション メニューの [AI] セクションに固定された [AI Platform] オプション

  1. [AI Platform] から [パイプライン] に移動します。

[AI Platform] サブメニューでハイライト表示された [パイプライン] オプション

  1. [新しいインスタンス] をクリックします。

[AI Platform Pipelines] ページでハイライト表示されている [新しいインスタンス] ボタン

  1. [構成] をクリックします。

[Kubeflow Pipelines] ダイアログ ボックスでハイライト表示された [構成] ボタン

  1. クラスタを作成するには、 として [ゾーン] を選択した後、[次の Cloud API へのアクセスを許可する] をオンにし、名前をそのままにして、[クラスタを新規作成] をクリックします。
注: クラスタの作成には 3～5 分かかります。次のステップに進む前に、このステップが完了するまで待つ必要があります。

  1. ページの一番下までスクロールして Marketplace の利用規約に同意し、[デプロイ] をクリックします。KubeFlow パイプラインの個々のサービスが GKE クラスタにデプロイされます。デプロイが完了するまで次のタスクに進まないでください。

  2. Cloud Shell で次のコマンドを実行して、kubectl コマンドライン アクセスを構成します。

gcloud container clusters get-credentials cluster-1 --zone {{{project_0.default_zone|place_holder_text}}} --project {{{project_0.project_id|place_holder_text}}}
  1. Cloud Shell で次のコマンドを実行して、KFP デプロイのエンドポイントを取得します。
kubectl describe configmap inverse-proxy-config | grep googleusercontent.com 重要: 後のタスクで、ノートブックのいずれかのセルに KFP のエンドポイントを設定する必要があります。上記の出力をエンドポイントとして使用してください。

[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。 AI Platform Pipelines のインスタンスを作成する

タスク 2. AI Platform Notebooks にアクセスする

AI Platform Notebooks を起動するには:

  1. ナビゲーション メニューをクリックして、[AI Platform]、[ワークベンチ] の順に移動します。

  2. あらかじめプロビジョニングされているノートブック tfx-on-googlecloud が表示されます。表示されない場合、数分待ってからページを更新します。

  3. [JupyterLab を開く] をクリックします。JupyterLab ウィンドウが新しいタブで開きます。

タスク 3. AI Platform Notebooks インスタンス内でサンプル リポジトリのクローンを作成する

mlops-on-gcp ノートブックのクローンを JupyterLab インスタンス内に作成するには、次の手順を行います。

  1. JupyterLab で、[Terminal] アイコンをクリックして新しいターミナルを開きます。

  2. コマンドライン プロンプトで、次のコマンドを入力して Enter キーを押します。

    git clone https://github.com/GoogleCloudPlatform/mlops-on-gcp 注: クローンが作成されたリポジトリが JupyterLab UI に表示されない場合、上部に並んだメニューの [Git] > [Clone a repository] から、UI を使ってリポジトリ（https://github.com/GoogleCloudPlatform/mlops-on-gcp）のクローンを作成できます。

    クローンの作成ダイアログ

  3. リポジトリのクローンが作成されたことを確認するには、mlops-on-gcp 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。このディレクトリには、本コースのすべての Jupyter ノートブック ラボで使用するファイルが含まれています。

サンプル ノートブックに移動する

  1. JupyterLab でターミナルを開き、次のコマンドを実行します。
cd mlops-on-gcp/workshops/tfx-caip-tf23 ./install.sh

  1. 次に AI Platform Notebooks で mlops-on-gcp/workshops/tfx-caip-tf23/lab-03-tfx-cicd/labs に移動し、lab-03.ipynb を開きます。

  2. ノートブックのすべてのセルをクリア（ノートブックのツールバーの [クリア] ボタンを使用）したうえで、セルを 1 つずつ実行します。

  3. メッセージが表示されたら、以下の手順に沿って進行状況を確認します。

さらに情報が必要な場合は、mlops-on-gcp/workshops/tfx-caip-tf23/lab-03-tfx-cicd/solutions に移動して lab-03.ipynb を開くことで、ソリューションの全体を見ることもできます。

タスク 4. クラウドでトレーニング ジョブを実行する

完了したタスクをテストする

[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。 イメージをビルドして、プロジェクトの Container Registry に push する

完了したタスクをテストする

[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。 CI / CD の実行を手動でトリガーする

完了したタスクをテストする

[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。 Cloud Build トリガーを作成する

完了したタスクをテストする

[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。 ビルドをトリガーする

お疲れさまでした

このラボでは、TFX パイプラインのビルドとデプロイを自動的に行う Cloud Build CI / CD ワークフローを作成しました。また、Cloud Build トリガーの設定による TFX ワークフローと GitHub との統合も行いました。次のラボでは、TFX メタデータと TFX パイプラインの実行時に作られるパイプライン アーティファクトの検査手順を紹介します。

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。