始める前に
- 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
- 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。
- 画面左上の [ラボを開始] をクリックして開始します
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。
Vertex SDK: 説明付きのオンライン予測用のカスタム トレーニング表形式回帰モデル
ラボの手順とタスク
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、Vertex SDK を使用して、説明付きのオンライン予測用のカスタム表形式回帰モデルを作成・デプロイする方法を説明します。
学習目標
このラボでは、Vertex SDK を使用して、Google の事前構築済みの Docker コンテナで Python スクリプトからカスタムモデルを作成し、データを送信してデプロイ済みモデルで説明付きの予測を行います。Google Cloud CLI または Google Cloud コンソールを使用して、カスタムモデルを作成することもできます。
具体的には以下のタスクを行います。
- モデルのトレーニング用の Vertex カスタムジョブを作成します。
- TensorFlow モデルをトレーニングします。
- モデル アーティファクトを取得して読み込みます。
- モデルの評価を表示します。
- 説明パラメータを設定します。
- Vertex
Modelリソースとしてモデルをアップロードします。 - サービスを提供する
EndpointリソースにModelリソースをデプロイします。 - 説明付きの予測を行います。
-
Modelリソースのデプロイを解除します。
設定と要件
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。
-
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。
-
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。 -
準備ができたら、[ラボを開始] をクリックします。
-
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。
-
[Google Console を開く] をクリックします。
-
[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。 -
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。
Vertex AI API を有効にする
- Google Cloud コンソールのナビゲーション メニューで、[Vertex AI] > [ダッシュボード]、[VERTEX AI API を有効にする] をクリックします。
タスク 1. Vertex AI Notebooks インスタンスを起動する
-
Google Cloud コンソール のナビゲーション メニューで、[Vertex AI] > [ワークベンチ] をクリックします。[ユーザー管理のノートブック] を選択します。
-
ノートブック インスタンスのページで [Create New] をクリックし、[Environment] で [TensorFlow Enterprise 2.6 (with LTS)] の最新バージョンを選択します。
-
[新しいノートブック] インスタンス ダイアログで、Deep Learning VM の名前を確認します。リージョンとゾーンを変更しない場合は、設定をすべてそのままにして [作成] をクリックします。新しい VM が起動するまでに 2～3 分かかります。
-
[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 2. Vertex AI Notebooks インスタンス内でコース 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。
- 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。
- 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。
タスク 3. 説明付きのオンライン予測用のカスタム表形式回帰モデルをトレーニングしてデプロイする
-
ノートブック インターフェースで、[training-data-analyst] > [courses] > [machine_learning] > [deepdive2] > [machine_learning_in_the_enterprise] > [labs] に移動して sdk_custom_tabular_regression_online_explain.ipynb を開きます。
-
ノートブック インターフェースで、[Edit] > [Clear All Outputs] をクリックします。
-
ノートブックの手順をよく読み、「#TODO」のマークが付いた行に必要な内容を入力してコードを完成させます。
ヒント: 現在のセルを実行するには、そのセルをクリックして、Shift+Enter キーを押します。
ソリューションの全体を見るには、[training-data-analyst] > [courses] > [machine_learning] > [deepdive2] > [machine_learning_in_the_enterprise] > [solutions] に移動して sdk_custom_tabular_regression_online_explain.ipynb を開きます。
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。
