ARC114

Übersicht

In einem Challenge-Lab geht es um ein bestimmtes Szenario mit mehreren Aufgaben. Anders als bei einem normalen Lab erhalten Sie jedoch keine Schritt-für-Schritt-Anleitung, sondern nutzen die in den Labs des jeweiligen Kurses erlernten Fähigkeiten, um die Aufgaben selbst zu lösen. Ihre Lösungen werden automatisch bewertet. Die erzielten Punkte finden Sie rechts oben auf dieser Seite.

In Challenge-Labs werden keine neuen Grundlagen zu Google Cloud vermittelt. Sie sollen dabei Ihr Wissen erweitern und es wird erwartet, dass Sie beispielsweise Standardwerte ändern und Fehlermeldungen lesen und recherchieren, um Ihre eigenen Fehler zu beheben.

Die volle Punktzahl erreichen Sie nur, wenn Sie alle Aufgaben innerhalb der vorgegebenen Zeit lösen.

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Das Szenario

Sie beginnen eine Karriere als Junior Cloud Architect. In dieser Rolle sind Sie einem Teamprojekt zugeteilt, bei dem Sie die Cloud Natural Language API- und Cloud Speech API-Dienste in Google Cloud verwenden müssen.

Das Know-how für die folgenden Aufgaben wird vorausgesetzt.

Die Aufgabe

Bei dieser Challenge sollen Sie mit der Cloud Natural Language API und der Cloud Speech API Text und Sprache analysieren. Außerdem müssen Sie mit Python eine Sentimentanalyse eines Textdokuments durchführen.

Folgende Schritte sind erforderlich:

• API-Schlüssel erstellen
• Eine Anfrage für eine Entitätsanalyse senden und die Natural Language API aufrufen
• Anfrage zur Sprachanalyse erstellen und Speech API aufrufen
• Sentimentanalyse mit der Natural Language API

Für dieses Challenge-Lab wurde eine VM-Instanz mit dem Namen „“ für Sie konfiguriert, damit Sie die Aufgaben ausführen können.

Die einzelnen Aufgaben sind nachfolgend genauer beschrieben. Viel Erfolg!

Aufgabe 1: API-Schlüssel erstellen

1. In dieser Aufgabe müssen Sie einen API-Schlüssel erstellen, den Sie bei dieser und anderen Aufgaben verwenden können, wenn Sie eine Anfrage an die Natural Language API senden.

2. Speichern Sie den API-Schlüssel, damit Sie ihn für weitere Aufgaben verwenden können.

Klicken Sie auf Fortschritt prüfen. API-Schlüssel erstellen

Aufgabe 2: Eine Anfrage für eine Entitätsanalyse senden und die Natural Language API aufrufen

1. Stellen Sie für diese Aufgabe über SSH eine Verbindung zur Instanz „“ her, die für Sie bereitgestellt wurde.

2. Erstellen Sie als Nächstes eine JSON-Datei mit dem Namen nl_request.json, die Sie zur Analyse an die Natural Language API übergeben. Sie können den folgenden Code zu Ihrer JSON-Datei hinzufügen, um Text über die Stadt Boston zu analysieren. Alternativ können Sie auch einen Text Ihrer Wahl zum content-Objekt hinzufügen, um stattdessen damit eine Entitätsanalyse durchzuführen.

{ "document":{ "type":"PLAIN_TEXT", "content":"With approximately 8.2 million people residing in Boston, the capital city of Massachusetts is one of the largest in the United States." }, "encodingType":"UTF8" }

3. Mit dem curl-Befehl können Sie nun den Anfragetext zusammen mit der zuvor gespeicherten Umgebungsvariablen mit dem API-Schlüssel an die Natural Language API übergeben. Alternativ können Sie den Text mit gcloud-ML-Befehlen analysieren.

4. Speichern Sie die Antwort in einer Datei namens nl_response.json.

Klicken Sie auf Fortschritt prüfen. Anfrage für eine Entitätsanalyse senden und die Natural Language API aufrufen

Aufgabe 3: Anfrage zur Sprachanalyse erstellen und Speech API aufrufen

Hinweis : Sie verwenden hierfür eine zuvor aufgezeichnete Audiodatei, die in Cloud Storage verfügbar ist: gs://cloud-samples-tests/speech/brooklyn.flac. Hören Sie sich die Audiodatei an, bevor Sie sie an die Speech API senden.

1. Erstellen Sie eine weitere JSON-Datei mit dem Namen speech_request.json für diese Aufgabe und fügen Sie den Inhalt mit dem URI-Wert der Beispielaudiodatei hinzu.

{ "config": { "encoding":"FLAC", "languageCode": "en-US" }, "audio": { "uri":"Pass the API the uri of the audio file in Cloud Storage" } }

2. Mit dem curl-Befehl können Sie nun den Anfragetext zusammen mit der zuvor gespeicherten Umgebungsvariablen mithilfe des API-Schlüssels an die Natural Language API übergeben oder die Sprache mit gcloud-ML-Befehlen analysieren.

3. Speichern Sie die Antwort in einer Datei mit dem Namen speech_response.json.

Klicken Sie auf Fortschritt prüfen. Anfrage zur Sprachanalyse erstellen und Speech API aufrufen

Aufgabe 4: Sentimentanalyse mit der Natural Language API

Für diese Aufgabe müssen Sie das Sentiment in Texten mithilfe der Google Cloud Natural Language API analysieren. Diese API versucht, die allgemeine Einstellung zu etwas (positiv oder negativ) einer Inhaltsstichprobe wie z. B. einer Filmkritik zu bestimmen. In der -Instanz wurde bereits eine einfache Python-Anwendungscode-Datei mit dem Namen sentiment_analysis.py für Sie konfiguriert und erstellt. Für Ihre Analyse testen Sie das Modell mit einer Reihe von (fiktiven) Filmkritiken des Science-Fiction-Actionfilms Blade Runner von Ridley Scott aus dem Jahr 1982.

Um mit der Natural Language API eine Sentimentanalyse durchzuführen, müssen Sie auf den Dienst zugreifen, indem Sie die Methode analyze_sentiment der Instanz LanguageServiceClient aufrufen.

1. Sie müssen die Methode def analyze(movie_review_filename): in der Datei sentiment_analysis.py bearbeiten und die Methode durch Python-Code ergänzen, der die folgenden Aktionen ausführt:

   • Eine LanguageServiceClient-Instanz als Client instanziieren.
   • Den Dateinamen mit den Textdaten in eine Variable einlesen.
   • Ein Document-Objekt mit dem Inhalt der Datei instanziieren.
   • Die analyze_sentiment-Methode des Clients aufrufen.

2. Laden Sie die fiktiven Filmkritik-Beispiele aus Google Cloud Storage herunter: gs://cloud-samples-tests/natural-language/sentiment-samples.tgz

3. Entpacken Sie die Beispieldateien und führen Sie die Sentimentanalyse mit dem entsprechenden Python-Befehl für eine der Dateien, bladerunner-pos.txt, aus.

Klicken Sie auf Fortschritt prüfen. Sentimentanalyse mit der Natural Language API

Glückwunsch!

Sie haben erfolgreich eine Entitäts- und Sentimentanalyse von Text und Sprache mit der Natural Language API und der Speech API durchgeführt.

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 16. September 2025 aktualisiert

Lab zuletzt am 20. September 2023 getestet

© 2025 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.