Ringkasan

Lab ini menunjukkan cara memeriksa tingkat keamanan yang dihasilkan oleh Vertex AI Gemini API dan cara menetapkan batas keamanan untuk memfilter respons.

Tujuan pembelajaran

1. Memanggil Vertex AI Gemini API dan memeriksa tingkat keamanan respons
2. Menentukan batas pemfilteran tingkat keamanan sesuai dengan kebutuhan Anda

Tugas 0. Penyiapan dan persyaratan

Untuk setiap lab, Anda akan memperoleh project Google Cloud baru serta serangkaian resource selama jangka waktu tertentu, tanpa biaya.

1. Login ke Qwiklabs menggunakan jendela samaran.

2. Perhatikan waktu akses lab (misalnya, 1:15:00), dan pastikan Anda dapat menyelesaikannya dalam waktu tersebut.
   Tidak ada fitur jeda. Bila perlu, Anda dapat memulai ulang lab, tetapi Anda harus memulai dari awal.

3. Jika sudah siap, klik Start lab.

4. Catat kredensial lab (Nama pengguna dan Sandi) Anda. Anda akan menggunakannya untuk login ke Google Cloud Console.

5. Klik Open Google Console.

6. Klik Use another account, lalu salin/tempel kredensial lab ini ke perintah yang muncul.
   Jika menggunakan kredensial lain, Anda akan menerima pesan error atau dikenai biaya.

7. Setujui ketentuan dan lewati halaman resource pemulihan.

Mengaktifkan Notebooks API

1. Di Konsol Google Cloud, pada Navigation menu, klik APIs & Services > Library.

2. Telusuri Notebooks API, lalu tekan ENTER.

3. Klik hasil Notebooks API, dan jika API tidak diaktifkan, klik Enable.

Mengaktifkan Vertex AI API

1. Di Konsol Google Cloud, pada Navigation menu, klik Vertex AI > Dashboard.

2. Klik ENABLE ALL RECOMMENDED APIS.

Klik Periksa progres saya untuk memverifikasi tujuan. Mengaktifkan Notebooks API dan Vertex AI API

Tugas 1. Membuka instance Vertex AI Workbench

1. Di Konsol Google Cloud, pada Navigation Menu, klik Vertex AI > Workbench.

2. Di halaman Instance, klik CREATE NEW.

3. Gunakan zona dan region default: . Tetap gunakan nilai default untuk setelan lainnya, lalu klik Create. VM baru akan membutuhkan waktu 2-3 menit untuk dimulai.

4. Klik Open JupyterLab. Jendela JupyterLab akan terbuka di tab baru.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat instance Vertex AI Workbench

Tugas 2. Membuat clone repositori kursus dalam instance Vertex AI Workbench

Untuk membuat clone notebook di instance JupyterLab Anda:

1. Di JupyterLab, buka jendela terminal baru.

2. Di prompt command line, jalankan perintah berikut:

git clone https://github.com/GoogleCloudPlatform/asl-ml-immersion.git cd asl-ml-immersion export PATH=$PATH:~/.local/bin make install

3. Untuk mengonfirmasi bahwa Anda telah membuat clone repositori, klik direktori asl-ml-immersion dua kali dan pastikan kontennya terlihat. File untuk semua lab yang berbasis notebook Jupyter di seluruh kursus ini tersedia di dalam direktori tersebut.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat clone repositori kursus dalam instance Vertex AI Platform Notebooks

Tugas 3. Mengamankan dengan Gemini API

1. Di antarmuka notebook, buka asl-ml-immersion > notebooks > responsible_ai > safety > solutions, lalu buka gemini_safety_ratings.ipynb.

2. Di antarmuka notebook, klik Edit > Clear All Outputs.

3. Bacalah secara cermat petunjuk dalam notebook dan jalankan notebook.

Tips: Untuk menjalankan sel saat ini, klik sel tersebut lalu tekan SHIFT+ENTER. Perintah sel yang lain tercantum dalam UI notebook di bagian Run.

Mengakhiri lab Anda

Setelah Anda menyelesaikan lab, klik Akhiri Lab. Qwiklabs menghapus resource yang telah Anda gunakan dan menghapus akun.

Anda akan diberi kesempatan untuk menilai pengalaman menggunakan lab. Pilih jumlah bintang yang sesuai, ketik komentar, lalu klik Submit.

Makna jumlah bintang:

• 1 bintang = Sangat tidak puas
• 2 bintang = Tidak puas
• 3 bintang = Netral
• 4 bintang = Puas
• 5 bintang = Sangat puas

Anda dapat menutup kotak dialog jika tidak ingin memberikan masukan.

Untuk masukan, saran, atau koreksi, gunakan tab Dukungan.

Hak cipta 2020 Google LLC Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.