menu
arrow_back

AI Platform: Qwik Start

AI Platform: Qwik Start

1時間 クレジット: 1

GSP076

Google Cloud セルフペース ラボ

概要

このラボでは、ローカルと AI Platform の両方で TensorFlow 2.x のモデル トレーニングを実際に行ってみます。トレーニングした後、モデルを AI Platform にデプロイしてサービス(予測)を提供する方法を学びます。ここでは、米国国勢調査の所得データセットを使用して任意の人物の所得階層を予測するモデルをトレーニングします。

このラボでは、AI Platform でのトレーニングと予測について、エンドツーエンドで操作しながら学習を進めていきます(初心者向け)。国勢調査データセットを使用して次の作業を行います。

  • TensorFlow 2.x トレーニング アプリケーションを作成し、それをローカルで検証する
  • クラウド内の単一ワーカー インスタンスでトレーニング ジョブを実行する
  • モデルをデプロイして予測リクエストに対応できるようにする
  • オンライン予測をリクエストし、レスポンスを確認する

作業内容

このサンプルでは、米国国勢調査所得データセットに基づいて所得階層を予測するためにワイド&ディープモデルを構築します。2 つの所得階層(ラベルとも呼ばれます)は次のとおりです。

  • >50K: 50,000 ドル超
  • <=50K: 50,000 ドル以下

ワイド&ディープモデルでは、複雑な特徴量やそれらの特徴量間の相互作用に関して、概要レベルの抽象化を学習するために、ディープ ニューラル ネット(DNN)を使用します。次に、DNN からの出力を、比較的簡単な特徴量に対して実行された線形回帰と結合します。これにより、多くの構造化データの問題に有効な、効果とスピードのバランスを実現できます。

このサンプルでは、既製の DNNCombinedLinearClassifier クラスを使用してモデルを定義します。国勢調査データセットに特化したデータ変換を定義してから、これらの変換されたであろう特徴量をモデルの DNN または線形部分に割り当てます。

Qwiklabs に参加してこのラボの残りの部分や他のラボを確認しましょう。

  • Google Cloud Console への一時的なアクセス権を取得します。
  • 初心者レベルから上級者レベルまで 200 を超えるラボが用意されています。
  • ご自分のペースで学習できるように詳細に分割されています。
参加してこのラボを開始
スコア

—/100

Set up a Google Cloud Storage bucket

ステップを実行

/ 20

Upload the data files to your Cloud Storage bucket

ステップを実行

/ 20

Run a single-instance trainer in the cloud

ステップを実行

/ 20

Create a Cloud ML Engine model

ステップを実行

/ 20

Create a version v1 of your model

ステップを実行

/ 20