GSP076

Descripción general

Con este lab, obtendrás experiencia práctica en el entrenamiento de modelos de TensorFlow 2.x, tanto a nivel local como en Vertex AI Workbench. Después del entrenamiento, aprenderás a implementar tu modelo en Vertex AI para derivas (predicciones). Entrenarás el modelo para predecir la categoría de ingresos de una persona mediante el conjunto de datos de ingresos del censo de Estados Unidos.

En este lab, se brinda una introducción al entrenamiento y la predicción en Vertex AI de principio a fin. Se utilizará un conjunto de datos del censo para realizar lo siguiente:

• Crear una aplicación de entrenamiento de TensorFlow 2.x y validarla de manera local
• Ejecutar tu trabajo de entrenamiento en una sola instancia de trabajador en la nube
• Implementar un modelo que admita la predicción
• Solicitar una predicción en línea y ver la respuesta

Qué compilarás

Con la muestra, se compila un modelo de clasificación para la predicción de la categoría de ingresos según el conjunto de datos del censo de Estados Unidos. Las siguientes son las dos categorías de ingresos (también conocidas como etiquetas):

• >50K: Superior a $50,000
• ≤50K: Inferior o igual a $50,000

La muestra define el modelo con la API secuencial de Keras. También determina las transformaciones de datos particulares del conjunto de datos del censo y luego asigna estos atributos (potencialmente) transformados a la DNN o a la parte lineal del modelo.

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs son cronometrados y no se pueden pausar. El cronómetro, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar (se recomienda el navegador Chrome)

Nota: Usa una ventana de navegador privada o de Incógnito para ejecutar este lab. Así evitarás cualquier conflicto entre tu cuenta personal y la cuenta de estudiante, lo que podría generar cargos adicionales en tu cuenta personal.

• Tiempo para completar el lab: Recuerda que, una vez que comienzas un lab, no puedes pausarlo.

Nota: Si ya tienes un proyecto o una cuenta personal de Google Cloud, no los uses en este lab para evitar cargos adicionales en tu cuenta.

Cómo iniciar su lab y acceder a la consola de Google Cloud

1. Haga clic en el botón Comenzar lab. Si debe pagar por el lab, se abrirá una ventana emergente para que seleccione su forma de pago. A la izquierda, se encuentra el panel Detalles del lab que tiene estos elementos:

   • El botón Abrir la consola de Google
   • Tiempo restante
   • Las credenciales temporales que debe usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haga clic en Abrir la consola de Google. El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordene las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ve el diálogo Elegir una cuenta, haga clic en Usar otra cuenta.

3. Si es necesario, copie el nombre de usuario del panel Detalles del lab y péguelo en el cuadro de diálogo Acceder. Haga clic en Siguiente.

4. Copie la contraseña del panel Detalles del lab y péguela en el cuadro de diálogo de bienvenida. Haga clic en Siguiente.

   Importante: Debe usar las credenciales del panel de la izquierda. No use sus credenciales de Google Cloud Skills Boost. Nota: Usar su propia Cuenta de Google podría generar cargos adicionales.

5. Haga clic para avanzar por las páginas siguientes:

   • Acepte los términos y condiciones.
   • No agregue opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No se registre para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Cloud en esta pestaña.

Nota: Para ver el menú con una lista de los productos y servicios de Google Cloud, haga clic en el Menú de navegación que se encuentra en la parte superior izquierda de la pantalla.

Tarea 1: Inicia un notebook de Vertex AI Workbench

Sigue estos pasos para crear e iniciar un notebook de Vertex AI Workbench:

1. En el menú de navegación , haz clic en Vertex AI > Workbench.

2. En la página Workbench, haz clic en Habilitar API de Notebooks (si todavía no está habilitada).

3. Haz clic en la pestaña Notebooks administrados por el usuario y, luego, en Crear nuevo.

4. Dale un nombre al notebook.

5. Establece Región en y Zona en .

6. En el menú Instancia nueva, elige la versión más reciente de TensorFlow Enterprise 2.x en Entorno.

7. Haz clic en Opciones avanzadas para editar las propiedades de la instancia.

8. Haz clic en Tipo de máquina y, luego, selecciona e2-standard-2 para el tipo de máquina.

9. Deja los campos restantes con su configuración predeterminada y haz clic en Crear.

Luego de unos minutos, la página de Workbench mostrará tu instancia y aparecerá Open JupyterLab.

10. Haz clic en Open JupyterLab para abrir JupyterLab en una pestaña nueva. Si aparece un mensaje en el que se indica que beatrix jupyterlab se debe incluir en la compilación, ignóralo.

Nota: Si se te solicita, en la ventana emergente Build Recommended, haz clic en “Build”.

Tarea 2: Clona el repositorio de ejemplo en tu instancia de Workbench

Sigue estos pasos para clonar el repositorio training-data-analyst en tu instancia de JupyterLab:

1. En JupyterLab, haz clic en el ícono de terminal para abrir una terminal nueva.

2. En la ventana de línea de comandos, ingresa el siguiente comando y presiona INTRO:

git clone https://github.com/GoogleCloudPlatform/training-data-analyst

3. Para confirmar que clonaste el repositorio, en el panel izquierdo, haz doble clic en la carpeta training-data-analyst para ver su contenido.

El notebook tardará varios minutos en clonarse.

Nota: Si se te solicita, en la ventana emergente Build Failed, haz clic en “Dismiss” para omitir el mensaje.

Navega al notebook de ejemplo

1. Navega a training-data-analyst/self-paced-labs/ai-platform-qwikstart y abre ai_platform_qwik_start.ipynb.

2. En la barra de herramientas del notebook, navega a Editar > Borrar todos los resultados y, luego, ejecuta las celdas una por una.

Cuando se te solicite, regresa a estas instrucciones para verificar tu progreso.

Tarea 3: Ejecuta tu trabajo de entrenamiento en la nube

Existen pasos adicionales para poder leer en el notebook. Lee estas instrucciones con atención, incluidos los comentarios en las celdas con código, para asegurarte de completar cada paso correctamente.

Prueba las tareas completadas: paso 3.1

1. Haz clic en Revisar mi progreso para verificar la tarea realizada.

Configura un bucket de Cloud Storage

2. Haz clic en Revisar mi progreso para verificar la tarea realizada.

Sube los archivos de datos a tu bucket de Cloud Storage

Prueba las tareas completadas: paso 3.2

Haz clic en Revisar mi progreso para verificar la tarea realizada.

Ejecutar un entrenador de instancia única en la nube

Prueba las tareas completadas: paso 3.3

1. Haz clic en Revisar mi progreso para verificar la tarea realizada.

Crear un modelo de Vertex AI

2. Haz clic en Revisar mi progreso para verificar la tarea realizada.

Crea una versión v1 de tu modelo

Tarea 4: Pon a prueba tus conocimientos

A continuación, se presentan algunas preguntas de opción múltiple para reforzar tus conocimientos de los conceptos de este lab. Trata de responderlas lo mejor posible.

¡Felicitaciones!

En este lab, aprendiste a entrenar un modelo de TensorFlow, de manera local y en Vertex AI, y también a utilizar el modelo entrenado para realizar predicciones.

Próximos pasos

• Regístrate para realizar el curso completo de Coursera sobre aprendizaje automático.
• Explora una amplia variedad de instructivos de TensorFlow.
• Puedes obtener más información sobre los modelos amplios y profundos en la entrada de blog de Google Research Wide & Deep Learning: Better Together with TensorFlow.
• Obtén tu propia versión de TensorFlow.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Actualización más reciente del manual: 29 de septiembre de 2023

Prueba más reciente del lab: 29 de septiembre de 2023

Copyright 2024 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.