コロナに負けず、できることを少しずつ。

[ML Study Jams Vol.4] GSP245 AI Platform を使用したオンライン予測での scikit-learn モデル提供 受講メモ

[ML Study Jams Vol.4] GSP245 AI Platform を使用したオンライン予測での scikit-learn モデル提供 受講メモ

GSP245 AI Platform を使用したオンライン予測での scikit-learn モデル提供
https://www.qwiklabs.com/focuses/1789

概要

scikit-learn で機械学習モデルを構築して、アプリケーションのモデルをリアルタイムで提供しようとすると、そのインフラストラクチャの管理は極めて大変になります。ただ幸いなことに AI Platform でトレーニング済みの scikit-learn モデルを提供するという別の選択肢があります。

トレーニングしたモデルを Google Cloud Storage にアップロードし、そのモデルに対するスケーラブルな予測リクエストを AI Platform Prediction で行うことができます。

このラボでは、単純な scikit-learn モデルをトレーニングして AI Platform Prediction にデプロイし、そのモデルに対するオンライン予測を行う方法を学習します。
(qwiklabs から引用)

ハンズオンの内容メモ

  1. 最初の変数設定で迷うことはないと思いますが、バケット作成後は確認はしましょう。

2. Cloud Shell コードエディタのアイコンは 【Open Editor】へ変更済みなのでご留意ください。また Qwiklabs の train.py はダブルバイト文字が冗長なので、コメントアウト文字が改行されている場合は削除しても無問題です。

3. train.py を実行します。

4. test.py を編集後、オンライン予測を実施します。

Prediction: False Label: False
Prediction: False Label: False
Prediction: True Label: True
Prediction: True Label: True
Prediction: False Label: False
Prediction: False Label: False
Prediction: False Label: False
Prediction: True Label: True
Prediction: False Label: False
Prediction: False Label: False

ラボ終了&Google フィードバックを送信しました。

このコマ終了に要した時間は 30分ほど。

まだまだコマは続くよ・・・。

ご覧いただき有難うございました。

以上

ML Study Jams Vol.4カテゴリの最新記事