本頁面由 Cloud Translation API 翻譯而成。

使用 Vertex AI AutoML 預測電影評分

1. 簡介

在本程式碼研究室中，我們會使用 Vertex AI AutoML 建立電影分數預測模型，並由 Java Cloud Functions 觸發已部署的模型端點。系統會使用儲存在 BigQuery 並註冊 Vertex AI 的資料訓練模型。服務清單可以分成兩個部分：

建立及部署機器學習模型
使用 ML API 預測的觸發條件

建立機器學習模型：

資料來源為 CSV 到 BigQuery
整合至 Vertex AI 的 BigQuery 資料，以便建立 AutoML 模型
部署於 Vertex AI Model Registry 的模型，用來產生端點 API

使用 ML API 預測的觸發條件：

Java Cloud Functions，用於觸發已部署 AutoML 模型端點的叫用作業，而該模型會在 UI 中接收電影詳細資料的要求，並傳回預測的電影 SCORE。

以下是應用程式的高階架構總覽：

上述架構的應用方式不在本程式碼研究室的範圍內，但如果您也想開發用戶端應用程式，請參考網誌。

現在來看看導入步驟。

建構項目

建立專屬代碼

一個 BigQuery 資料集，內含資料表和模型元件
Vertex AI AutoML 模型 (建立及部署)
可使用 ML API 預測的 Java Cloud Functions 觸發條件

2. 需求條件

瀏覽器，例如 Chrome 或 Firefox
已啟用計費功能的 Google Cloud 專案

使用條件如下：

建立專案

在 Google Cloud 控制台的專案選取器頁面中，選取或建立 Google Cloud 專案。
確認 Cloud 專案已啟用計費功能。瞭解如何檢查專案是否已啟用帳單功能。
請前往 BigQuery 啟用 API。您也可以在瀏覽器中輸入下列網址，直接開啟 BigQuery 網頁版 UI：https://console.cloud.google.com/bigquery

啟用 Cloud Shell

您將使用 Cloud Shell；這個在 Google Cloud 中執行的指令列環境已預先載入 bq，請在 Cloud 控制台中點選右上角的「啟用 Cloud Shell」：
連線至 Cloud Shell 後，您應會發現自己通過驗證，且專案已設為您的專案 ID。在 Cloud Shell 中執行下列指令，確認您已通過驗證：

gcloud auth list

在 Cloud Shell 中執行下列指令，確認 gcloud 指令知道您的專案

gcloud config list project

如果尚未設定專案，請使用下列指令進行設定：

gcloud config set project <PROJECT_ID>

如要查看 gcloud 指令和使用方式，請參閱說明文件。

3. 準備訓練資料

對所有資料相關專案、產品和應用程式而言，這是一項主要步驟。除了技術以外，還需具備大量專業知識，才能準備最佳資料集，為機器學習專案做好準備。以本次程式碼研究室為例，我們將假設資料已準備好，並使用這個已處理的資料檔案。

4. 建立及載入資料集

BigQuery 資料集是一組資料表，資料集中的所有資料表會儲存在相同的資料位置中。您也可以附加自訂存取權控管，限制存取資料集及其資料表。

在 Cloud Shell 中，使用 bq mk 指令建立名為「movies」的資料集。

bq mk --location=<<LOCATION>> movies

將「location」設為區域 (asia-south1)。請記得一併將其設為 VERTEX AI 步驟的區域 (兩個執行個體應位於相同區域)。

確認您已準備好資料檔案 (.csv)。在 Cloud Shell 中執行以下指令，以複製存放區並前往專案：

git clone <<repository link>>

cd movie-score

請使用 bq load 指令，將 CSV 檔案載入 BigQuery 資料表 (請注意，您也可以直接從 BigQuery UI 上傳)：

bq load --source_format=CSV --skip_leading_rows=1 movies.movies_score \
./movies_bq_src.csv \ Id:numeric,name:string,rating:string,genre:string,year:numeric,released:string,score:string,director:string,writer:string,star:string,country:string,budget:numeric,company:string,runtime:numeric,data_cat:string

您可透過以下 3 種方式的其中一種查詢：

我們可以透過三種方式與 BigQuery 互動，而我們會嘗試以下兩種做法：a.BigQuery 網路 UI b.bq 指令 c.API

SELECT name, rating, genre, runtime FROM movies.movies_score limit 3;

我已使用 BigQuery Web SQL 工作區執行查詢。SQL 工作區如下所示：

使用 bq 命令：

bq query --use_legacy_sql=false \
SELECT name, rating, genre, runtime FROM movies.movies_score limit 3;

5. 在 Vertex AI AutoML 中使用 BigQuery 資料

使用 BigQuery 資料，直接透過 Vertex AI 建立 AutoML 模型。請記住，我們也能從 BigQuery 本身執行 AutoML，並使用 VertexAI 註冊模型並公開端點。請參閱 BigQuery AutoML 的說明文件。但在這個範例中，我們將使用 Vertex AI AutoML 建立模型。

建立 Vertex AI 資料集

如果尚未啟用，請從 Google Cloud 控制台前往 Vertex AI，然後啟用 Vertex AI API，然後展開資料並選取「資料集」，接著依序點選「建立資料集」和「TABULAR」資料類型和「迴歸 / 分類」選項，然後按一下「建立」：