Hello 테이블 형식 데이터: 프로젝트 및 환경 설정

이 튜토리얼에서는 Google Cloud 콘솔의 테이블 형식 데이터 모델을 학습시키고 예측을 수행하는 데 필요한 단계를 설명합니다. Python용 Vertex AI SDK를 사용하려는 경우 클라이언트를 초기화하는 서비스 계정에 Vertex AI 서비스 에이전트(roles/aiplatform.serviceAgent) IAM 역할이 있는지 확인합니다.

튜토리얼의 이 부분에서는 AutoML 모델을 학습시키는 데 필요한 문서가 포함된 Vertex AI 및 Cloud Storage 버킷을 사용하기 위해 Google Cloud 프로젝트를 설정하게 됩니다.

프로젝트 및 환경 설정

  1. In the Google Cloud console, go to the project selector page.

    Go to project selector

  2. Select or create a Google Cloud project.

  3. Make sure that billing is enabled for your Google Cloud project.

  4. Cloud Shell을 엽니다. Cloud Shell은 웹브라우저에서 프로젝트와 리소스를 관리할 수 있는 Google Cloud의 대화형 셸 환경입니다.
    5. Cloud Shell로 이동
  5. Cloud Shell에서 현재 프로젝트를 Google Cloud 프로젝트 ID로 설정하고 이를 projectid 셸 변수에 저장합니다. 
      gcloud config set project PROJECT_ID &&
  projectid=PROJECT_ID &&
  echo $projectid
     PROJECT_ID를 프로젝트 ID로 바꿉니다. Google Cloud 콘솔에서 프로젝트 ID를 찾을 수 있습니다. 자세한 내용은 프로젝트 ID 찾기를 참조하세요.

  6. Enable the IAM, Compute Engine, Notebooks, Cloud Storage, and Vertex AI APIs: 

    gcloud services enable iam.googleapis.com  compute.googleapis.com notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com

  7. Grant roles to your user account. Run the following command once for each of the following IAM roles: roles/aiplatform.user, roles/storage.admin 

    gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE
    • Replace PROJECT_ID with your project ID.

    • Replace USER_IDENTIFIER with the identifier for your user account. For example, user:myemail@example.com.

    • Replace ROLE with each individual role.

    8. Vertex AI 사용자(roles/aiplatform.user) IAM 역할은 Vertex AI의 모든 리소스를 사용할 수 있는 액세스 권한을 제공합니다. 스토리지 관리자(roles/storage.admin) 역할을 통해 Cloud Storage에 문서의 학습 데이터 세트를 저장할 수 있습니다.

다음 단계

이 가이드의 다음 페이지 설명에 따라 테이블 형식의 데이터 세트를 만들고 분류 모델을 학습시킵니다.

이전
개요
다음
데이터 세트 만들기 및 AutoML 분류 모델 학습