Hello テキストデータ: プロジェクトと環境を設定する

2024 年 9 月 15 日以降、分類、エンティティ抽出、感情分析の目標をカスタマイズするには、Vertex AI Gemini のプロンプトとチューニングに移行する必要があります。Vertex AI AutoML Text のモデルを、分類、エンティティ抽出、感情分析の目標に向けてトレーニングまたは更新することはできなくなります。既存の Vertex AI AutoML Text モデルは、2025 年 6 月 15 日まで引き続き使用できます。AutoML Text と Gemini の比較については、AutoML Text ユーザー向けの Gemini をご覧ください。プロンプト機能の向上による Gemini のユーザー エクスペリエンスの改善について詳しくは、チューニングの概要をご覧ください。チューニングを開始するには、Gemini テキストモデルのモデル チューニングをご覧ください。

詳細については、次のいずれかの環境で Jupyter ノートブック「AutoML テキスト分類モデルの作成、トレーニング、デプロイ」を実行してください。

Colab で開く | Colab Enterprise で開く | Vertex AI Workbench のユーザー管理のノートブックで開く | GitHub で表示する

Vertex AI SDK for Python を使用する場合は、クライアントを初期化するサービス アカウントに Vertex AI サービス エージェント（roles/aiplatform.serviceAgent）IAM ロールが割り当てられていることを確認します。

チュートリアルのこのパートでは、Vertex AI と Cloud Storage バケットを使用するように Google Cloud プロジェクトを設定します。このバケットに AutoML モデルのトレーニングで使用するドキュメントを格納します。

このチュートリアルには複数のページが含まれます。

1. プロジェクトと環境の設定

2. テキスト分類データセットの作成

3. AutoML テキスト分類モデルのトレーニング

4. エンドポイントへのモデルのデプロイと予測の送信

5. プロジェクトのクリーンアップ

各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。

プロジェクトと環境を設定する

Vertex AI の機能を使用する前に、次の手順を実施してください。

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

   Go to project selector

2. Select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

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

4. Cloud Shell を開きます。Cloud Shell は Google Cloud のインタラクティブなシェル環境であり、ウェブブラウザからプロジェクトやリソースを管理できます。
Cloud Shell に移動
5. Cloud Shell で、現在のプロジェクトを Google Cloud プロジェクト ID に設定し、projectid シェル変数に格納します。

     gcloud config set project PROJECT_ID &&
     projectid=PROJECT_ID &&
     echo $projectid

   PROJECT_ID は、実際のプロジェクト ID に置き換えます。プロジェクト ID は Google Cloud コンソールで確認できます。詳細については、プロジェクト ID を確認するをご覧ください。

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_IDENTIFIER" --role=ROLE

   • Replace PROJECT_ID with your project ID.

   • Replace USER_IDENTIFIER with the identifier for your user account. For example, user:[e-mail].

   • Replace ROLE with each individual role.
Vertex AI ユーザー（roles/aiplatform.user）IAM ロールにより、Vertex AI 内のすべてのリソースを使用するためのアクセス権が付与されます。ストレージ管理者（roles/storage.admin）を使用すると、ドキュメントのトレーニング データセットを Cloud Storage に保存できます。

Cloud Storage バケットを作成してサンプル データセットをコピーする

AutoML モデルのトレーニングに使用するドキュメントを保存する Cloud Storage バケットを作成します。

1. Cloud Shell を開きます。

2. PROJECT_ID 変数をプロジェクトの ID に設定します。

   export PROJECT_ID=PROJECT_ID

3. Cloud Storage バケットの作成に使用する BUCKET 変数を設定します。

   export BUCKET=${PROJECT_ID}-lcm

4. BUCKET 変数を使用して、us-central1 リージョンに Cloud Storage バケットを作成します。

   gcloud storage buckets create gs://${BUCKET}/ --project=${PROJECT_ID} --location=us-central1

5. happiness.csv サンプル トレーニング データセットをバケットにコピーします。

   gcloud storage cp gs://cloud-ml-data/NL-classification/happiness.csv gs://${BUCKET}/text/ --recursive

次のステップ

このチュートリアルの次のページに沿って、Vertex AI コンソールを使用してテキスト分類データセットを作成し、コピーしたドキュメントを Cloud Storage バケットにインポートします。