Vertex AI membuat notebook yang dikelola pengguna dan aman

1. Pengantar

Instance notebook Vertex AI Workbench yang dikelola pengguna memungkinkan Anda membuat dan mengelola instance mesin virtual (VM) deep learning dengan JupyterLab bawaan.

Instance notebook yang dikelola pengguna memiliki rangkaian paket deep learning bawaan, termasuk dukungan untuk framework TensorFlow dan PyTorch. Anda dapat mengonfigurasi instance khusus CPU, atau yang mendukung GPU.

Yang akan Anda bangun

Tutorial ini menjelaskan proses men-deploy notebook yang dikelola pengguna yang aman berdasarkan praktik terbaik dari Jaringan dan Keamanan. Langkah-langkah yang diperlukan adalah:

Membuat VPC
Membuat Cloud Router dan Cloud NAT
Konfigurasi instance notebook dengan setelan keamanan yang sesuai

Tutorial ini memberikan petunjuk mendetail untuk setiap langkah. Panduan ini juga mencakup tips dan praktik terbaik untuk mengamankan notebook yang dikelola pengguna. Gambar 1 adalah ilustrasi deployment menggunakan VPC Mandiri.

Gambar 1

Yang akan Anda pelajari

Cara menentukan apakah VPC Bersama atau Mandiri tepat untuk organisasi Anda
Cara membuat VPC Mandiri
Cara membuat Cloud Router dan Cloud NAT
Cara membuat notebook yang dikelola pengguna
Cara mengakses notebook yang dikelola pengguna
Cara memantau kondisi notebook yang dikelola pengguna
Cara membuat dan menerapkan jadwal instance

Yang Anda butuhkan

Project Google Cloud

Izin IAM

Compute Network Admin
Compute Security Admin
Compute Instance Admin
Notebooks Admin
Storage Admin
Project IAM Admin
Service Account Admin
Pengguna Akun Layanan
Storage Object Viewer (Diterapkan ke akun layanan)
Vertex AI User (Diterapkan ke akun layanan)

2. Jaringan VPC

Jaringan VPC dapat digambarkan sama seperti jaringan fisik, tetapi bedanya jaringan ini divirtualisasikan di dalam Google Cloud. Jaringan VPC adalah resource global yang terdiri dari subnet regional. Jaringan VPC secara logis terpisah satu sama lain dalam Google Cloud.

VPC Mandiri

Gambar 2 adalah contoh VPC global mandiri yang terdiri dari subnet regional (us-central1) selain Cloud Router dan Cloud NAT yang digunakan untuk memungkinkan Notebook yang Dikelola Pengguna membuat konektivitas ke Internet secara aman.

Gambar 2

VPC Bersama

Dengan VPC Bersama, Anda dapat mengekspor subnet dari jaringan VPC dalam project host ke project layanan dalam organisasi yang sama. Project host berisi resource jaringan yang dibagikan dengan project layanan seperti subnet, Cloud NAT, dan aturan firewall. Project layanan berisi resource tingkat aplikasi yang memanfaatkan resource jaringan di project host.

Gambar 3 adalah ilustrasi VPC Bersama Global, yang infrastruktur jaringan dan keamanannya di-deploy di project host, sedangkan beban kerjanya di-deploy di project layanan.

Gambar 3

VPC Mandiri vs. VPC Bersama

Satu jaringan VPC sudah cukup untuk banyak kasus penggunaan sederhana, karena lebih mudah dibuat, dikelola, dan dipahami daripada alternatif yang lebih kompleks. VPC Bersama adalah alat yang efektif untuk organisasi dengan beberapa tim, karena memungkinkan mereka memperluas kesederhanaan arsitektur satu jaringan VPC di beberapa kelompok kerja melalui penggunaan project layanan.

Praktik Terbaik VPC yang digunakan dalam tutorial

Aktifkan Cloud NAT untuk mengakses notebook.
Aktifkan Akses Google Pribadi saat Anda membuat subnet.
Buat aturan firewall preskriptif untuk mengurangi traffic yang tidak diminta, misalnya, jangan gunakan tcp 0.0.0.0/0, tetapi tentukan alamat IP host atau subnet yang tepat.
Manfaatkan kebijakan firewall untuk memperdalam cakupan aturan ingress, misalnya lokasi geografis, daftar kecerdasan ancaman, nama domain sumber, dll.

3. Praktik Terbaik Notebook

Menyesuaikan ukuran instance Anda

Menghentikan dan/atau menghapus instance yang tidak digunakan
Gunakan instance awal yang lebih kecil dan lakukan iterasi dengan data sampel yang lebih kecil
Menskalakan instance sesuai kebutuhan
Bereksperimen dengan set data yang lebih kecil

Pilih jenis mesin yang tepat

VM yang dioptimalkan untuk biaya
Memanfaatkan sumber daya hardware dengan lebih baik untuk menurunkan biaya
Penghematan hingga 31% dibandingkan dengan N1
Penghematan tambahan (20-50%) untuk komitmen 1 atau 3 tahun
Meningkatkan ukuran mesin atau menambahkan GPU dapat membantu meningkatkan performa dan mengatasi error batasan memori

Menjadwalkan instance untuk dimatikan

Menonaktifkan instance saat tidak ada aktivitas (hanya membayar penyimpanan disk)
Menjadwalkan instance VM notebook untuk dimatikan dan diaktifkan secara otomatis pada jam tertentu

Memantau status kondisi notebook

Instance notebook yang dikelola pengguna memiliki alat diagnostik bawaan yang dapat membantu Anda memantau kondisi instance.

Pertimbangan Keamanan

Berikut adalah pertimbangan keamanan yang direkomendasikan saat membuat notebook yang dikelola pengguna:

Pilih opsi untuk akses notebook "khusus satu pengguna". Jika pengguna yang ditentukan bukan pembuat instance, Anda harus memberikan peran Pengguna Akun Layanan (roles/iam.serviceAccountUser) kepada pengguna yang ditentukan di akun layanan instance tersebut.
Nonaktifkan opsi berikut:
akses root
nbconvert
mendownload file dari UI JupyterLab
Cloud NAT akan digunakan, bukan menetapkan alamat IP eksternal ke notebook yang dikelola pengguna.
Pilih opsi komputasi berikut:
Booting Aman
Virtual Trusted Platform Module (vTPM)
Pemantauan integritas

4. Sebelum memulai

Mengupdate project untuk mendukung tutorial

Tutorial ini menggunakan $variables untuk membantu penerapan konfigurasi gcloud di Cloud Shell.

Di dalam Cloud Shell, lakukan hal berikut:

gcloud config list project
gcloud config set project [your-project-name]
projectid=your-project-name
echo $projectid

5. Penyiapan VPC

Buat VPC Mandiri

Di dalam Cloud Shell, lakukan hal berikut:

gcloud compute networks create securevertex-vpc --project=$projectid --subnet-mode=custom

Buat subnet notebook yang dikelola pengguna

Di dalam Cloud Shell, lakukan hal berikut:

gcloud compute networks subnets create securevertex-subnet-a --project=$projectid --range=10.10.10.0/28 --network=securevertex-vpc --region=us-central1 --enable-private-ip-google-access

Konfigurasi Cloud Router dan NAT

Cloud NAT digunakan dalam tutorial untuk mendownload paket software notebook karena instance notebook yang dikelola pengguna tidak memiliki alamat IP eksternal. Cloud NAT juga menawarkan kemampuan NAT keluar, yang berarti bahwa host internet tidak diizinkan untuk memulai komunikasi dengan notebook yang dikelola pengguna, sehingga lebih aman.

Di dalam Cloud Shell, buat Cloud Router regional.

gcloud compute routers create cloud-router-us-central1 --network securevertex-vpc --region us-central1

Di dalam Cloud Shell, buat gateway Cloud NAT regional.

gcloud compute routers nats create cloud-nat-us-central1 --router=cloud-router-us-central1 --auto-allocate-nat-external-ips --nat-all-subnet-ip-ranges --region us-central1

6. Membuat bucket penyimpanan

Bucket penyimpanan menawarkan upload/pengambilan file yang aman. Dalam tutorial ini, penyimpanan cloud akan berisi skrip pasca-startup untuk menginstal paket AI Generatif di notebook yang dikelola pengguna.

Buat bucket Cloud Storage dan ganti BUCKET_NAME dengan nama unik secara global yang Anda inginkan.

Di dalam Cloud Shell, buat bucket penyimpanan yang unik.

gsutil mb -l us-central1 -b on gs://BUCKET_NAME

Simpan ‘BUCKET_NAME' selama durasi lab

BUCKET_NAME=YOUR BUCKET NAME
echo $BUCKET_NAME

7. Membuat skrip pasca-startup

Untuk mengaktifkan download paket AI Generatif, buat skrip pasca-startup di Cloud Shell menggunakan editor vi atau nano dan simpan sebagai poststartup.sh.

#! /bin/bash
echo "Current user: id" >> /tmp/notebook_config.log 2>&1
echo "Changing dir to /home/jupyter" >> /tmp/notebook_config.log 2>&1
cd /home/jupyter
echo "Cloning generative-ai from github" >> /tmp/notebook_config.log 2>&1
su - jupyter -c "git clone https://github.com/GoogleCloudPlatform/generative-ai.git" >> /tmp/notebook_config.log 2>&1
echo "Current user: id" >> /tmp/notebook_config.log 2>&1
echo "Installing python packages" >> /tmp/notebook_config.log 2&1
su - jupyter -c "pip install --upgrade --no-warn-conflicts --no-warn-script-location --user \
     google-cloud-bigquery \
     google-cloud-pipeline-components \
     google-cloud-aiplatform \
     seaborn \
     kfp" >> /tmp/notebook_config.log 2>&1

Contoh:

vpc_admin@cloudshell$ more poststartup.sh 
#! /bin/bash
echo "Current user: id" >> /tmp/notebook_config.log 2>&1
echo "Changing dir to /home/jupyter" >> /tmp/notebook_config.log 2>&1
cd /home/jupyter
echo "Cloning generative-ai from github" >> /tmp/notebook_config.log 2>&1
su - jupyter -c "git clone https://github.com/GoogleCloudPlatform/generative-ai.git" >> /tmp/notebook_config.log 2>&1
echo "Current user: id" >> /tmp/notebook_config.log 2>&1
echo "Installing python packages" >> /tmp/notebook_config.log 2&1
su - jupyter -c "pip install --upgrade --no-warn-conflicts --no-warn-script-location --user \
     google-cloud-bigquery \
     google-cloud-pipeline-components \
     google-cloud-aiplatform \
     seaborn \
     kfp" >> /tmp/notebook_config.log 2>&1

Upload skrip post startup ke bucket penyimpanan Anda dari Cloud Shell menggunakan gsutil

gsutil cp poststartup.sh gs://$BUCKET_NAME

8. Membuat akun layanan

Untuk memberikan tingkat kontrol yang baik pada notebook yang dikelola pengguna, diperlukan akun layanan. Setelah dibuat, izin akun layanan dapat diubah berdasarkan persyaratan bisnis. Dalam tutorial ini, akun layanan akan menerapkan aturan berikut:

Anda harus Service Account API sebelum melanjutkan.

Di dalam Cloud Shell, buat akun layanan.

gcloud iam service-accounts create user-managed-notebook-sa \
    --display-name="user-managed-notebook-sa"

Di dalam Cloud Shell, perbarui akun layanan dengan peran Storage Object Viewer

gcloud projects add-iam-policy-binding $projectid --member="serviceAccount:user-managed-notebook-sa@$projectid.iam.gserviceaccount.com" --role="roles/storage.objectViewer"

Di dalam Cloud Shell, perbarui akun layanan dengan peran Vertex AI User

gcloud projects add-iam-policy-binding $projectid --member="serviceAccount:user-managed-notebook-sa@$projectid.iam.gserviceaccount.com" --role="roles/aiplatform.user"

Di dalam Cloud Shell, buat daftar akun layanan dan catat alamat email yang akan digunakan saat membuat notebook yang dikelola pengguna.

gcloud iam service-accounts list

Contoh:

$ gcloud iam service-accounts list
DISPLAY NAME: user-managed-notebook-sa
EMAIL: user-managed-notebook-sa@my-project-id.iam.gserviceaccount.com
DISABLED: False

9. Membuat notebook yang dikelola pengguna yang aman

Instance notebook yang dikelola pengguna adalah instance mesin virtual Deep Learning dengan library machine learning dan data science terbaru yang telah diinstal sebelumnya. Anda dapat menyertakan GPU Nvidia secara opsional untuk akselerasi hardware.

Aktifkan API konsumen

Notebooks API

Buat notebook yang dikelola pengguna

Buka Workbench
Pilih User-Managed Notebooks, lalu pilih Create Notebook. Halaman Buat notebook yang dikelola pengguna akan terbuka.
Jika notebook yang ada sudah di-deploy, pilih User-Managed Notebooks → New Notebook → Customize
Di halaman Create a user-managed notebook, di bagian Details, berikan informasi berikut untuk instance baru Anda:

Nama: Berikan nama untuk instance baru Anda.
Region dan Zona: Tutorial ini akan menggunakan region us-central1 dan zona us-central1-a

Pilih Lanjutkan

Di bagian Environment, berikan hal berikut:

Sistem operasi: Pilih sistem operasi yang ingin Anda gunakan.
Pilih lingkungan yang ingin Anda gunakan.
Versi: Pilih versi yang ingin Anda gunakan.
Skrip setelah startup (Opsional, gunakan skrip AI generatif yang dibuat sebelumnya) pilih Jelajahi untuk memilih skrip yang akan dijalankan setelah instance dimulai.
Metadata: Opsional: Sediakan kunci metadata kustom untuk instance.

Pilih Lanjutkan

Di bagian Machine type, berikan hal berikut:

Jenis mesin: Pilih jumlah CPU dan jumlah RAM untuk instance baru Anda. Vertex AI Workbench menyediakan perkiraan biaya bulanan untuk setiap jenis mesin yang Anda pilih.
Jenis GPU: Pilih jenis GPU dan Jumlah GPU untuk instance baru Anda. Untuk mengetahui informasi tentang berbagai GPU, lihat GPU di Compute Engine.
Centang kotak Instal driver GPU NVIDIA secara otomatis untuk saya.

Shielded VM

Aktifkan Booting Aman
Aktifkan vTPM
Aktifkan Pemantauan Integritas

Pilih Lanjutkan

Di bagian Disk, berikan hal berikut:

Disk: Opsional: Untuk mengubah setelan booting default atau disk data, pilih Jenis boot disk, Ukuran boot disk dalam GB, Jenis disk data, dan Ukuran disk data dalam GB yang Anda inginkan. Untuk mengetahui informasi selengkapnya tentang jenis disk, lihat Opsi penyimpanan.
Hapus ke sampah: Opsional: Centang kotak ini untuk menggunakan perilaku sampah default sistem operasi. Jika Anda menggunakan perilaku sampah default, file yang dihapus menggunakan antarmuka pengguna JupyterLab dapat dipulihkan, tetapi file yang dihapus ini menggunakan kapasitas disk.
Pencadangan: Opsional: Untuk menyinkronkan lokasi Cloud Storage dengan disk data instance Anda, pilih Jelajahi dan tentukan lokasi Cloud Storage. Untuk mempelajari biaya penyimpanan, lihat Harga Cloud Storage.
Enkripsi: Kunci enkripsi yang dikelola Google

Pilih Lanjutkan

Di bagian Networking, berikan hal berikut:

Networking: Pilih Networks in this project atau Networks shared with me. Jika menggunakan VPC Bersama di project host, Anda juga harus memberikan peran Compute Network User (roles/compute.networkUser) ke Agen Layanan Notebooks dari project layanan.
Di kolom Network, pilih jaringan yang Anda inginkan. Tutorial ini menggunakan jaringan securevertex-vpc. Anda dapat memilih jaringan VPC, asalkan jaringan tersebut telah mengaktifkan Akses Google Pribadi atau dapat mengakses internet. Di kolom Subnetwork, pilih subnetwork yang Anda inginkan. Dalam tutorial ini, subnetwork securevertex-subnet-a digunakan.
Membatalkan pilihan tetapkan alamat IP eksternal
Pilih izinkan akses proxy

Pilih Lanjutkan

Di bagian IAM dan keamanan, berikan hal berikut:

Pilih Single user, lalu di kolom User email, masukkan akun pengguna yang ingin Anda beri akses. Jika pengguna yang ditentukan bukan pembuat instance, Anda harus memberikan peran Pengguna Akun Layanan (roles/iam.serviceAccountUser) kepada pengguna yang ditentukan di akun layanan instance tersebut.
Batalkan pilihan Gunakan akun layanan Compute Engine default di VM untuk memanggil Google Cloud API
Masukkan alamat email akun layanan yang baru dibuat, contoh: user-managed-notebook-sa@my-project-id.iam.gserviceaccount.com

Opsi keamanan

Membatalkan pilihan aktifkan akses root ke instance
Membatalkan pilihan aktifkan nbconvert
Membatalkan pilihan Aktifkan download file dari UI JupyterLab
Aktifkan terminal (Batalkan pilihan untuk lingkungan produksi)

Pilih Lanjutkan

Di bagian Kondisi sistem, berikan hal berikut

Upgrade lingkungan dan kesehatan sistem

Centang kotak Aktifkan upgrade otomatis lingkungan.
Pilih apakah Anda akan mengupgrade notebook secara Mingguan atau Bulanan.

Di bagian Kondisi sistem dan pelaporan, centang atau hapus centang pada kotak berikut:

Mengaktifkan laporan kesehatan sistem
Melaporkan metrik kustom ke Cloud Monitoring
Menginstal agen Cloud Monitoring

Pilih Buat.

10. Validasi

Vertex AI Workbench membuat instance notebook yang dikelola pengguna berdasarkan properti yang Anda tentukan dan otomatis memulai instance tersebut. Saat instance siap digunakan, Vertex AI Workbench akan mengaktifkan link Open JupyterLab yang memungkinkan pengguna akhir mengakses notebook.

11. Kemampuan observasi

Memantau metrik sistem dan aplikasi melalui Monitoring

Untuk instance notebook yang dikelola pengguna dengan Monitoring telah diinstal, Anda dapat memantau metrik sistem dan aplikasi menggunakan konsol Google Cloud:

Di konsol Google Cloud, buka halaman Notebook yang dikelola pengguna.
Klik nama instance yang ingin Anda lihat metrik sistem dan aplikasinya.
Di halaman Notebook details, klik tab Monitoring. Tinjau metrik sistem dan aplikasi untuk instance Anda.

12. Membuat Jadwal Notebook

Dengan jadwal instance, Anda dapat memulai dan menghentikan instance virtual machine (VM) secara otomatis. Menggunakan jadwal instance untuk mengotomatiskan deployment instance VM dapat membantu Anda mengoptimalkan biaya dan mengelola instance VM secara lebih efisien. Anda dapat menggunakan jadwal instance untuk workload berulang dan tunggal. Misalnya, gunakan jadwal instance untuk menjalankan instance VM selama jam kerja saja atau untuk menyediakan kapasitas untuk peristiwa yang bersifat tunggal.

Untuk menggunakan jadwal instance, buat kebijakan resource yang menjelaskan perilaku mulai dan berhenti, lalu sertakan kebijakan tersebut ke satu atau beberapa instance VM.

Tutorial ini akan menunjukkan cara membuat jadwal instance yang akan mengaktifkan notebook Anda pada pukul 07.00 dan menonaktifkannya pada pukul 18.00.

Untuk membuat jadwal instance, Anda memerlukan izin compute.instances.start dan compute.instances.stop. Oleh karena itu, sebaiknya gunakan peran khusus yang dibuat oleh administrator dan diberikan kepada Anda.

Setelah dibuat, peran kustom akan ditetapkan ke akun layanan Compute Engine default di project Anda, yang akan memungkinkan jadwal instance untuk memulai dan menghentikan notebook Anda.

Membuat peran khusus

Di dalam Cloud Shell, buat peran khusus, VmScheduler, dan sertakan izin yang diperlukan.

gcloud iam roles create Vm_Scheduler --project=$projectid \
    --title=vm-scheduler-notebooks \
    --permissions="compute.instances.start,compute.instances.stop" --stage=ga

Jelaskan peran khusus dari Cloud Shell.

gcloud iam roles describe Vm_Scheduler --project=$projectid

Contoh:

$ gcloud iam roles describe Vm_Scheduler --project=$projectid
etag: BwX991B0_kg=
includedPermissions:
- compute.instances.start
- compute.instances.stop
name: projects/$projectid/roles/Vm_Scheduler
stage: GA
title: vm-scheduler-notebooks

Memperbarui akun layanan default

Di bagian berikut, Anda akan mengidentifikasi dan memperbarui akun layanan default yang terdiri dari format: PROJECT_NUMBER-compute@developer.gserviceaccount.com

Di Cloud Shell, identifikasi nomor project saat ini.

gcloud projects list --filter=$projectid

Di Cloud Shell, simpan nomor project sebagai variabel.

project_number=your_project_number
echo $project_number

Di Cloud Shell, perbarui akun layanan Compute default dengan peran kustom, VM_Scheduler.

gcloud projects add-iam-policy-binding $projectid --member="serviceAccount:$project_number-compute@developer.gserviceaccount.com" --role="projects/$projectid/roles/Vm_Scheduler"

Buat jadwal instance

Di Cloud Shell, buat jadwal mulai dan berhenti.

gcloud compute resource-policies create instance-schedule optimize-notebooks \
    --region=us-central1 \
    --vm-start-schedule='0 7 * * *' \
    --vm-stop-schedule='0 18 * * *' \
        --timezone=America/Chicago

Di Cloud Shell, simpan nama notebook Anda.

gcloud compute instances list
notebook_vm=your_notebookvm_name
echo $notebook_vm

Anda dapat menyertakan jadwal instance ke instance VM yang ada, yang terletak di region yang sama dengan jadwal instance.

Di Cloud Shell, kaitkan jadwal dengan notebook Anda.

gcloud compute instances add-resource-policies $notebook_vm \
--resource-policies=optimize-notebooks \
--zone=us-central1-a

13. Pembersihan

Hapus notebook yang dikelola pengguna dari konsol, buka Vertex AI → Workbench, pilih dan hapus notebook.

Dari Cloud Shell, hapus komponen VPC.

gcloud compute routers delete cloud-router-us-central1 --region=us-central1 --quiet

gcloud compute routers nats delete cloud-nat-us-central1 --region=us-central1 --router=cloud-router-us-central1 --quiet

gcloud compute instances remove-resource-policies $notebook_vm \
--resource-policies=optimize-notebooks \
--zone=us-central1-a --quiet

gcloud compute resource-policies delete optimize-notebooks --region=us-central1 --quiet

gcloud compute instances delete $notebook_vm --zone=us-central1-a --quiet

gcloud compute networks subnets delete securevertex-subnet-a --region=us-central1 --quiet 

gcloud iam service-accounts delete user-managed-notebook-sa@$projectid.iam.gserviceaccount.com --quiet 

gcloud projects remove-iam-policy-binding $projectid --member="serviceAccount:$project_number-compute@developer.gserviceaccount.com" --role="projects/$projectid/roles/Vm_Scheduler"

gcloud iam roles delete Vm_Scheduler --project=$projectid

gcloud compute networks delete securevertex-vpc --quiet

14. Selamat

Bagus! Anda telah berhasil mengonfigurasi dan memvalidasi notebook yang dikelola pengguna yang aman dengan membuat VPC Mandiri kustom menggunakan praktik terbaik penguatan keamanan untuk notebook terkelola dan menerapkan jadwal instance untuk mengoptimalkan pembelanjaan.

Apa selanjutnya?

Lihat beberapa tutorial ini...

Bacaan lebih lanjut & Video

Dokumen referensi

Pengantar Vertex AI Workbench
Pengantar notebook yang dikelola pengguna
Menggunakan instance notebook yang dikelola pengguna dalam perimeter layanan
Buat akun layanan
Menjadwalkan instance VM untuk dimulai dan dihentikan

Vertex AI membuat notebook yang dikelola pengguna dan aman Tetap teratur dengan koleksi Simpan dan kategorikan konten berdasarkan preferensi Anda.

1. Pengantar

Yang akan Anda bangun

Yang akan Anda pelajari

Yang Anda butuhkan

Izin IAM

2. Jaringan VPC

VPC Mandiri

VPC Bersama

VPC Mandiri vs. VPC Bersama

Praktik Terbaik VPC yang digunakan dalam tutorial

3. Praktik Terbaik Notebook

Menyesuaikan ukuran instance Anda

Pilih jenis mesin yang tepat

Menjadwalkan instance untuk dimatikan

Memantau status kondisi notebook

Pertimbangan Keamanan

4. Sebelum memulai

Mengupdate project untuk mendukung tutorial

5. Penyiapan VPC

Buat VPC Mandiri

Buat subnet notebook yang dikelola pengguna

Konfigurasi Cloud Router dan NAT

6. Membuat bucket penyimpanan

7. Membuat skrip pasca-startup

8. Membuat akun layanan

9. Membuat notebook yang dikelola pengguna yang aman

Aktifkan API konsumen

Buat notebook yang dikelola pengguna

10. Validasi

11. Kemampuan observasi

12. Membuat Jadwal Notebook

Membuat peran khusus

13. Pembersihan

14. Selamat

Apa selanjutnya?

Bacaan lebih lanjut & Video

Dokumen referensi

Vertex AI membuat notebook yang dikelola pengguna dan aman