Машинное обучение и выводы в BigQuery с использованием SQL

Аналитики данных часто сталкиваются с препятствиями при перемещении данных из баз данных для создания и запуска моделей машинного обучения. В BigQuery Machine Learning (BQML) вы можете обучать и запускать модели предсказания непосредственно в базе данных, используя стандартный SQL. Этот курс поможет вам перейти от традиционного анализа данных к прогнозному анализу. Вы узнаете, как писать SQL-запросы, которые создают, оценивают и развертывают модели машинного обучения для классификации, регрессии и прогнозирования, а также интегрируют современные генеративные выводы модели ИИ. Что вы узнаете: 1. Понимание основных концепций машинного обучения и основного словаря предсказывающего моделирования. 2. Создавайте и обучайте модели обучения под управлением непосредственно в BigQuery, используя стандартный синтаксис SQL. 3. Оценка эффективности модели с использованием таких ключевых показателей, как точность, восстановление и средняя абсолютная ошибка. 4. Создание прогнозов в реальном времени и пакетных выводов на больших наборах данных без экспорта данных. 5. Настройка современных интеграций, таких как удаленные модели и выводы больших языковых моделей. 6. Применять передовые методы структурирования данных и управления рабочими процессами машинного обучения. Это текстовое руководство начинается с основных терминов ML, а затем постепенно переходит к практическим сценариям моделирования на основе SQL. Вы будете читать четкие объяснения, анализировать структуры запросов и практиковать написание собственных инструкций ML. Разработан для аналитиков данных и пользователей SQL, которые хотят добавить машинное обучение в свой набор инструментов, нет предварительных требований программирования. Начните обучение сегодня и раскройте предсказательную мощь вашей базы данных SQL.