リファレンス パターン

BigQuery ML を使用するすべてのリファレンス パターン

• 購入傾向ソリューションの構築

  購入傾向モデルを構築してデプロイする方法を学習します。このモデルを使用して、お客様の購入行動に関する予測を行い、ワークフローを自動化するパイプラインを構築します。

• 現在のお客様のライフタイム バリューに基づいた新しいオーディエンスの構築

  最も価値の高い現在のユーザーを識別し、それらを使用して Google 広告で類似ユーザーを開発する方法をご確認ください。

• ゲーム アプリケーションのための傾向モデル

  BigQuery ML を使用して、いくつかの異なるタイプの傾向モデルをトレーニング、評価、予測値を得る方法を学びます。傾向モデルは、特定のユーザーがアプリに戻ってくる可能性を判断するのに役立ち、その情報をマーケティングの意思決定に役立てることができます。

• 市場セグメンテーション用の K 平均法クラスタリング モデルの構築

  BigQuery ML で K 平均法クラスタを作成し、マーケティング目的で Google アナリティクス 360 のオーディエンス データをセグメント化する方法を学びます。

• e コマースのレコメンデーション システムの構築

  BigQuery ML を使用して BigQuery の顧客データからプロダクトやサービスのレコメンデーションを生成することで、レコメンデーション システムを構築する方法を学習します。次に、そのデータを他の本番環境システムで使用できるようにする方法（Google アナリティクス 360 や Cloud Storage へのエクスポート、BigQuery テーブルからのプログラムによる読み取りなど）を学習します。

• リアルタイムでのレコメンデーションのための埋め込みの作成と提供

  埋め込みを作成して提供し、リアルタイムで類似アイテムのレコメンデーションを作成する方法を学習します。BigQuery ML を使用して、埋め込みとオープンソース ScaNN フレームワークを予測する行列分解モデルを作成します。最も近いネイバーのインデックスを構築してから、そのモデルを AI Platform Prediction にデプロイし、類似アイテムをリアルタイムでマッチングします。

• 需要予測モデルを構築する

  複数の商品の小売需要を予測するために使用できる時系列モデルを構築する方法を確認します。

• 時系列需要予測モデルの構築

  小売商品の需要を予測するエンドツーエンドのソリューションを構築する方法を学びます。過去の販売データと BigQuery ML を使用して需要予測モデルをトレーニングし、ダッシュボードで予測値を可視化します。

• BigQuery ML を使用したスプレッドシートからの予測

  コネクテッド シートを BigQuery ML の予測モデルと組み合わせて、ビジネス プロセスで機械学習を運用する方法について説明します。この具体的な例では、Google アナリティクスのデータを使用してウェブサイト トラフィックの予測モデルをビルドする方法について説明します。このパターンは、他のデータ型やその他の機械学習モデルで機能するように拡張できます。

• K 平均法クラスタリングを使用したデータ通信ネットワーク異常検出アプリケーションの構築

  このソリューションでは、Dataflow、BigQuery ML、および Cloud Data Loss Prevention を使用して、データ通信ネットワークに ML ベースのネットワーク異常検出アプリケーションを構築し、サイバー セキュリティの脅威を特定する方法を説明します。

• クレジット カード不正使用のリアルタイム検出

  トランザクションと顧客データを使用して、リアルタイムのデータ パイプラインで BigQuery ML で機械学習モデルをトレーニングする方法を確認します。これにより、クレジット カードの不正使用に対するアラートを特定、分析、トリガーできます。