모든 BigQuery ML 가이드
-
펭귄 체중을 예측하는 회귀 모델 만들기
이 튜토리얼에서는 BigQuery의 선형 회귀 모델을 사용하여 펭귄의 체중을 예측합니다.
-
인구조사 데이터에서 분류 모델 만들기
이 튜토리얼에서는 BigQuery ML의 바이너리 로지스틱 회귀 모델을 사용하여 미국 인구조사 데이터 세트의 응답자 소득 범위를 예측합니다.
-
런던 자전거 대여 데이터 세트를 클러스터링하기 위한 k-평균 모델 만들기
이 튜토리얼에서는 BigQuery ML의 k-평균 모델을 사용하여 런던 자전거 공유 공개 데이터 세트의 데이터 클러스터를 식별합니다.
-
행렬 분해 모델을 만들어 영화 추천
이 튜토리얼에서는 공개 movielens 데이터 세트를 사용하여 명시적 의견에서 사용자를 위한 영화 추천을 생성하는 모델을 만듭니다.
-
행렬 분해 모델을 만들어 Google 애널리틱스 데이터에서 추천 생성
이 튜토리얼에서는 BigQuery Google 애널리틱스 샘플을 사용하여 암시적 의견을 바탕으로 방문자에게 웹사이트 콘텐츠를 추천하는 모델을 만듭니다.
-
Google 애널리틱스 데이터에서 단일 시계열 예측
이 튜토리얼에서는 google_analytics_sample.ga_sessions 샘플 테이블을 사용하여 단일 시계열 예측을 수행하는 시계열 모델을 만듭니다.
-
NYC 도심 자전거 운행에 대해 단일 쿼리를 사용하는 여러 시계열 예측
이 튜토리얼에서는 단일 쿼리로 여러 시계열 예측을 수행하기 위해 시계열 모델 집합을 만듭니다. 여기에서는 new_york.citibike_trips 데이터를 사용합니다. 이 데이터에는 Citi Bike를 이용한 뉴욕시 여행에 관한 정보가 포함되어 있습니다.
-
BigQuery의 시계열 수백만 개로 확장 가능한 예측
이 튜토리얼에서는 예측 정확도를 크게 저하시키지 않으면서 100배 더 빠른 예측을 가능하게 하는 일련의 기술을 사용합니다. 단일 쿼리를 사용하여 몇 시간 내에 시계열을 수백만 개 예측할 수 있습니다.
-
시애틀 공기질 데이터에서 다변량 시계열 예측
이 튜토리얼에서는 다변량 시계열 모델을 만들어 시계열 예측을 수행하는 방법을 보여줍니다. 이렇게 하면 추가 특성을 사용하여 예측할 수 있습니다.
-
ML TRANSFORM 절을 사용하여 특성 추출
이 튜토리얼에서는 BigQuery TRANSFORM 절을 사용하여 특성을 추출하고 아이의 출생 시 체중을 예측하는 모델을 만듭니다.
-
초매개변수 조정을 통해 모델 성능 향상
이 튜토리얼에서는 tlc_yellow_trips_2018 샘플 테이블을 사용하여 택시 운행의 팁을 예측하는 모델(초매개변수 조정)을 만듭니다.
-
예측을 수행할 TensorFlow 모델 가져오기
이 튜토리얼에서는 TensorFlow 모델을 BigQuery ML 데이터 세트로 가져와 SQL 쿼리에서 예측을 수행하는 데 사용합니다.
-
온라인 예측을 위해 BigQuery ML 모델 내보내기
이 튜토리얼에서는 BigQuery ML 모델을 내보낸 후 모델을 AI Platform 또는 로컬 머신에 배포합니다. BigQuery 공개 데이터 세트의 iris 테이블을 사용합니다.