Ringkasan solusi khusus tugas

Dokumen ini menjelaskan fitur kecerdasan buatan (AI) yang didukung BigQuery ML. Fitur ini memungkinkan Anda mengembangkan solusi khusus tugas di BigQuery ML menggunakan Cloud AI API. Tugas yang didukung meliputi hal berikut:

Anda mengakses Cloud AI API untuk menjalankan salah satu fungsi ini dengan membuat model jarak jauh di BigQuery ML yang mewakili endpoint API. Setelah membuat model jarak jauh melalui resource AI yang ingin digunakan, Anda dapat mengakses kemampuan resource tersebut dengan menjalankan fungsi BigQuery ML terhadap model jarak jauh.

Pendekatan ini memungkinkan Anda menggunakan kemampuan API yang mendasarinya tanpa harus mengetahui Python atau mengembangkan pemahaman tentang API.

Alur kerja

Anda dapat menggunakan model jarak jauh melalui model Vertex AI dan model jarak jauh melalui layanan Cloud AI bersama dengan fungsi BigQuery ML untuk menyelesaikan analisis data yang kompleks dan tugas AI generatif.

Diagram berikut menunjukkan beberapa alur kerja umum tempat Anda dapat menggunakan kemampuan ini secara bersamaan:

Diagram yang menunjukkan alur kerja umum untuk model jarak jauh yang menggunakan model Vertex AI atau layanan Cloud AI.

Natural language processing

Anda dapat menggunakan pemrosesan bahasa alami untuk melakukan tugas seperti klasifikasi dan analisis sentimen pada data Anda. Misalnya, Anda dapat menganalisis masukan produk untuk memperkirakan apakah pelanggan menyukai produk tertentu.

Untuk melakukan tugas bahasa alami, Anda dapat membuat referensi ke Cloud Natural Language API dengan membuat model jarak jauh dan menentukan CLOUD_AI_NATURAL_LANGUAGE_V1 untuk nilai REMOTE_SERVICE_TYPE. Kemudian, Anda dapat menggunakan fungsi ML.UNDERSTAND_TEXT untuk berinteraksi dengan layanan tersebut. ML.UNDERSTAND_TEXT berfungsi dengan data dalam tabel standar. Semua inferensi terjadi di Vertex AI. Hasilnya disimpan di BigQuery.

Untuk mempelajari lebih lanjut, coba memahami teks dengan fungsi ML.UNDERSTAND_TEXT.

Terjemahan mesin

Anda dapat menggunakan terjemahan mesin untuk menerjemahkan data teks ke dalam bahasa lain. Misalnya, menerjemahkan masukan pelanggan dari bahasa yang tidak dikenal ke dalam bahasa yang dikenal.

Untuk melakukan tugas terjemahan mesin, Anda dapat membuat referensi ke Cloud Translation API dengan membuat model jarak jauh dan menentukan CLOUD_AI_TRANSLATE_V3 untuk nilai REMOTE_SERVICE_TYPE. Kemudian, Anda dapat menggunakan fungsi ML.TRANSLATE untuk berinteraksi dengan layanan tersebut. ML.TRANSLATE berfungsi dengan data dalam tabel standar. Semua inferensi terjadi di Vertex AI. Hasilnya disimpan di BigQuery.

Untuk mempelajari lebih lanjut, coba menerjemahkan teks dengan fungsi ML.TRANSLATE.

Transkripsi audio

Anda dapat menggunakan transkripsi audio untuk mentranskripsikan file audio menjadi teks tertulis. Misalnya, mentranskripsikan rekaman pesan suara menjadi pesan teks.

Untuk melakukan tugas transkripsi audio, Anda dapat membuat referensi ke Speech-to-Text API dengan membuat model jarak jauh dan menentukan CLOUD_AI_SPEECH_TO_TEXT_V2 untuk nilai REMOTE_SERVICE_TYPE. Anda dapat menentukan pengenal yang akan digunakan secara opsional untuk memproses konten audio. Kemudian, Anda dapat menggunakan fungsi ML.TRANSCRIBE untuk mentranskripsikan file audio. ML.TRANSCRIBE berfungsi dengan file audio dalam tabel objek. Semua inferensi terjadi di Vertex AI. Hasilnya disimpan di BigQuery.

Untuk mempelajari lebih lanjut, coba mentranskripsi file audio dengan fungsi ML.TRANSCRIBE.

Pemrosesan dokumen

Anda dapat menggunakan pemrosesan dokumen untuk mengekstrak insight dari dokumen yang tidak terstruktur. Misalnya, mengekstrak informasi yang relevan dari file invoice agar dapat dimasukkan ke software akuntansi.

Untuk melakukan tugas pemrosesan dokumen, Anda dapat membuat referensi ke Document AI API dengan membuat model jarak jauh, menentukan CLOUD_AI_DOCUMENT_V1 untuk nilai REMOTE_SERVICE_TYPE, dan menentukan pemroses yang akan digunakan untuk memproses konten dokumen. Kemudian, Anda dapat menggunakan fungsi ML.PROCESS_DOCUMENT untuk memproses dokumen. ML.PROCESS_DOCUMENT berfungsi pada dokumen di tabel objek. Semua inferensi terjadi di Vertex AI. Hasilnya disimpan di BigQuery.

Untuk mempelajari lebih lanjut, coba memproses dokumen dengan fungsi ML.PROCESS_DOCUMENT.

Computer vision

Anda dapat menggunakan computer vision untuk melakukan tugas analisis gambar. Misalnya, Anda dapat menganalisis gambar untuk mendeteksi apakah gambar tersebut berisi wajah, atau untuk membuat label yang mendeskripsikan objek dalam gambar.

Untuk melakukan tugas computer vision, Anda dapat membuat referensi ke Cloud Vision API dengan membuat model jarak jauh dan menentukan CLOUD_AI_VISION_V1 untuk nilai REMOTE_SERVICE_TYPE. Kemudian, Anda dapat menggunakan fungsi ML.ANNOTATE_IMAGE untuk menganotasi gambar menggunakan layanan tersebut. ML.ANNOTATE_IMAGE berfungsi dengan data dalam tabel objek. Semua inferensi terjadi di Vertex AI. Hasilnya disimpan di BigQuery.

Untuk mempelajari lebih lanjut, coba menganotasi gambar tabel objek dengan fungsi ML.ANNOTATE_IMAGE.

Langkah selanjutnya

  • Untuk informasi selengkapnya tentang cara melakukan inferensi pada model machine learning, lihat Ringkasan inferensi model.