Descripción general de las soluciones específicas para tareas

En este documento se describen las funciones de inteligencia artificial (IA) que admite BigQuery ML. Estas funciones te permiten desarrollar soluciones específicas para tareas en BigQuery ML mediante las APIs de IA de Cloud. Entre las tareas que se pueden realizar, se incluyen las siguientes:

Para acceder a una API de IA de Cloud y realizar una de estas funciones, debes crear un modelo remoto en BigQuery ML que represente el endpoint de la API. Una vez que hayas creado un modelo remoto sobre el recurso de IA que quieras usar, podrás acceder a las funciones de ese recurso ejecutando una función de BigQuery ML en el modelo remoto.

Este enfoque te permite usar las funciones de la API subyacente sin tener que conocer Python ni familiarizarte con la API.

Flujo de trabajo

Puedes usar modelos remotos sobre modelos de Vertex AI y modelos remotos sobre servicios de IA de Cloud junto con funciones de BigQuery ML para llevar a cabo tareas complejas de análisis de datos y de IA generativa.

En el siguiente diagrama se muestran algunos flujos de trabajo habituales en los que puede usar estas funciones conjuntamente:

Diagrama que muestra los flujos de trabajo habituales de los modelos remotos que usan modelos de Vertex AI o servicios de IA de Cloud.

Procesamiento del lenguaje natural

Puedes usar el procesamiento del lenguaje natural para realizar tareas como la clasificación y el análisis de sentimientos de tus datos. Por ejemplo, puedes analizar los comentarios de los productos para estimar si a los clientes les gusta un producto concreto.

Para realizar tareas de lenguaje natural, puedes crear una referencia a la API Cloud Natural Language creando un modelo remoto y especificando CLOUD_AI_NATURAL_LANGUAGE_V1 para el valor REMOTE_SERVICE_TYPE. Después, puedes usar la función ML.UNDERSTAND_TEXT para interactuar con ese servicio. ML.UNDERSTAND_TEXT funciona con datos de tablas estándar. Toda la inferencia se produce en Vertex AI. Los resultados se almacenan en BigQuery.

Para obtener más información, consulta cómo interpretar texto con la función ML.UNDERSTAND_TEXT.

Traducción automática

Puedes usar la traducción automática para traducir datos de texto a otros idiomas. Por ejemplo, traducir los comentarios de los clientes de un idioma desconocido a uno que conozcas.

Para realizar tareas de traducción automática, puedes crear una referencia a la API Cloud Translation creando un modelo remoto y especificando CLOUD_AI_TRANSLATE_V3 como valor de REMOTE_SERVICE_TYPE. Después, puedes usar la función ML.TRANSLATE para interactuar con ese servicio. ML.TRANSLATE funciona con datos de tablas estándar. Toda la inferencia se produce en Vertex AI. Los resultados se almacenan en BigQuery.

Para obtener más información, prueba a traducir texto con la función ML.TRANSLATE.

Transcripción de audio

Puedes usar la transcripción de audio para transcribir archivos de audio en texto escrito. Por ejemplo, transcribir una grabación de un mensaje de voz en un mensaje de texto.

Para realizar tareas de transcripción de audio, puedes crear una referencia a la API Speech-to-Text creando un modelo remoto y especificando CLOUD_AI_SPEECH_TO_TEXT_V2 para el valor REMOTE_SERVICE_TYPE. También puedes especificar un reconocedor que se usará para procesar el contenido de audio. Después, puedes usar la función ML.TRANSCRIBE para transcribir archivos de audio. ML.TRANSCRIBE funciona con archivos de audio en tablas de objetos. Toda la inferencia se produce en Vertex AI. Los resultados se almacenan en BigQuery.

Para obtener más información, prueba a transcribir archivos de audio con la función ML.TRANSCRIBE.

Procesamiento de documentos

Puedes usar el procesamiento de documentos para extraer información valiosa de documentos sin estructurar. Por ejemplo, extraer información relevante de archivos de facturas para que se pueda introducir en un software de contabilidad.

Para realizar tareas de procesamiento de documentos, puedes crear una referencia a la API Document AI creando un modelo remoto, especificando CLOUD_AI_DOCUMENT_V1 para el valor REMOTE_SERVICE_TYPE y especificando un procesador que se usará para procesar el contenido del documento. Después, puedes usar la función ML.PROCESS_DOCUMENT para procesar documentos. ML.PROCESS_DOCUMENT funciona en documentos de tablas de objetos. Toda la inferencia se produce en Vertex AI. Los resultados se almacenan en BigQuery.

Para obtener más información, prueba a procesar documentos con la función ML.PROCESS_DOCUMENT.

Visión artificial

Puedes usar la visión artificial para realizar tareas de análisis de imágenes. Por ejemplo, puedes analizar imágenes para detectar si contienen caras o para generar etiquetas que describan los objetos que aparecen en ellas.

Para realizar tareas de visión artificial, puedes crear una referencia a la API Cloud Vision creando un modelo remoto y especificando CLOUD_AI_VISION_V1 para el valor REMOTE_SERVICE_TYPE. Después, puedes usar la función ML.ANNOTATE_IMAGE para añadir anotaciones a las imágenes mediante ese servicio. ML.ANNOTATE_IMAGE funciona con datos de tablas de objetos. Toda la inferencia se produce en Vertex AI. Los resultados se almacenan en BigQuery.

Para obtener más información, prueba a anotar imágenes de tablas de objetos con la función ML.ANNOTATE_IMAGE.

Siguientes pasos