Ringkasan solusi spesifik per tugas
Dokumen ini menjelaskan fitur kecerdasan buatan (AI) yang didukung oleh BigQuery ML. Fitur-fitur ini memungkinkan Anda mengembangkan tugas khusus solusi di BigQuery ML dengan menggunakan Cloud AI API. Tugas yang didukung meliputi hal berikut:
Anda mengakses Cloud AI API untuk melakukan salah satu fungsi ini dengan membuat model jarak jauh di BigQuery ML yang mewakili endpoint API. Setelah Anda memiliki membuat model jarak jauh melalui resource AI yang ingin Anda gunakan, Anda mengakses kapabilitas resource tersebut dengan menjalankan fungsi BigQuery ML terhadap model jarak jauh.
Pendekatan ini memungkinkan Anda menggunakan kemampuan API dasar tanpa harus mengetahui Python atau mulai memahami API.
Alur kerja
Anda dapat menggunakan model jarak jauh melalui model Vertex AI dan model jarak jauh melalui layanan Cloud AI beserta fungsi BigQuery ML untuk mencapai analisis data yang kompleks dan tugas AI generatif.
Diagram berikut menunjukkan beberapa alur kerja umum yang dapat Anda gunakan kemampuan bersama-sama:
Natural language processing
Anda dapat menggunakan natural language processing untuk melakukan tugas seperti klasifikasi dan analisis sentimen pada data Anda. Misalnya, Anda dapat menganalisis umpan balik untuk memperkirakan apakah pelanggan menyukai produk tertentu.
Untuk melakukan tugas natural language, 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
. Anda kemudian dapat menggunakan
Fungsi ML.UNDERSTAND_TEXT
untuk berinteraksi dengan layanan tersebut. ML.UNDERSTAND_TEXT
bekerja dengan data di
tabel standar. Semua inferensi
diperlukan di Vertex AI. Hasilnya disimpan di
menggunakan 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 {i>feedback<i} pelanggan dari bahasa asing ke dalam sudah tidak asing lagi.
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
. Anda kemudian dapat menggunakan
Fungsi ML.TRANSLATE
untuk berinteraksi dengan layanan tersebut. ML.TRANSLATE
bekerja dengan data di
tabel standar. Semua inferensi
diperlukan di Vertex AI. Hasilnya disimpan di
menggunakan 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
Anda juga dapat menentukan pengenal yang akan digunakan untuk memproses audio
saat ini. Anda kemudian dapat menggunakan
Fungsi ML.TRANSCRIBE
untuk mentranskripsikan file audio. ML.TRANSCRIBE
berfungsi dengan file audio di
tabel objek. Semua inferensi
diperlukan di Vertex AI. Hasilnya disimpan di
menggunakan BigQuery.
Untuk mempelajari lebih lanjut, coba
mentranskripsikan 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 faktur sehingga dapat digunakan sebagai input untuk software akuntansi.
Untuk melakukan tugas pemrosesan dokumen, Anda bisa membuat referensi ke
Document AI API dengan membuat model jarak jauh,
menentukan CLOUD_AI_DOCUMENT_V1
untuk nilai REMOTE_SERVICE_TYPE
, dan
menentukan prosesor yang akan digunakan untuk memproses
konten dokumen. Anda kemudian dapat menggunakan
Fungsi ML.PROCESS_DOCUMENT
untuk memproses dokumen. ML.PROCESS_DOCUMENT
mengerjakan dokumen di
tabel objek. Semua inferensi
diperlukan di Vertex AI. Hasilnya disimpan di
menggunakan 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. Sebagai contoh, Anda dapat menganalisis gambar untuk mendeteksi apakah berisi wajah, atau untuk membuat label yang menjelaskan objek dalam gambar.
Untuk melakukan tugas computer vision, Anda dapat membuat referensi ke
Cloud Vision API dengan membuat model jarak jauh dan
yang menentukan CLOUD_AI_VISION_V1
untuk nilai REMOTE_SERVICE_TYPE
. Anda kemudian dapat menggunakan
Fungsi ML.ANNOTATE_IMAGE
menganotasi gambar dengan
menggunakan layanan tersebut. ML.ANNOTATE_IMAGE
bekerja dengan data di
tabel objek. Semua inferensi
diperlukan di Vertex AI. Hasilnya disimpan di
menggunakan BigQuery.
Untuk mempelajari lebih lanjut, coba
menganotasi gambar tabel objek dengan fungsi ML.ANNOTATE_IMAGE
.
Langkah selanjutnya
- Untuk informasi selengkapnya tentang melakukan inferensi terhadap machine learning melihat Ringkasan inferensi model.