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:

• Natural language processing
• Terjemahan mesin
• Transkripsi audio
• Pemrosesan dokumen
• Computer vision

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

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk memberikan masukan atau meminta dukungan terkait fitur ini, kirim email ke [e-mail].

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

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk memberikan masukan atau meminta dukungan terkait fitur ini, kirim email ke [e-mail].

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.