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 Cloud AI. Entre las tareas admitidas, se incluyen las siguientes:
- Procesamiento de lenguaje natural
- Traducción automática
- Transcripción de audio
- Procesamiento de documentos
- Visión artificial
Para acceder a una API de Cloud AI para realizar una de estas funciones, crea un modelo remoto en BigQuery ML que representa el extremo de la API. Una vez que hayas creado un modelo remoto sobre el recurso de IA que deseas usar, debes acceder a la funcionalidad de ese recurso a través de la ejecución de una función de BigQuery ML en el modelo remoto.
Este enfoque te permite usar las capacidades de la API subyacente sin tener que conocer Python o tener conocimientos sobre la API.
Flujo de trabajo
Puedes usar modelos remotos en modelos de Vertex AI y modelos remotos en servicios de Cloud AI junto con BigQuery funciones de AA para realizar tareas de IA generativa y análisis de datos complejas.
En el siguiente diagrama, se muestran algunos flujos de trabajo típicos en los que puedes usar estas capacidades juntas:
Procesamiento de lenguaje natural
Puedes usar el procesamiento de lenguaje natural para realizar tareas como el análisis de opiniones y clasificación de tus datos. Por ejemplo, podrías analizar los comentarios del producto para estimar si a los clientes les gusta un producto en particular.
Para realizar tareas de lenguaje natural, puedes crear una referencia a la API de Cloud Natural Language si creas un modelo remoto y especificas CLOUD_AI_NATURAL_LANGUAGE_V1 para REMOTE_SERVICE_TYPE. Luego, puedes usar la función ML.UNDERSTAND_TEXT para interactuar con ese servicio. ML.UNDERSTAND_TEXT funciona con datos en tablas estándar. Todas las inferencias se producen en Vertex AI. Los resultados se almacenan en BigQuery.
Para obtener más información, prueba comprender 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 conocido.
Para realizar tareas de traducción automática, puedes crear una referencia para la API de Cloud Translation si creas un modelo remoto y especificas CLOUD_AI_TRANSLATE_V3 para REMOTE_SERVICE_TYPE. Luego, puedes usar la función ML.TRANSLATE para interactuar con ese servicio. ML.TRANSLATE funciona con datos en tablas estándar. Todas las inferencias se producen en Vertex AI. Los resultados se almacenan en BigQuery.
Para obtener más información, prueba traducir texto con la función ML.TRANSLATE.
Transcripción de audio
Puedes usar la transcripción de audio para transcribir archivos de audio a texto escrito. Por ejemplo, transcribir una grabación del buzón de voz en un mensaje de texto.
Para realizar tareas de transcripción de audio, puedes crear una referencia a la
API de Speech-to-Text creando un modelo remoto y especificando
CLOUD_AI_SPEECH_TO_TEXT_V2 para el valor REMOTE_SERVICE_TYPE. De manera opcional,
puedes especificar un reconocedor para usar de manera que puedas procesar el contenido de
audio. Luego, puedes usar la
función ML.TRANSCRIBE
para transcribir archivos de audio. ML.TRANSCRIBE funciona con archivos de audio en
tablas de objetos. Todas las inferencias se producen en Vertex AI. Los resultados se almacenan en BigQuery.
Para obtener más información, prueba
transcribir archivos de audio con la función ML.TRANSCRIBE.
Procesamiento de documentos
Puedes usar el procesamiento de documentos para extraer estadísticas de documentos no estructurados. Por ejemplo, extrae información relevante de los archivos de facturas para que se pueda ingresar al software de contabilidad.
A fin de realizar tareas de procesamiento de documentos, puedes crear una referencia para la API de Document AI si creas un modelo remoto y especificas CLOUD_AI_DOCUMENT_V1 para el valor REMOTE_SERVICE_TYPE, y especifica un procesador para usar a fin de procesar el contenido del documento. Luego, puedes usar la
función ML.PROCESS_DOCUMENT
para procesar documentos. ML.PROCESS_DOCUMENT funciona en documentos en
tablas de objetos. Todas las inferencias se producen en Vertex AI. Los resultados se almacenan en BigQuery.
Para obtener más información, prueba
procesar documentos con la función ML.PROCESS_DOCUMENT.
Visión artificial
Puedes usar la visión artificial para realizar tareas de análisis de imágenes. Por ejemplo, podrías analizar imágenes para detectar si contienen rostros o generar etiquetas que describan los objetos en la imagen.
Para realizar tareas de visión artificial, puedes crear una referencia a la API de Cloud Vision si creas un modelo remoto y especificas CLOUD_AI_VISION_V1 para REMOTE_SERVICE_TYPE. Luego, puedes usar la función ML.ANNOTATE_IMAGE para anotar imágenes mediante ese servicio. ML.ANNOTATE_IMAGE funciona con datos en tablas de objetos. Todas las inferencias se producen en Vertex AI. Los resultados se almacenan en BigQuery.
Para obtener más información, prueba anotar imágenes de tablas de objetos con la función ML.ANNOTATE_IMAGE.
¿Qué sigue?
- Para obtener más información sobre la realización de inferencias sobre los modelos de aprendizaje automático, consulta Descripción general de la inferencia de modelo.