针对特定任务的解决方案概览
本文档介绍了 BigQuery ML 支持的人工智能 (AI) 功能。借助这些功能,您可以使用 Cloud AI API 在 BigQuery ML 中开发针对特定任务的解决方案。支持的任务包括:
您可以访问 Cloud AI API,通过在 BigQuery ML 中创建代表 API 端点的远程模型来执行其中一个函数。基于您要使用的 AI 资源创建远程模型后,您可以通过针对远程模型运行 BigQuery ML 函数来访问该资源的功能。
通过此方法,您无需了解 Python 或熟悉 API 即可使用底层 API 的功能。
工作流程
您可以将基于 Vertex AI 模型的远程模型和基于 Cloud AI 服务的远程模型与 BigQuery ML 函数结合使用,以便完成复杂的数据分析和生成式 AI 任务。
下图显示了您可以结合使用这些功能的一些典型工作流:
自然语言处理
您可以使用自然语言处理对数据执行分类和情感分析等任务。例如,您可以分析产品反馈,以估计客户是否喜欢特定产品。
如需执行自然语言任务,您可以通过创建远程模型并为 REMOTE_SERVICE_TYPE
值指定 CLOUD_AI_NATURAL_LANGUAGE_V1
来创建对 Cloud Natural Language API 的引用。然后,您可以使用 ML.UNDERSTAND_TEXT
函数与该服务进行交互。ML.UNDERSTAND_TEXT
处理标准表中的数据。所有推理都在 Vertex AI 中进行。结果存储在 BigQuery 中。
如需了解详情,请尝试使用 ML.UNDERSTAND_TEXT
函数理解文本。
机器翻译
您可以使用机器翻译将文本数据翻译成其他语言。例如,将客户反馈从不熟悉的语言翻译成熟悉的语言。
如需执行机器翻译任务,您可以通过创建远程模型并为 REMOTE_SERVICE_TYPE
值指定 CLOUD_AI_TRANSLATE_V3
来创建对 Cloud Translation API 的引用。然后,您可以使用 ML.TRANSLATE
函数与该服务进行交互。ML.TRANSLATE
处理标准表中的数据。所有推理都在 Vertex AI 中进行。结果存储在 BigQuery 中。
如需了解详情,请尝试使用 ML.TRANSLATE
函数翻译文本。
音频转写
您可以使用音频转写将音频文件转写为书面文本。例如,将语音信息转写为短信。
如需执行音频转写任务,您可以通过创建远程模型并为 REMOTE_SERVICE_TYPE
值指定 CLOUD_AI_SPEECH_TO_TEXT_V2
来创建对 Speech-to-Text API 的引用。您可以选择指定用于处理音频内容的识别器。然后,您可以使用 ML.TRANSCRIBE
函数转写音频文件。ML.TRANSCRIBE
处理对象表中的音频文件。所有推理都在 Vertex AI 中进行。结果存储在 BigQuery 中。
如需了解详情,请尝试使用 ML.TRANSCRIBE
函数转写音频文件。
文件处理
您可以使用文档处理从非结构化文档中提取分析洞见。例如,从账单文件中提取相关信息,以便可以将其输入记账软件中。
如需执行文档处理任务,您可以通过创建远程模型、为 REMOTE_SERVICE_TYPE
值指定 CLOUD_AI_DOCUMENT_V1
并指定用于处理文档内容的处理器,来创建对 Document AI API 的引用。然后,您可以使用 ML.PROCESS_DOCUMENT
函数处理文档。ML.PROCESS_DOCUMENT
处理对象表中的文档。所有推理都在 Vertex AI 中进行。结果存储在 BigQuery 中。
如需了解详情,请尝试使用 ML.PROCESS_DOCUMENT
函数处理文档。
计算机视觉
您可以使用计算机视觉执行图片分析任务。例如,您可以分析图片,以检测是否包含人脸,或生成描述图片中对象的标签。
如需执行计算机视觉任务,您可以通过创建远程模型并为 REMOTE_SERVICE_TYPE
值指定 CLOUD_AI_VISION_V1
来创建对 Cloud Vision API 的引用。然后,您可以使用 ML.ANNOTATE_IMAGE
函数通过该服务为图片添加注解。ML.ANNOTATE_IMAGE
处理对象表中的数据。所有推理都在 Vertex AI 中进行。结果存储在 BigQuery 中。
如需了解详情,请尝试使用 ML.ANNOTATE_IMAGE
函数为对象表图像添加注解。
后续步骤
- 如需详细了解如何对机器学习模型执行推理,请参阅模型推理概览。