Panoramica dell'applicazione AI

Questo documento descrive le funzionalità dell'applicazione di intelligenza artificiale (AI) supportate da BigQuery ML. Queste funzionalità ti consentono di eseguire attività di AI in BigQuery ML usando le API di IA su Cloud. Le attività supportate includono seguenti:

Puoi accedere a un'API Cloud AI per eseguire una di queste funzioni creando un'istanza modello remoto in BigQuery ML che rappresenta l'endpoint API. Dopo aver ottenuto creato un modello remoto sulla risorsa AI che vuoi utilizzare, accedi le capacità della risorsa eseguendo una funzione di BigQuery ML rispetto al modello remoto.

Questo approccio ti consente di utilizzare le funzionalità dell'API sottostante senza dover conoscere Python o sviluppare familiarità con l'API.

Flusso di lavoro

Puoi utilizzare di modelli da remoto su modelli Vertex AI e modelli remoti su servizi di IA Cloud in sinergia con le funzioni di BigQuery ML per di analisi dei dati complesse e attività AIA generativa.

Il seguente diagramma mostra alcuni flussi di lavoro tipici in cui è possibile utilizzare questi tutte le funzionalità insieme:

Diagramma che mostra flussi di lavoro comuni per modelli remoti che utilizzano modelli Vertex AI o servizi di IA di Cloud.

Elaborazione del linguaggio naturale

Puoi usare l'elaborazione del linguaggio naturale per eseguire attività come e del sentiment sui tuoi dati. Ad esempio, potresti analizzare il prodotto Feedback per valutare se ai clienti piace un determinato prodotto.

Per eseguire attività di elaborazione del linguaggio naturale, puoi creare un riferimento API Cloud Natural Language creando un modello remoto e specificando CLOUD_AI_NATURAL_LANGUAGE_V1 per il valore REMOTE_SERVICE_TYPE. Puoi quindi utilizzare Funzione ML.UNDERSTAND_TEXT di interagire con quel servizio. ML.UNDERSTAND_TEXT utilizza i dati in tabelle standard. Tutte le inferenze si verifica in Vertex AI. I risultati vengono archiviati in BigQuery.

Per saperne di più, prova la comprensione del testo con la funzione ML.UNDERSTAND_TEXT.

Traduzione automatica

Puoi utilizzare la traduzione automatica per tradurre i dati di testo in altre lingue. Ad esempio, tradurre il feedback dei clienti da una lingua sconosciuta in uno familiare.

Per eseguire attività di traduzione automatica, puoi creare un riferimento alla API Cloud Translation creando un modello remoto e specificando CLOUD_AI_TRANSLATE_V3 per il valore REMOTE_SERVICE_TYPE. Puoi quindi utilizzare Funzione ML.TRANSLATE di interagire con quel servizio. ML.TRANSLATE utilizza i dati in tabelle standard. Tutte le inferenze si verifica in Vertex AI. I risultati vengono archiviati in BigQuery.

Per saperne di più, prova traduzione di testo con la funzione ML.TRANSLATE.

Trascrizione audio

Puoi utilizzare la trascrizione audio per trascrivere file audio in testo scritto. Ad esempio, trascrivere la registrazione di un messaggio vocale in un SMS.

Per eseguire attività di trascrizione audio, puoi creare un riferimento alla API Speech-to-Text creando un modello remoto e specificando CLOUD_AI_SPEECH_TO_TEXT_V2 per il valore REMOTE_SERVICE_TYPE. Puoi Facoltativamente, specifica un riconoscimento da utilizzare per elaborare l'audio contenuti. Puoi quindi utilizzare Funzione ML.TRANSCRIBE per trascrivere file audio. ML.TRANSCRIBE funziona con file audio in tabelle di oggetti. Tutte le inferenze si verifica in Vertex AI. I risultati vengono archiviati in BigQuery.

Per saperne di più, prova trascrizione di file audio con la funzione ML.TRANSCRIBE.

Elaborazione di documenti

Puoi utilizzare l'elaborazione dei documenti per estrarre insight da documenti non strutturati. Ad esempio, l'estrazione di informazioni pertinenti dai file di fattura essere inserito nel software di contabilità.

Per eseguire attività di elaborazione dei documenti, puoi creare un riferimento alla API Document AI creando un modello remoto, specificando CLOUD_AI_DOCUMENT_V1 per il valore REMOTE_SERVICE_TYPE e specificando un responsabile da utilizzare per elaborare contenuti dei documenti. Puoi quindi utilizzare Funzione ML.PROCESS_DOCUMENT per elaborare i documenti. ML.PROCESS_DOCUMENT lavora su documenti in tabelle di oggetti. Tutte le inferenze si verifica in Vertex AI. I risultati vengono archiviati in BigQuery.

Per saperne di più, prova elaborare documenti con la funzione ML.PROCESS_DOCUMENT.

Visione artificiale

Puoi usare la visione artificiale per eseguire attività di analisi delle immagini. Ad esempio, analizzare le immagini per rilevare se contengono volti o per generare che descrivono gli oggetti nell'immagine.

Per eseguire attività di visione artificiale, puoi creare un riferimento API Cloud Vision creando un modello remoto e che specifica CLOUD_AI_VISION_V1 per il valore REMOTE_SERVICE_TYPE. Puoi quindi utilizzare Funzione ML.ANNOTATE_IMAGE per annotare le immagini utilizzando quel servizio. ML.ANNOTATE_IMAGE utilizza i dati in tabelle di oggetti. Tutte le inferenze si verifica in Vertex AI. I risultati vengono archiviati in BigQuery.

Per saperne di più, prova annotazione delle immagini delle tabelle di oggetti con la funzione ML.ANNOTATE_IMAGE.

Passaggi successivi