Usar o agente de ciência de dados do Colab Enterprise com o BigQuery

Pré-lançamento

Este recurso está sujeito aos Termos das Soluções Pré-GA na seção Termos Gerais de Serviço dos Termos Específicos de Serviço. Os recursos pré-GA estão disponíveis no estado em que se encontram e podem ter suporte limitado. Você encontra mais detalhes nas descrições das fases de lançamento.

Observação: para enviar feedback, fazer perguntas ou solicitar a desativação desse recurso em pré-lançamento, entre em contato com [e-mail] ou preencha o formulário de desativação da pré-lançamento pública do agente de ciência de dados.

O Agente de Ciência de Dados (DSA, na sigla em inglês) para Colab Enterprise e BigQuery permite automatizar a análise exploratória de dados, realizar tarefas de machine learning e gerar insights em um notebook do Colab Enterprise.

Antes de começar

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

1. Enable the BigQuery, Vertex AI, Dataform, and Compute Engine APIs.

   Enable the APIs

   Para novos projetos, a API BigQuery é ativada automaticamente.

Se você não conhece o Colab Enterprise no BigQuery, consulte as etapas de configuração na página Criar notebooks.

Limitações

• O Agente de Ciência de Dados é compatível com as seguintes fontes de dados:
  • Arquivos CSV
  • Tabelas do BigQuery
• O código produzido pelo agente de ciência de dados só é executado no tempo de execução do seu notebook.
• O Agente de Ciência de Dados não é compatível com projetos que ativaram o VPC Service Controls.
• Na primeira vez que você executar o agente de ciência de dados, poderá haver uma latência de aproximadamente 5 a 10 minutos. Isso acontece apenas uma vez por projeto durante a configuração inicial.

Quando usar o agente de ciência de dados

O agente de ciência de dados ajuda você com tarefas que vão desde a análise exploratória de dados até a geração de previsões e estimativas de machine learning. Você pode usar a DSA para:

• Gerar um plano: gere e modifique um plano para concluir uma tarefa específica usando ferramentas comuns, como Python, SQL e DataFrames do BigQuery.
• Análise de dados: analise um conjunto de dados para entender a estrutura dele, identificar possíveis problemas, como valores ausentes e outliers, e examinar a distribuição das principais variáveis usando Python ou SQL.
• Limpeza de dados: limpe seus dados. Por exemplo, remova pontos de dados que são outliers.
• Organização de dados: converta recursos categóricos em representações numéricas usando técnicas como codificação one-hot ou de rótulo ou usando as ferramentas de transformação de recursos do BigQuery. Crie novos recursos para análise.
• Análise de dados: analise as relações entre diferentes variáveis. Calcular correlações entre atributos numéricos e analisar distribuições de atributos categóricos. Procure padrões e tendências nos dados.
• Visualização de dados: crie visualizações como histogramas, diagramas de caixa, gráficos de dispersão e gráficos de barras que representam as distribuições de variáveis individuais e as relações entre elas. Também é possível criar visualizações em Python para tabelas armazenadas no BigQuery.
• Engenharia de atributos: crie novos atributos com base em um conjunto de dados limpo.
• Divisão de dados: divida um conjunto de dados projetado em conjuntos de dados de treinamento, validação e teste.
• Treinamento de modelo: treine um modelo usando os dados de treinamento em um DataFrame do pandas (X_train, y_train), um DataFrame do BigQuery ou usando a instrução CREATE MODEL do BigQuery ML com tabelas do BigQuery.
• Otimização do modelo: otimize um modelo usando o conjunto de validação. Analise modelos alternativos, como DecisionTreeRegressor e RandomForestRegressor, e compare a performance deles.
• Avaliação do modelo: avalie o modelo de melhor performance em um conjunto de dados de teste armazenado em um DataFrame do pandas ou do BigQuery. Avalie a qualidade do modelo, faça comparações entre modelos ou preveja a performance do modelo usando as funções de avaliação de modelo do BigQuery ML.
• Inferência de modelo: faça inferência com modelos treinados do BigQuery ML, modelos importados e modelos remotos usando as funções de inferência do BigQuery ML. Ou use o método BigFrames model.predict() para fazer previsões em dados não vistos.

Usar o agente de ciência de dados no BigQuery

As etapas a seguir mostram como usar o agente de ciência de dados no BigQuery.

1. Crie ou abra um notebook do Colab Enterprise.

2. Faça upload de um arquivo CSV, escolha uma ou mais tabelas do BigQuery no seletor de tabelas ou faça referência a uma tabela do BigQuery no seu comando.

3. Insira um comando que descreva a análise de dados que você quer fazer ou o protótipo que você quer criar. O comportamento padrão do agente de ciência de dados é gerar código Python usando bibliotecas de código aberto, como o sklearn, para realizar tarefas complexas de machine learning. Para usar uma ferramenta específica, inclua as seguintes palavras-chave no comando:

   • Se quiser usar o BigQuery ML, inclua a palavra-chave "SQL".
   • Se você quiser usar o BigQuery DataFrames, especifique as palavras-chave "BigFrames" ou "BigQuery DataFrames".

   Se precisar de ajuda, consulte os exemplos de comandos.

4. Confira os resultados.

Analisar um arquivo CSV

Para analisar um CSV usando o agente de ciência de dados no BigQuery, siga estas etapas.

1. Acessar a página do BigQuery.

   Acessar o BigQuery

2. Na página de boas-vindas do BigQuery Studio, em Criar novo, clique em Notebook.

   Como alternativa, na barra de guias, clique na seta suspensa ao lado do ícone + e clique em Notebook > Notebook vazio.

3. Na barra de ferramentas, clique no botão brilho Alternar o Gemini para abrir a caixa de diálogo de chat.

   Observação: é possível mover a caixa de diálogo do chat para um painel separado fora do notebook clicando no ícone Mover para o painel.

4. Faça upload do arquivo CSV.

   1. Na caixa de diálogo do chat, clique em Adicionar arquivos.

   2. Se necessário, autorize sua Conta do Google.

   3. No painel de ações, clique em Fazer upload do arquivo.

   4. Procure o local do arquivo CSV e clique em Abrir.

   5. Ao lado do nome do arquivo, clique no ícone Mais ações e escolha Adicionar ao Gemini.

5. Digite o comando na janela de chat. Por exemplo: Identify trends and anomalies in this file.

6. Clique em send Enviar. Os resultados aparecem na janela de chat.

7. Você pode pedir ao agente para mudar o plano ou executá-lo clicando em Aceitar e executar. À medida que o plano é executado, o código e o texto gerados aparecem no notebook. Clique em Cancelar para interromper.

Analisar tabelas do BigQuery

Para analisar uma tabela do BigQuery, escolha uma ou mais tabelas no seletor de tabelas ou forneça uma referência à tabela no comando.

1. Acessar a página do BigQuery.

   Acessar o BigQuery

2. Na página de boas-vindas do BigQuery Studio, em Criar novo, clique em Notebook.

   Como alternativa, na barra de guias, clique na seta suspensa ao lado do ícone + e clique em Notebook > Notebook vazio.

3. Na barra de ferramentas, clique no botão spark Alternar Gemini para abrir a caixa de diálogo de chat.

   Observação: é possível mover a caixa de diálogo do chat para um painel separado fora do notebook clicando no ícone Mover para o painel.

4. Digite o comando na janela de chat.

5. Escolha uma ou mais tabelas usando o seletor:

   1. Clique em Adicionar ao Gemini > Tabelas do BigQuery.

   2. Na janela Tabelas do BigQuery, selecione uma ou mais tabelas no seu projeto. Você pode pesquisar tabelas em projetos e filtrar usando a barra de pesquisa.

6. Também é possível referenciar uma tabela do BigQuery diretamente no seu comando. Por exemplo: "Me ajude a fazer uma análise de dados exploratória e receba insights sobre os dados nesta tabela: project_id:dataset.table".

   Substitua:

   • project_id: ID do projeto;
   • dataset: o nome do conjunto de dados com a tabela que você está analisando.
   • table: o nome da tabela que você está analisando.

7. Clique em send Enviar.

   Os resultados aparecem na janela de chat.

8. Você pode pedir ao agente para mudar o plano ou executá-lo clicando em Aceitar e executar. À medida que o plano é executado, o código e o texto gerados aparecem no notebook. Para outras etapas do plano, talvez seja necessário clicar em Aceitar e executar novamente. Clique em Cancelar para interromper.

Comandos de amostra

Não importa a complexidade do comando usado, o agente de ciência de dados gera um plano que pode ser refinado para atender às suas necessidades.

Os exemplos a seguir mostram os tipos de comandos que você pode usar com a DSA.

Comandos do Python

O código Python é gerado por padrão, a menos que você use uma palavra-chave específica no comando, como "BigQuery ML" ou "SQL".

• Investigue e preencha os valores ausentes usando o algoritmo de aprendizado de máquina de vizinhos k-mais próximos (KNN).
• Crie um gráfico de salário por nível de experiência. Use a coluna experience_level para agrupar os salários e crie um boxplot para cada grupo mostrando os valores da coluna salary_in_usd.
• Use o algoritmo XGBoost para criar um modelo que determine a variável class de uma fruta específica. Divida os dados em conjuntos de dados de treinamento e teste para gerar um modelo e determinar a acurácia dele. Crie uma matriz de confusão para mostrar as previsões em cada classe, incluindo todas as previsões corretas e incorretas.
• Previsão de target_variable de filename.csv para os próximos seis meses.

Comandos de SQL e BigQuery ML

• Crie e avalie um modelo de classificação em bigquery-public-data.ml_datasets.census_adult_income usando SQL do BigQuery.
• Usando SQL, preveja o tráfego futuro do meu site para o próximo mês com base em bigquery-public-data.google_analytics_sample.ga_sessions_*. Em seguida, crie um gráfico com os valores históricos e previstos.
• Agrupe clientes semelhantes para criar campanhas de mercado segmentadas usando um modelo KMeans. Use três recursos para clustering. Em seguida, visualize os resultados criando uma série de gráficos de dispersão 2D. Use a tabela bigquery-public-data.ml_datasets.census_adult_income.
• Gere embeddings de texto no BigQuery ML usando o conteúdo da avaliação em bigquery-public-data.imdb.reviews.

Para conferir uma lista de modelos e tarefas de machine learning compatíveis, consulte a documentação do BigQuery ML.

Comandos do DataFrame

• Crie um DataFrame do pandas para os dados em project_id:dataset.table. Analise os dados em busca de valores nulos e crie um gráfico da distribuição de cada coluna usando o tipo de gráfico. Use diagramas de caixa para valores medidos e gráficos de barras para categorias.
• Leia filename.csv e crie um DataFrame. Execute uma análise no DataFrame para determinar o que precisa ser feito com os valores. Por exemplo, há valores ausentes que precisam ser substituídos ou removidos, ou há linhas duplicadas que precisam ser corrigidas. Use o arquivo de dados para determinar a distribuição do dinheiro investido em USD por cidade. Crie um gráfico de barras com os 20 principais resultados, mostrando-os em ordem decrescente como "Localização" x "Valor médio investido (USD)".
• Crie e avalie um modelo de classificação em project_id:dataset.table usando DataFrames do BigQuery.
• Crie um modelo de previsão de série temporal em project_id:dataset.table usando DataFrames do BigQuery e visualize as avaliações do modelo.
• Visualize os números de vendas do ano passado na tabela project_id:dataset.table do BigQuery usando os BigQuery DataFrames.
• Encontre os recursos que melhor podem prever as espécies de pinguins na tabela bigquery-public_data.ml_datasets.penguins usando o BigQuery DataFrames.

Desativar o Gemini no BigQuery

Para desativar o Gemini no BigQuery em um projeto do Google Cloud , um administrador precisa desativar a API Gemini para Google Cloud. Consulte Como desativar serviços.

Para desativar o Gemini no BigQuery para um usuário específico, um administrador precisa revogar o papel Usuário do Gemini para Google Cloud (roles/cloudaicompanion.user) desse usuário. Consulte Revogar um único papel do IAM.

Observação: para desativar o uso da prévia do agente de ciência de dados sem desativar outros recursos do Gemini, entre em contato com [e-mail].

Preços

Durante a prévia, você recebe cobranças pela execução de código no ambiente de execução do notebook e pelos slots do BigQuery que usou. Para mais informações, consulte Preços do Colab Enterprise.

Regiões compatíveis

Para conferir as regiões compatíveis com o Agente de Ciência de Dados do Colab Enterprise, consulte Locais.