Google Cloud コンソールを使用して BigQuery ML で ML モデルを作成する

プレビュー

この機能は、サービス固有の規約の「一般サービス規約」セクションの「pre-GA サービス規約」の対象となります。 pre-GA の機能は「現状のまま」で提供されるものであり、サポートが制限されることがあります。 詳細については、リリース ステージの説明をご覧ください。

注: この機能に関するフィードバックやサポートのリクエストを行う場合は、[e-mail] 宛てにメールを送信してください。

このドキュメントでは、 Google Cloud コンソールを使用して BigQuery ML モデルを作成する方法について説明します。

必要なロール

• モデルを作成して推論を実行するには、次のロールが付与されている必要があります。

  • BigQuery データ編集者（roles/bigquery.dataEditor）
  • BigQuery ユーザー（roles/bigquery.user）

始める前に

1. 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

2. Verify that billing is enabled for your Google Cloud project.

3. Enable the BigQuery and BigQuery Connection APIs.

   Enable the APIs

モデル固有の前提条件

モデルを作成する前に、作成するモデルのタイプの前提条件を満たしていることを確認してください。

• クエリを使用してモデルのトレーニング データを選択する場合は、そのクエリを保存済みクエリとして使用できるようにする必要があります。

• 行列分解モデルには予約が必要です。詳細は、料金をご覧ください。

• 次のリモートモデルには Cloud リソース接続が必要です。

  • Vertex AI モデルとパートナー モデルを介したリモートモデル
  • オープンモデルを介したリモートモデル
  • Cloud AI サービスを介したリモートモデル
  • Vertex AI のカスタムモデルを介したリモートモデル

  リモートモデルのタイプに応じて、接続のサービス アカウントに特定のロールを付与する必要があります。

• モデルをインポートするには、そのモデルが Cloud Storage バケットにアップロードされている必要があります。

データセットを作成する

リソースを格納する BigQuery データセットを作成します。

コンソール

1. Google Cloud コンソールで、[BigQuery] ページに移動します。

   [BigQuery] ページに移動

2. [エクスプローラ] ペインで、プロジェクト名をクリックします。

3. [アクションを表示] > [データセットを作成] をクリックします。

4. [データセットを作成する] ページで、次の操作を行います。

   • [データセット ID] に、データセットの名前を入力します。

   • [ロケーション タイプ] で、データセットのロケーションを選択します。

   • [データセットを作成] をクリックします。

bq

1. 新しいデータセットを作成するには、--location フラグを指定した bq mk コマンドを使用します。

   bq --location=LOCATION mk -d DATASET_ID

   次のように置き換えます。

   • LOCATION: データセットのロケーション。
   • DATASET_ID は、作成するデータセットの ID です。

2. データセットが作成されたことを確認します。

   bq ls

内部または外部でトレーニングされたモデルを作成する

この手順を使用して、次のタイプのモデルを作成します。

• 時系列モデル:

  • ARIMA_PLUS
  • ARIMA_PLUS_XREG

• 貢献度分析: 貢献度分析

• 分類:

  • ロジスティック回帰
  • ブーストツリー分類
  • ランダム フォレスト分類
  • ディープ ニューラル ネットワーク（DNN）分類
  • ワイド＆ディープ分類
  • AutoML 分類

• 回帰:

  • 線形回帰
  • ブーストされたツリー回帰
  • ランダム フォレスト回帰
  • ディープ ニューラル ネットワーク（DNN）回帰
  • ワイド＆ディープ回帰
  • AutoML 回帰

• クラスタリング: K 平均法

• 推奨事項: 行列分解

• 次元削減:

  • 主成分分析（PCA）
  • オートエンコーダ

これらのモデルには、タイプに応じて異なるオプション セットがあります。BigQuery ML の自動チューニングはほとんどの場合に有効ですが、手順の一部としてモデルを手動でチューニングすることもできます。モデル オプションの詳細については、特定のタイプのモデルのドキュメントをご覧ください。

モデルを作成するには:

1. [BigQuery] ページに移動します。

   BigQuery に移動

2. [エクスプローラ] ペインで、作成したデータセットをクリックします。

3. データセットの横にある [アクションを表示] をクリックし、[BQML モデルを作成] をクリックします。

   [新しいモデルの作成] ペインが開きます。

4. [モデル名] に、モデルの名前を入力します。

5. モデルの CREATE MODEL ステートメントを含む保存済みクエリを作成する場合は、[クエリを保存] を選択します。

   1. [クエリ名] に、保存済みクエリの名前を入力します。
   2. [リージョン] で、保存したクエリのリージョンを選択します。

6. [続行] をクリックします。

7. [作成方法] セクションで、[BigQuery でモデルをトレーニングする] を選択します。

8. [モデリングの目的] セクションで、モデルのモデリングの目的を選択します。

9. [続行] をクリックします。

10. [モデル オプション] ページで、モデルタイプを選択します。選択できるモデルのタイプは、選択したモデリングの目標によって異なります。

11. [トレーニング データ] セクションで、次のいずれかを行います。

    • [テーブル/ビュー] を選択して、テーブルまたはビューからトレーニング データを取得し、プロジェクト、データセット、ビューまたはテーブル名を選択します。
    • [クエリ] を選択して、保存済みクエリからトレーニング データを取得し、保存済みクエリを選択します。

12. [選択した入力ラベル列] で、モデルへの入力として使用するテーブル、ビュー、またはクエリの列を選択します。

13. [必須オプション] セクションがある場合は、リクエストされた列情報を指定します。

    • 分類モデルと回帰モデルの場合は、INPUT_LABEL_COLS でラベルデータを含む列を選択します。

    • 行列分解モデルの場合は、次の項目を選択します。

      • [RATING_COL] で、評価データを含む列を選択します。
      • USER_COL には、ユーザーデータを含む列を選択します。
      • [ITEM_COL] で、アイテムデータを含む列を選択します。

    • 時系列予測モデルの場合は、次の項目を選択します。

      • TIME_SERIES_TIMESTAMP_COL で、モデルのトレーニングに使用する時点を含む列を選択します。
      • [TIME_SERIES_DATA_COL] で、予測するデータを含む列を選択します。

14. 省略可: [省略可] セクションで、追加のモデル チューニング引数の値を指定します。使用できる引数は、作成するモデルのタイプによって異なります。

15. [モデルを作成] をクリックします。

16. モデルの作成が完了したら、[モデルに移動] をクリックしてモデルの詳細を表示します。

事前トレーニング済みモデルを介してリモートモデルを作成する

この手順では、次のタイプのリモートモデルを作成します。

• Vertex AI またはパートナー モデルを介したモデル
• オープンモデル上のモデル

モデルを作成するには:

1. [BigQuery] ページに移動します。

   BigQuery に移動

2. [エクスプローラ] ペインで、作成したデータセットをクリックします。

3. データセットの横にある [アクションを表示] をクリックし、[BQML モデルを作成] をクリックします。

   [新しいモデルの作成] ペインが開きます。

4. [モデル名] に、モデルの名前を入力します。

5. モデルの CREATE MODEL ステートメントを含む保存済みクエリを作成する場合は、[クエリを保存] を選択します。

   1. [クエリ名] に、保存済みクエリの名前を入力します。
   2. [リージョン] で、保存したクエリのリージョンを選択します。

6. [続行] をクリックします。

7. [作成方法] セクションで、[Vertex AI LLM サービスと Cloud AI サービスに接続する] を選択します。

8. [モデル オプション] ページで、ユースケースに応じてモデルタイプとして [Google モデルとパートナー モデル] または [オープンモデル] を選択します。

9. [リモート接続] セクションで、次のいずれかを行います。

   • デフォルトの接続が構成されている場合、または BigQuery 管理者ロールとプロジェクト IAM 管理者ロールの両方が付与されている場合は、[デフォルトの接続] を選択します。

   • デフォルトの接続が構成されていない場合や、適切なロールがない場合は、[Cloud リソース接続] を選択します。

     1. [プロジェクト] で、使用する接続を含むプロジェクトを選択します。
     2. [ロケーション] で、接続で使用されるロケーションを選択します。

     3. [接続] で、リモートモデルに使用する接続を選択するか、[新しい接続を作成] を選択して新しい接続を作成します。

        重要: 新しい接続を作成する場合は、続行する前に、接続のサービス アカウントに適切なロールを付与する必要があります。付与するロールの詳細については、作成するリモートモデルのタイプのリファレンス ドキュメントをご覧ください。

10. [必須オプション] セクションで、次のいずれかの操作を行います。

    • Google モデルとパートナー モデルのリモートモデルの場合は、使用するエンドポイントを指定します。これはモデルの名前です（例: gemini-2.0-flash）。サポートされているモデルの詳細については、ENDPOINT をご覧ください。
    • オープンモデルを介したリモートモデルの場合は、使用するエンドポイントをコピーして貼り付けます。これは、Vertex AI にデプロイされたモデルの共有パブリック エンドポイントです（https://location-aiplatform.googleapis.com/v1/projects/project/locations/location/endpoints/endpoint_id 形式）。詳細については、ENDPOINT をご覧ください。

11. [モデルを作成] をクリックします。

12. モデルの作成が完了したら、[モデルに移動] をクリックしてモデルの詳細を表示します。

カスタムモデルを介してリモートモデルを作成する

この手順では、Vertex AI にデプロイされたカスタムモデルを介してリモートモデルを作成します。

モデルを作成するには:

1. [BigQuery] ページに移動します。

   BigQuery に移動

2. [エクスプローラ] ペインで、作成したデータセットをクリックします。

3. データセットの横にある [アクションを表示] をクリックし、[BQML モデルを作成] をクリックします。

   [新しいモデルの作成] ペインが開きます。

4. [モデル名] に、モデルの名前を入力します。

5. モデルの CREATE MODEL ステートメントを含む保存済みクエリを作成する場合は、[クエリを保存] を選択します。

   1. [クエリ名] に、保存済みクエリの名前を入力します。
   2. [リージョン] で、保存したクエリのリージョンを選択します。

6. [続行] をクリックします。

7. [作成方法] セクションで、[ユーザーが管理する Vertex AI エンドポイントに接続する] を選択します。

8. [モデル オプション] ページの [リモート接続] セクションで、次のいずれかを行います。

   • デフォルトの接続が構成されている場合、または BigQuery 管理者ロールとプロジェクト IAM 管理者ロールの両方が付与されている場合は、[デフォルトの接続] を選択します。

   • デフォルトの接続が構成されていない場合や、適切なロールがない場合は、[Cloud リソース接続] を選択します。

     1. [プロジェクト] で、使用する接続を含むプロジェクトを選択します。
     2. [ロケーション] で、接続で使用されるロケーションを選択します。

     3. [接続] で、リモートモデルに使用する接続を選択するか、[新しい接続を作成] を選択して新しい接続を作成します。

        重要: 新しい接続を作成する場合は、続行する前に、接続のサービス アカウントに適切なロールを付与する必要があります。付与するロールの詳細については、作成するリモートモデルのタイプのリファレンス ドキュメントをご覧ください。

9. [必須オプション] セクションで、使用するエンドポイントを指定します。これは、Vertex AI にデプロイされたモデルの共有パブリック エンドポイントです（https://location-aiplatform.googleapis.com/v1/projects/project/locations/location/endpoints/endpoint_id 形式）。詳細については、ENDPOINT をご覧ください。

10. [モデルを作成] をクリックします。

11. モデルの作成が完了したら、[モデルに移動] をクリックしてモデルの詳細を表示します。

Cloud AI サービスを介してリモートモデルを作成する

この手順では、Cloud AI サービスを介してリモートモデルを作成します。

モデルを作成するには:

1. [BigQuery] ページに移動します。

   BigQuery に移動

2. [エクスプローラ] ペインで、作成したデータセットをクリックします。

3. データセットの横にある [アクションを表示] をクリックし、[BQML モデルを作成] をクリックします。

   [新しいモデルの作成] ペインが開きます。

4. [モデル名] に、モデルの名前を入力します。

5. モデルの CREATE MODEL ステートメントを含む保存済みクエリを作成する場合は、[クエリを保存] を選択します。

   1. [クエリ名] に、保存済みクエリの名前を入力します。
   2. [リージョン] で、保存したクエリのリージョンを選択します。

6. [続行] をクリックします。

7. [作成方法] セクションで、[Vertex AI LLM サービスと Cloud AI サービスに接続する] を選択します。

8. [モデル オプション] ページで、[Cloud AI Services] を選択します。

9. [リモート接続] セクションで、次のいずれかを行います。

   • デフォルトの接続が構成されている場合、または BigQuery 管理者ロールとプロジェクト IAM 管理者ロールの両方が付与されている場合は、[デフォルトの接続] を選択します。

   • デフォルトの接続が構成されていない場合や、適切なロールがない場合は、[Cloud リソース接続] を選択します。

     1. [プロジェクト] で、使用する接続を含むプロジェクトを選択します。
     2. [ロケーション] で、接続で使用されるロケーションを選択します。

     3. [接続] で、リモートモデルに使用する接続を選択するか、[新しい接続を作成] を選択して新しい接続を作成します。

        重要: 新しい接続を作成する場合は、続行する前に、接続のサービス アカウントに適切なロールを付与する必要があります。付与するロールの詳細については、作成するリモートモデルのタイプのリファレンス ドキュメントをご覧ください。

10. [必須オプション] セクションで、使用する Cloud AI サービスタイプを選択します。

11. CLOUD_AI_DOCUMENT_V1 サービスを使用している場合は、[省略可] セクションでドキュメント プロセッサ情報を指定します。CLOUD_AI_SPEECH_TO_TEXT_V2 サービスを使用している場合は、必要に応じて音声認識ツールの情報を指定できます。

12. [モデルを作成] をクリックします。

13. モデルの作成が完了したら、[モデルに移動] をクリックしてモデルの詳細を表示します。

インポートされたモデルを作成する

この手順では、次のタイプのモデルをインポートして BigQuery ML モデルを作成します。

• ONNX
• TensorFlow
• TensorFlow Lite
• XGBoost

モデルを作成するには:

1. [BigQuery] ページに移動します。

   BigQuery に移動

2. [エクスプローラ] ペインで、作成したデータセットをクリックします。

3. データセットの横にある [アクションを表示] をクリックし、[BQML モデルを作成] をクリックします。

   [新しいモデルの作成] ペインが開きます。

4. [モデル名] に、モデルの名前を入力します。

5. モデルの CREATE MODEL ステートメントを含む保存済みクエリを作成する場合は、[クエリを保存] を選択します。

   1. [クエリ名] に、保存済みクエリの名前を入力します。
   2. [リージョン] で、保存したクエリのリージョンを選択します。

6. [続行] をクリックします。

7. [作成方法] セクションで、[モデルをインポート] を選択します。

8. [モデル オプション] ページで、インポートするモデルのタイプを選択します。

9. [GCS path] で、モデルを含む Cloud Storage バケットの URI を参照するか、貼り付けます。

10. [モデルを作成] をクリックします。

11. モデルの作成が完了したら、[モデルに移動] をクリックしてモデルの詳細を表示します。