각 모델의 엔드 투 엔드 사용자 경험

BigQuery ML은 기능 사전 처리, 모델 생성, 하이퍼파라미터 조정, 추론, 평가, 모델 내보내기 등 각 모델에 대해 다양한 머신러닝 모델 및 전체 머신러닝 흐름을 지원합니다. 모델의 머신러닝 흐름은 다음 두 테이블로 분할됩니다.

• 모델 생성 단계
• 모델 사용 단계

모델 생성 단계

모델 카테고리	모델 유형	모델 생성	기능 사전 처리	하이퍼파라미터 조정	모델 가중치	기능 및 학습 정보	튜토리얼
지도 학습	선형 및 로지스틱 회귀	모델 생성	자동 사전 처리, 수동 사전 처리^1	HP 조정^2 ml.trial_info	ml.weights	ml.feature_info ml.training_info	회귀 분류
	심층신경망(DNN)	모델 생성			해당 사항 없음^5		해당 사항 없음
	와이드 앤 딥 네트워크	모델 생성			해당 사항 없음^5		해당 사항 없음
	부스티드 트리	모델 생성			해당 사항 없음^5		해당 사항 없음
	랜덤 포레스트	모델 생성			해당 사항 없음^5		해당 사항 없음
	AutoML 분류 및 회귀	모델 생성	해당 사항 없음^3	해당 사항 없음^3	해당 사항 없음^5		해당 사항 없음
비지도 학습	k-평균	모델 생성	자동 사전 처리, 수동 사전 처리^1	HP 조정^2 ml.trial_info	ml.centroids	ml.feature_info ml.training_info	자전거 정거장 클러스터링
	행렬 분해	모델 생성	해당 사항 없음	HP 조정^2 ml.trial_info	ml.weights		명시적인 피드백 암시적인 피드백
	주 구성원 구성요소 분석(PCA)	모델 생성	자동 사전 처리, 수동 사전 처리^1	해당 사항 없음	ml.principal_ components, ml.principal_ component_info		해당 사항 없음
	Autoencoder	모델 생성	자동 사전 처리, 수동 사전 처리^1	HP 조정^2 ml.trial_info	해당 사항 없음^5		해당 사항 없음
시계열 모델	ARIMA_PLUS	모델 생성	자동 사전 처리	auto.ARIMA^4	ml.arima_ coefficients	ml.feature_info ml.training_info	단일 계열 멀티 계열 수백만 계열 커스텀 휴일 예측 값 한도 계층적 시계열 예측
	ARIMA_PLUS_XREG	모델 생성	자동 사전 처리	auto.ARIMA^4	ml.arima_ coefficients	ml.feature_info ml.training_info	단일 시계열 예측 여러 시계열 예측
	TimesFM	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	여러 시계열 예측
생성형 AI 원격 모델	Vertex AI 텍스트 생성 모델을 통한 원격 모델^6	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	원격 모델로 텍스트 생성 조정 및 평가로 LLM 성능 향상
	Vertex AI 임베딩 생성 모델을 통한 원격 모델^6	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	원격 모델로 텍스트 임베딩 생성 원격 모델로 이미지 임베딩 생성 멀티모달 임베딩 생성 및 검색
AI 원격 모델	Cloud Vision API를 통한 원격 모델	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Cloud Translation API를 통한 원격 모델	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Cloud Natural Language API를 통한 원격 모델	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Document AI API를 통한 원격 모델	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Speech-to-Text API를 통한 원격 모델	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
원격 모델	Vertex AI 엔드포인트가 있는 원격 모델	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	원격 모델을 사용하여 예측
가져온 모델	TensorFlow	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	가져온 TensorFlow 모델을 사용해 예측
	TensorFlow Lite	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
	개방형 신경망 교환(ONNX)	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	ONNX 형식의 scikit-learn 모델을 사용하여 예측 ONNX 형식의 PyTorch 모델을 사용하여 예측
	XGBoost	모델 생성	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
변환 전용 모델^7	Transform-only	모델 생성	수동 사전 처리^1	해당 사항 없음	해당 사항 없음	ml.feature_info	해당 사항 없음
기여 분석 모델	기여 분석	모델 생성	수동 사전 처리	해당 사항 없음	해당 사항 없음	해당 사항 없음	기여 분석 모델에서 데이터 통계 가져오기

¹특성 추출을 위한 TRANSFORM 절 튜토리얼을 참조하세요. 사전 처리 함수에 대한 자세한 내용은 BQML - 특성 추출 함수 튜토리얼을 참조하세요.

²하이퍼파라미터 조정을 사용하여 모델 성능 개선 튜토리얼을 참조하세요.

³자동 특성 추출 및 하이퍼파라미터 조정은 기본적으로 AutoML 모델 학습에 포함되어 있습니다.

⁴auto.ARIMA 알고리즘은 트렌드 모듈에 대한 하이퍼파라미터 조정을 수행합니다. 하이퍼파라미터 조정은 전체 모델링 파이프라인에서 지원되지 않습니다. 자세한 내용은 모델링 파이프라인을 참조하세요.

⁵BigQuery ML은 부스티드 트리, 랜덤 포레스트, DNN, 와이드 앤 딥, Autoencoder, AutoML 모델의 가중치를 검색하는 함수를 지원하지 않습니다. 이러한 모델의 가중치를 보려면 BigQuery ML에서 Cloud Storage로 기존 모델을 내보내고 XGBoost 라이브러리 또는 TensorFlow 라이브러리를 사용하여 트리 모델의 트리 구조 또는 신경망의 그래프 구조를 시각화할 수 있습니다. 자세한 내용은 EXPORT MODEL 문서 및 EXPORT MODEL 튜토리얼을 참조하세요.

⁶Vertex AI 파운데이션 모델을 사용하거나 지도 조정을 사용하여 맞춤설정합니다.

⁷일반적인 ML 모델이 아니라 원시 데이터를 특성으로 변환하는 아티팩트입니다.

모델 사용 단계

모델 카테고리	모델 유형	평가	추론	AI Explanation	모델 모니터링	모델 내보내기	튜토리얼
지도 학습	선형 및 로지스틱 회귀	ml.evaluate ml.confusion_matrix^1 ml.roc_curve^2	ml.predict ml.transform	ml.explain_predict^3 ml.global_explain ml.advanced_weights^8	ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate	export model^5	회귀 분류
	심층신경망(DNN)						해당 사항 없음
	와이드 앤 딥 네트워크						해당 사항 없음
	부스티드 트리			ml.explain_predict^3 ml.global_explain ml.feature_importance^4			해당 사항 없음
	랜덤 포레스트						해당 사항 없음
	AutoML 분류 및 회귀		ml.predict	ml.global_explain	ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate		해당 사항 없음
비지도 학습	k-평균	ml.evaluate	ml.predict ml.detect_anomalies ml.transform	해당 사항 없음	ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate	export model^5	자전거 정거장 클러스터링
	행렬 분해		ml.recommend ml.generate_embedding		해당 사항 없음		명시적인 피드백 암시적인 피드백
	주 구성원 구성요소 분석(PCA)		ml.predict ml.generate_embedding ml.detect_anomalies ml.transform		ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate		해당 사항 없음
	Autoencoder		ml.predict ml.generate_embedding ml.detect_anomalies ml.reconstruction_loss ml.transform				해당 사항 없음
시계열 모델	ARIMA_PLUS	ml.evaluate ml.arima_evaluate^6 ml.holiday_info	ml.forecast ml.detect_anomalies	ml.explain_forecast^7	해당 사항 없음	해당 사항 없음	단일 계열 멀티 계열 수백만 계열 커스텀 휴일 예측 값 한도 계층적 시계열 예측
	ARIMA_PLUS_XREG		ml.forecast ml.detect_anomalies		ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate		단일 시계열 예측 여러 시계열 예측
	TimesFM	해당 사항 없음	ai.forecast	해당 사항 없음	해당 사항 없음	해당 사항 없음	여러 시계열 예측
생성형 AI 원격 모델	Vertex AI 텍스트 생성 모델을 통한 원격 모델^9	ml.evaluate^11	ml.generate_text ai.generate_table (미리보기)	해당 사항 없음	해당 사항 없음	해당 사항 없음	원격 모델로 텍스트 생성 조정 및 평가로 LLM 성능 향상
	Vertex AI 임베딩 생성 모델을 통한 원격 모델^9	해당 사항 없음	ml.generate_embedding			해당 사항 없음	해당 사항 없음	원격 모델로 텍스트 임베딩 생성 원격 모델로 이미지 임베딩 생성 멀티모달 임베딩 생성 및 검색
AI 원격 모델	Cloud Vision API를 통한 원격 모델	해당 사항 없음	ml.annotate_image	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Cloud Translation API를 통한 원격 모델	해당 사항 없음	ml.translate	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Cloud Natural Language API를 통한 원격 모델	해당 사항 없음	ml.understand_text	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Document AI API를 통한 원격 모델	해당 사항 없음	ml.process_document	해당 사항 없음	해당 사항 없음	해당 사항 없음
	Speech-to-Text API를 통한 원격 모델	해당 사항 없음	ml.transcribe	해당 사항 없음	해당 사항 없음	해당 사항 없음
원격 모델	Vertex AI 엔드포인트가 있는 원격 모델	해당 사항 없음	ml.predict	해당 사항 없음	해당 사항 없음	해당 사항 없음	원격 모델을 사용하여 예측
가져온 모델	TensorFlow	해당 사항 없음	ml.predict	해당 사항 없음	해당 사항 없음	export model^5	가져온 TensorFlow 모델을 사용해 예측
	TensorFlow Lite	해당 사항 없음	ml.predict	해당 사항 없음	해당 사항 없음	해당 사항 없음
	개방형 신경망 교환(ONNX)	해당 사항 없음	ml.predict	해당 사항 없음	해당 사항 없음	ONNX 형식의 scikit-learn 모델을 사용하여 예측 ONNX 형식의 PyTorch 모델을 사용하여 예측
	XGBoost	해당 사항 없음	ml.predict	해당 사항 없음	해당 사항 없음	해당 사항 없음
변환 전용 모델^10	Transform-only	해당 사항 없음	ml.transform	해당 사항 없음	해당 사항 없음	export model^5	해당 사항 없음
기여 분석 모델	기여 분석	해당 사항 없음	ml.get_insights	해당 사항 없음	해당 사항 없음	해당 사항 없음	기여 분석 모델에서 데이터 통계 가져오기

¹ml.confusion_matrix는 분류 모델에만 적용됩니다.

²ml.roc_curve는 이진 분류 모델에만 적용됩니다.

³ml.explain_predict는 ml.predict의 확장된 버전입니다. 자세한 내용은 Explainable AI 개요를 참조하세요. ml.explain_predict 사용 방법은 회귀 튜토리얼 및 분류 튜토리얼을 참조하세요.

⁴ml.global_explain와 ml.feature_importance 사이의 차이점은 Explainable AI 개요를 참조하세요.

⁵온라인 예측을 위해 BigQuery ML 모델 내보내기 튜토리얼을 참조하세요. 온라인 서빙에 대한 자세한 내용은 BQML - 인라인 전치기를 사용하여 모델 만들기 튜토리얼을 참조하세요.

⁶ARIMA_PLUS 또는 ARIMA_PLUS_XREG 모델의 경우 ml.evaluate가 새 데이터를 입력으로 사용해서 평균 절대 백분율 오차(MAPE)와 같은 예측 측정항목을 계산할 수 있습니다. 새 데이터가 없으면 ml.evaluate에 다른 평가 정보를 출력하는 확장된 버전 ml.arima_evaluate가 포함됩니다.

⁷ml.explain_forecast는 ml.forecast의 확장된 버전입니다. 자세한 내용은 Explainable AI 개요를 참조하세요. ml.explain_forecast 사용 방법은 단일 시계열 예측 및 멀티 시계열 예측 튜토리얼의 결과 시각화 단계를 참조하세요.

⁸ml.advanced_weights는 ml.weights의 확장된 버전입니다. 자세한 내용은 ml.advanced_weights를 참조하세요.

⁹Vertex AI 파운데이션 모델을 사용하거나 지도 조정을 사용하여 맞춤설정합니다.

¹⁰일반적인 ML 모델이 아니라 원시 데이터를 특성으로 변환하는 아티팩트입니다.

¹¹일부 Vertex AI LLM에서는 지원되지 않습니다. 자세한 내용은 ml.evaluate를 참고하세요.