Padrões de referência
Nesta página, fornecemos links para casos de uso comerciais, exemplos de código e guias de referência técnica para casos de uso do BigQuery ML. Use esses recursos para identificar práticas recomendadas e acelerar o desenvolvimento de aplicativos.
Regressão logística
Esse padrão mostra como usar a regressão logística para realizar para aplicativos de jogos.
Aprenda a usar o BigQuery ML para treinar, avaliar e receber previsões de vários tipos diferentes de modelos de propensão. Eles ajudam a determinar a probabilidade de usuários específicos voltarem ao seu app. Assim, você poderá usar essas informações em decisões de marketing.
- Postagem do blog: Previsão de desligamento de usuários para desenvolvedores de jogos que usam o Google Analytics 4 e o BigQuery ML (em inglês)
- Notebook: notebook da solução de previsão de desistência de usuários
Previsão de série temporal
Esses padrões mostram como criar soluções de previsão de série temporal.
Crie um modelo de previsão de demanda
Aprenda a criar um modelo de série temporal que possa ser usado para prever a demanda de varejo de vários produtos.
- Postagem do blog: Como criar modelos de previsão de demanda com o BigQuery ML
- Notebook: notebook da solução de previsão de demanda
Previsão do app Planilhas Google usando o BigQuery ML
Saiba como operacionalizar o machine learning com seus processos de negócios combinando Páginas conectadas com um modelo de previsão no BigQuery ML. Esse padrão orienta você no processo de criação de um modelo de previsão para o tráfego do site usando dados do Google Analytics. Estenda esse padrão para trabalhar com outros tipos de dados e modelos de machine learning.
- Postagem do blog: Como usar um modelo de machine learning do app Planilhas Google com o BigQuery ML
- Exemplo de código: Previsões do BigQuery ML com as Planilhas
- Modelo: Previsões do BigQuery ML com as Planilhas
Detecção de anomalias
Este padrão mostra como usar a detecção de anomalias para encontrar fraudes em cartão de crédito em tempo real.
Saiba como usar dados de transações e do cliente para treinar modelos de machine learning no BigQuery ML que podem ser usados em um pipeline de dados em tempo real para identificar, analisar e acionar alertas de potencial fraude de cartão de crédito.
- Exemplo de código: Detecção de fraude de cartão de crédito em tempo real
- Vídeo de visão geral: Fraudfinder: uma solução abrangente para problemas reais de ciência de dados