Patrones de referencia
En esta página, se proporcionan vínculos de casos de uso empresariales, códigos de muestra y guías de referencia técnica para casos de uso de BigQuery ML. Usa estos recursos para identificar prácticas recomendadas y acelerar el desarrollo de tu aplicación.
Regresión logística
En este patrón, se muestra cómo usar la regresión logística para realizar el modelado de propensión en aplicaciones de juegos.
Aprende a usar BigQuery ML para entrenar, evaluar y obtener predicciones de diversos tipos de modelos de propensión diferentes. Los modelos de propensión pueden ayudarte a determinar la probabilidad de que usuarios específicos vuelvan a tu app para que puedas usar esa información en decisiones de marketing.
- Entrada de blog: Predicción de deserción para desarrolladores de videojuegos mediante Google Analytics 4 y BigQuery ML
- Notebook: Notebook de la solución de predicción de deserción
Previsión de series temporales
Estos patrones muestran cómo crear soluciones de previsión de series temporales.
Compila un modelo de previsión de la demanda
Obtén más información sobre cómo compilar un modelo de serie temporal que puedas usar para prever la demanda minorista de diversos productos.
- Entrada de blog: Cómo compilar modelos de previsión de demanda con BigQuery ML
- Notebook: Notebook de la solución de previsión de la demanda
Prevé a partir de Hojas de cálculo mediante BigQuery ML
Si deseas aprender a poner en funcionamiento el aprendizaje automático con tus procesos empresariales, combina las Hojas conectadas con un modelo de previsión en BigQuery ML. En este patrón, se explica el proceso de compilación de un modelo de previsión para el tráfico del sitio web mediante los datos de Google Analytics. Puedes extender este patrón para que funcione con otros tipos de datos y otros modelos de aprendizaje automático.
- Entrada de blog: Cómo usar un modelo de aprendizaje automático a partir de Hojas de cálculo de Google mediante BigQuery ML
- Código de muestra: Previsión del AA de BigQuery con Hojas de cálculo
- Plantilla: Previsión del AA de BigQuery con Hojas de cálculo
Detección de anomalías
En este patrón, se muestra cómo usar la detección de anomalías para encontrar fraudes con tarjetas de crédito en tiempo real.
Aprende cómo usar las transacciones y los datos de clientes para entrenar modelos de aprendizaje automático en BigQuery ML que se puedan usar en una canalización de datos en tiempo real para identificar, analizar y activar alertas para un posible fraude con tarjeta de crédito.
- Código de muestra: Detección de fraudes con tarjetas de crédito en tiempo real
- Video de descripción general: Fraudfinder: una solución integral para problemas reales de ciencia de datos