Pattern di riferimento

Questa pagina fornisce link a casi d'uso aziendali, codice campione e guide di riferimento tecnico per i casi d'uso di BigQuery ML. Utilizza queste risorse per identificare le best practice e accelerare lo sviluppo delle tue applicazioni.

Regressione e classificazione

Questi pattern mostrano come creare soluzioni di regressione e classificazione.

Crea nuovi segmenti di pubblico in base al lifetime value cliente attuale

Scopri come identificare i clienti attuali più redditizi e poi utilizzali per sviluppare segmenti di pubblico simili in Google Ads.

• Guida di riferimento tecnico: creazione di nuovi segmenti di pubblico in base al lifetime value cliente esistente
• Codice campione: Attivare le previsioni LTV

Modellazione di propensione per applicazioni di videogiochi

Scopri come utilizzare BigQuery ML per addestrare, valutare e ottenere previsioni da diversi tipi di modelli di propensione. I modelli di propensione possono aiutarti a determinare la probabilità che utenti specifici tornino nella tua app, in modo da poter utilizzare queste informazioni per prendere decisioni di marketing.

• Post del blog: Previsione del tasso di abbandono per gli sviluppatori di giochi che utilizzano Google Analytics 4 e BigQuery ML
• Blocco note: blocco note della soluzione di previsione del tasso di abbandono
• Panoramica tecnica: Definizione del modello di propensione per le applicazioni di gioco

Previsione di serie temporali

Questi modelli mostrano come creare soluzioni di previsione per serie temporali.

Crea un modello di previsione della domanda

Scopri come creare un modello di serie temporali da usare per prevedere la domanda del retail per più prodotti.

• Post del blog: Come creare modelli di previsione della domanda con BigQuery ML
• Blocco note: blocco note sulla soluzione di previsione della domanda

Previsione da Fogli Google con BigQuery ML

Scopri come rendere operativi il machine learning con i tuoi processi aziendali combinando Fogli connessi con un modello di previsione in BigQuery ML. Questo modello illustra la procedura per creare un modello di previsione per il traffico sul sito web utilizzando i dati di Google Analytics. Puoi estendere questo pattern per lavorare con altri tipi di dati e altri modelli di machine learning.

• Post del blog: Come utilizzare un modello di machine learning da Fogli Google con BigQuery ML
• Codice di esempio: previsione di BigQuery ML con Fogli
• Modello: Previsione di BigQuery ML con Fogli

Rilevamento delle anomalie

Questi pattern mostrano come creare soluzioni per il rilevamento di anomalie.

Rilevamento in tempo reale di attività fraudolente con carta di credito

Scopri come utilizzare le transazioni e i dati dei clienti per addestrare modelli di machine learning in BigQuery ML che possono essere utilizzati in una pipeline di dati in tempo reale per identificare, analizzare e attivare avvisi per potenziali frodi con carta di credito.

• Codice di esempio: Rilevamento in tempo reale di attività fraudolente con carta di credito
• Panoramica video: Fraudfinder: una soluzione completa per i problemi di data science reali