Padrões de referência

Esta página fornece links para exemplos de código e guias de referência técnica para casos de uso comuns do BigQuery. Use esses recursos para aprender, identificar práticas recomendadas e aproveitar o código de amostra para criar os recursos necessários.

Os padrões de referência listados aqui são orientados por código e destinados a agilizar a implementação. Para ver uma variedade maior de soluções do BigQuery, consulte a lista de guias de referência técnica do BigQuery.

Detecção de anomalias

Solução Descrição Links
Como criar um aplicativo de detecção de anomalias de rede de telecomunicações usando o clustering k-means

Nesta solução, mostramos como criar um aplicativo de detecção de anomalias de rede baseado em ML para redes de telecomunicações e identificação de ameaças de segurança cibernética usando o Dataflow, BigQuery ML e Cloud Data Loss Prevention.

Guia técnico de referência: Como criar uma solução segura de detecção de anomalias usando Dataflow, BigQuery ML e Cloud Data Loss Prevention

Código de amostra: detecção de anomalias em registros do Netflow

Postagem do blog: detecção de anomalias usando análise de streaming e IA

Vídeo com a visão geral sobre: como criar uma solução de detecção de anomalias segura

Como encontrar anomalias em transações financeiras em tempo real usando o BoostedTrees

Use esta implementação de referência para saber como gravar dados de transação no BigQuery para análise depois de receber previsões sobre um modelo de árvore otimizado do TensorFlow.

Guia de referência técnica: Como detectar anomalias em transações financeiras usando o AI Platform, o Dataflow e o BigQuery

Código de amostra: detecção de anomalias em transações financeiras

Análise geral

Solução Descrição Links
Como criar um pipeline para transcrever e analisar arquivos de voz

Saiba como transcrever e analisar arquivos de voz enviados e salvar esses dados no BigQuery para uso em visualizações.

Código de amostra: framework de análise de voz

Análise de registros

Solução Descrição Links
Capture interações do Dialogflow para análise no BigQuery

Saiba como capturar e armazenar interações do Dialogflow no BigQuery para uma análise mais detalhada.

Código de amostra: analisador de registros do Dialogflow

Como processar registros em grande escala usando o Dataflow e o BigQuery

Aprenda a criar pipelines analíticos que processam entradas de registro de várias fontes e combine os dados de registro usando maneiras que ajudem a extrair informação significativa.

Guia de referência técnica: Como processar registros em escala usando o Dataflow

Exemplo de código: Como processar registros em escala usando o Dataflow

Reconhecimento de padrões

Solução Descrição Links
Como detectar objetos em trechos de vídeo

Esta solução mostra como criar uma solução de análise de clipes de vídeo em tempo real para rastreamento de objetos, permitindo processar grandes volumes de dados não estruturados quase em tempo real e gravá-los no BigQuery para análise.

Código de amostra: solução de análise de vídeo usando o Dataflow e a API Video Intelligence

Módulo do Apache Beam para chamar a API Video Intelligence: apache_beam.ml.gcp.videointelligenceml

Como processar conteúdo gerado pelo usuário usando a API Video Intelligence e a API Cloud Vision Neste conjunto de soluções, descrevemos a arquitetura de implantação de um sistema escalonável para filtrar envios de imagens e vídeos usando a API Cloud Vision e a API Video Intelligence. Em seguida, grave os dados no BigQuery para análise.

Arquitetura: como processar conteúdo gerado pelo usuário usando a API Video Intelligence e a API Cloud Vision

Tutorial: como processar conteúdo gerado pelo usuário usando a API Video Intelligence e a API Cloud Vision

Código de amostra: como processar conteúdo gerado pelo usuário usando a API Video Intelligence e a API Cloud Vision

Ptransform do Apache Beam para chamar a API Cloud Vision: apache_beam.ml.gcp.visionml module

Anonimizar (desidentificar) e reidentificar dados de PII no pipeline de análise inteligente Neste conjunto de soluções, mostramos como usar o Dataflow, o Cloud Data Loss Prevention, o BigQuery e o Pub/Sub para desidentificar e reidentificar informações de identificação pessoal (PII) em um conjunto de dados de amostra.

Guias de referência técnica:

Código de amostra: migrar dados confidenciais no BigQuery usando o Dataflow e o Cloud Data Loss Prevention

Previsão preditiva

Solução Descrição Links
Como criar um modelo de clustering k-means para segmentação de mercado

Saiba como segmentar dados de público do Google Analytics 360 com fins de marketing criando clusters k-means com o BigQuery ML.

Guia técnico de referência: Como criar um modelo de clustering k-means para segmentação de mercado usando o BigQuery ML

Notebook: Como criar modelos de clustering k-means para segmentação de mercado usando o BigQuery ML

Como desenvolver uma propensão para comprar uma solução usando o BigQuery ML

Saiba como criar e implantar um modelo de propensão de compra, usá-lo para receber previsões sobre o comportamento de compra do cliente e, em seguida, criar um pipeline para automatizar o fluxo de trabalho.

Guia de referência técnica: como prever a propensão do cliente à compra usando o BigQuery ML e o AI Platform

Exemplo de código: como criar uma solução ponta a ponta de propensão de compra usando o BigQuery ML e os pipelines do Kubeflow

Postagem do blog: Como criar uma solução ponta a ponta de propensão de compra usando o BigQuery ML e os pipelines do Kubeflow

Como criar um modelo de previsão de demanda de série temporal

Aprenda a criar uma solução completa para prever a demanda de produtos de varejo. Use dados de vendas históricos para treinar um modelo de previsão de demanda usando o BigQuery ML e visualize os valores previstos em um painel.

Exemplo de código: Como criar um modelo de previsão de demanda de série temporal usando o BigQuery ML

Como criar um sistema de recomendações de comércio eletrônico usando o BigQuery ML

Saiba como criar um sistema de recomendações usando o BigQuery ML para gerar recomendações de produtos ou serviços com base nos dados do cliente disponíveis no BigQuery. Em seguida, saiba como disponibilizar esses dados para outros sistemas de produção exportando-os para o Google Analytics 360, o Cloud Storage ou fazendo a leitura programática deles na tabela do BigQuery.

Guia técnico de referência: como criar um sistema de recomendações de comércio eletrônico usando o BigQuery ML

Notebook: bqml_matrix_factorization_retail_ecommerce

Criar novos públicos-alvo com base no valor atual da vida útil do cliente

Saiba como identificar seus clientes mais valiosos, atualmente, e usá-los para desenvolver público-alvo semelhante no Google Ads.

Guia de referência técnica: Como criar novos públicos-alvo com base no valor de vida útil do cliente existente

Exemplo de código: Ativar previsões de LTV

Criação e exibição de embeddings para recomendações em tempo real

Saiba como criar e disponibilizar embeddings para fazer recomendações de itens semelhantes em tempo real. Use o BigQuery ML para criar um modelo de fatoração de matrizes para prever os embeddings e o framework de código aberto ScaNN para criar um distintivo mais próximo, e implante o modelo no AI Platform Prediction para correspondência de itens semelhantes em tempo real.

Guia de referência técnica: Arquitetura de um sistema de machine learning para correspondência de itens

Exemplo de código: recomendação de matriz de ML do BigQuery para itens em tempo real e ScaNN