Tutorial

Semua tutorial BigQuery ML

• Membuat model regresi untuk memprediksi berat penguin

  Tutorial ini menggunakan model regresi linier di BigQuery ML untuk memprediksi berat penguin.

• Membuat model klasifikasi pada data sensus

  Tutorial ini menggunakan model regresi logistik biner dalam BigQuery ML untuk memprediksi rentang pendapatan responden di Set Data Sensus AS

• Membuat model k-means untuk mengelompokkan set data penyewaan sepeda di London

  Tutorial ini menggunakan model k-means di BigQuery ML untuk mengidentifikasi cluster data di set data publik London Bicycle Hires.

• Membuat model faktorisasi matriks untuk membuat rekomendasi film

  Tutorial ini menggunakan set data movielens publik untuk membuat model dari masukan eksplisit yang menghasilkan rekomendasi film untuk pengguna.

• Membuat model faktorisasi matriks untuk membuat rekomendasi dari data Google Analytics

  Tutorial ini menggunakan contoh BigQuery Analytics untuk membuat model dari masukan implisit yang merekomendasikan konten bagi pengunjung ke situs.

• Perkiraan deret waktu tunggal dari data Analytics

  Tutorial ini membuat model deret waktu untuk melakukan satu perkiraan deret waktu menggunakan tabel contoh google_analytics_sample.ga_sessions.

• Beberapa perkiraan deret waktu dengan satu kueri untuk perjalanan NYC Citi Bike

  Tutorial ini membuat sekumpulan model deret waktu untuk melakukan beberapa perkiraan deret waktu dengan satu kueri. Anda akan menggunakan data new_york.citibike_trips. Data ini berisi informasi tentang perjalanan Citi Bike di New York City.

• Perkiraan skalabel dengan jutaan deret waktu di BigQuery

  Tutorial ini menggunakan serangkaian teknik untuk memungkinkan perkiraan 100x lebih cepat tanpa mengorbankan banyak akurasi perkiraan. API ini memungkinkan perkiraan jutaan deret waktu dalam hitungan jam menggunakan satu kueri.

• Perkiraan deret waktu multi-variasi dari data kualitas udara Seattle

  Tutorial ini menunjukkan cara membuat model deret waktu multi-variasi untuk melakukan perkiraan deret waktu. Tindakan ini memungkinkan perkiraan dengan fitur tambahan.

• Menggunakan klausa `TRANSFORM` untuk rekayasa fitur

  Tutorial ini menggunakan klausa `TRANSFORM` BigQuery ML untuk rekayasa fitur guna membuat model yang memprediksi berat anak ketika lahir.

• Menggunakan penyesuaian hyperparameter untuk meningkatkan performa model

  Tutorial ini menggunakan tabel sampel tlc_yellow_trips_2018 untuk membuat model dengan penyesuaian hyperparameter yang memprediksi tip perjalanan taksi.

• Mengimpor model TensorFlow untuk membuat prediksi

  Tutorial ini mengimpor model TensorFlow ke set data BigQuery dan menggunakannya untuk membuat prediksi dari kueri SQL.

• Mengekspor model BigQuery ML untuk prediksi online

  Tutorial ini mengekspor model ML BigQuery, lalu men-deploy model tersebut di AI Platform atau di mesin lokal. Anda akan menggunakan tabel iris dari set data publik BigQuery.