Ce document explique comment Gemini dans BigQuery, un produit de la gamme Gemini pour Google Cloud, fournit une assistance basée sur l'IA pour vous aider à exploiter vos données.
Assistance de l'IA avec Gemini dans BigQuery
Gemini dans BigQuery fournit une assistance d'IA des manières suivantes:
- Explorer et comprendre vos données grâce aux insights Les insights sur les données offrent un moyen automatisé et intuitif de découvrir des modèles, d'évaluer la qualité des données et d'effectuer des analyses statistiques à l'aide de requêtes pertinentes générées à partir des métadonnées de vos tables. Cette fonctionnalité est particulièrement utile pour résoudre les problèmes de démarrage à froid liés à l'exploration précoce des données. Pour en savoir plus, consultez la page Générer des insights sur les données dans BigQuery.
- Découvrez, transformez, interrogez et visualisez des données avec le canevas de données BigQuery. À l'aide du langage naturel, vous pouvez rechercher, joindre et interroger des éléments de table, visualiser les résultats et collaborer facilement avec d'autres personnes tout au long du processus. Pour en savoir plus, consultez la section Analyser avec le canevas de données.
- Obtenir de l'aide pour l'analyse de données SQL et Python Vous pouvez utiliser Genmini dans BigQuery pour générer ou suggérer du code en SQL ou en Python, et pour expliquer une requête SQL existante. Vous pouvez également utiliser des requêtes en langage naturel pour commencer l'analyse des données. Pour savoir comment générer, compléter et résumer du code, consultez Écrire des requêtes avec l'aide de Genmini.
- Optimisez votre infrastructure de données avec des recommandations de partitionnement, de clustering et de vue matérialisée. Vous pouvez laisser BigQuery surveiller vos charges de travail SQL à la recherche d'opportunités d'amélioration des performances et de réduction des coûts. Pour en savoir plus, consultez Afficher les recommandations de partitions et de clusters et Gérer les recommandations de vue matérialisée.
- Régler automatiquement et résoudre les problèmes des charges de travail Apache Spark sans serveur Le réglage automatique permet d'optimiser automatiquement les tâches Spark en appliquant des paramètres de configuration à une charge de travail Spark récurrente en fonction des bonnes pratiques et de l'analyse des exécutions précédentes de la charge de travail. Le dépannage avancé avec Gemini peut expliquer et identifier les erreurs liées aux tâches, et peut proposer des recommandations concrètes pour corriger les tâches lentes ou en échec. Pour en savoir plus, consultez les pages Régler automatiquement les charges de travail Spark et Surveiller et dépanner les charges de travail Dataproc sans serveur.
- Personnalisez vos traductions SQL à l'aide de règles de traduction. Créez des règles de traduction améliorées pour Genmini afin de personnaliser vos traductions SQL lorsque vous utilisez le traducteur SQL interactif. Vous pouvez décrire les modifications apportées au résultat de la traduction SQL à l'aide d'invites en langage naturel ou spécifier des modèles SQL à rechercher et à remplacer. Pour en savoir plus, consultez Créer une règle de traduction.
Gemini n'utilise pas vos requêtes ni ses réponses comme données pour entraîner ses modèles. Pour en savoir plus, consultez la section Comment Gemini pour Google Cloud utilise vos données. En tant que technologie à ses débuts, Gemini peut générer des résultats qui semblent plausibles, mais qui sont factuels incorrects. Nous vous recommandons de valider tous les résultats de Gemini avant de l'utiliser. Pour en savoir plus, consultez Gemini pour Google Cloud et l'IA responsable.
Où interagir avec Gemini
Après avoir configuré Gemini dans BigQuery, vous pouvez utiliser Gemini dans BigQuery pour effectuer les opérations suivantes dans BigQuery Studio:
- Pour utiliser les insights, accédez à l'onglet Insights pour trouver une entrée de table, dans laquelle vous pouvez identifier des modèles, évaluer la qualité et exécuter des analyses statistiques sur vos données BigQuery.
- Pour utiliser le canevas de données, créez un canevas de données ou utilisez le canevas de données à partir d'une table ou d'une requête afin d'explorer des éléments de données en langage naturel et de partager vos canevas.
- Pour obtenir de l'aide pour les requêtes SQL, utilisez l'outil M'aider à coder, qui vous permet d'itérer votre requête, de spécifier des données sources, puis d'insérer la requête dans BigQuery Studio.
- Pour afficher les recommandations concernant le partitionnement, le clustering et les vues matérialisées, cliquez sur Recommandations dans la barre d'outils de la console Google Cloud.
- Pour générer du code SQL ou Python en langage naturel, ou recevoir des suggestions avec la saisie semi-automatique lors de la saisie, utilisez l'outil M'aider à coder pour vos requêtes SQL ou votre code Python. Gemini peut également expliquer votre code SQL en langage naturel.
Régler automatiquement et résoudre les problèmes des jobs Spark
L'autoréglage peut vous aider à optimiser les performances et la résilience de vos charges de travail Spark. Plutôt que de configurer manuellement les paramètres, Gemini peut appliquer les bonnes pratiques pour les charges de travail récurrentes, puis vous aider à comprendre et à surveiller votre réglage automatique. Le dépannage avancé fournit des réponses en langage naturel à "Qu'est-ce qui a été réglé automatiquement ?", « Que se passe-t-il maintenant ? » et « Que puis-je faire à ce sujet ? »
Configurer Gemini dans BigQuery
Pour obtenir la procédure de configuration détaillée, consultez Configurer Gemini dans BigQuery.
Étapes suivantes
- Découvrez comment configurer Gemini dans BigQuery.
- Découvrez comment rédiger des requêtes avec Gemini.
- Découvrez comment Gemini pour Google Cloud utilise vos données.
- Apprenez-en plus sur la conformité Google Cloud.