Présentation de Gemini dans BigQuery

Ce document explique comment Gemini dans BigQuery, qui fait partie de la suite de produits Gemini pour Google Cloud, fournit une assistance optimisée par l'IA pour vous aider à exploiter vos données. En plus de l'assistance Gemini, BigQuery ML vous permet également d'accéder Modèles Vertex AI et Cloud AI API pour effectuer des tâches d'IA, comme générer du texte ou pour la traduction.

Assistance par IA avec Gemini dans BigQuery

Gemini dans BigQuery offre une assistance basée sur l'IA procédez comme suit:

  • Explorez et comprenez vos données grâce aux insights. Les insights sur les données, disponibles en général (GA), sont un moyen automatisé et intuitif de découvrir des tendances 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 de l'exploration précoce des données. Pour en savoir plus, consultez la section Générer des insights sur les données dans BigQuery.
  • Découvrez, transformez, interrogez et visualisez des données avec le canevas de données BigQuery. (GA) En utilisant le langage naturel, vous pouvez rechercher, joindre et interroger des composants de table, visualiser les résultats et collaborer facilement avec d'autres personnes tout au long du processus. Pour plus d'informations, consultez la section Analyser avec un canevas de données.
  • Bénéficiez d'une analyse de données assistée en SQL et Python. Vous pouvez utiliser Gemini 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 de données. Pour apprendre à générer, terminer et résumer le code, consultez la documentation suivante:
  • Préparer les données pour l'analyse. (Preview) La préparation des données dans BigQuery vous fournit des recommandations de transformation générées par IA en fonction du contexte pour nettoyer les données à des fins d'analyse. Pour en savoir plus, consultez la section Préparer des données avec Gemini.
  • Optimisez votre infrastructure de données avec le partitionnement, le clustering recommandations concernant les vues matérialisées. Vous pouvez laisser BigQuery surveiller vos charges de travail SQL afin d'identifier les opportunités d'amélioration des performances et de réduction des coûts. Pour en savoir plus, consultez la documentation suivante:
  • Autotune et dépannage des charges de travail Apache Spark sans serveur (Preview) L'ajustement automatique peut optimiser automatiquement les tâches Spark en appliquant des paramètres de configuration à une charge de travail Spark récurrente en fonction des bonnes pratiques et d'une analyse des exécutions de charges de travail précédentes. Dépannage avancé avec Gemini dans BigQuery peut expliquer et identifier et offre des recommandations concrètes pour corriger les problèmes de lenteur ou d'échec emplois. Pour en savoir plus, consultez la section Réglage automatique de Spark charges de travail et dépannage.
  • Personnalisez vos traductions SQL à l'aide de règles de traduction. (Preview) Créez des règles de traduction améliorées par Gemini pour 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 la section Créer une règle de traduction.
Les grands modèles de langage (LLM) Gemini utilisés par Gemini dans BigQuery sont entraînés sur des ensembles de données du code disponible, des documents spécifiques à Google Cloud et d'autres des informations techniques pour s'assurer que Gemini dans BigQuery sont aussi utiles pour les utilisateurs de Gemini dans BigQuery possible.

Découvrez comment et quand Gemini pour Google Cloud utilise vos données. Comme il s'agit d'une technologie qui en est encore à un stade précoce, les produits Gemini pour Google Cloud peuvent générer une sortie qui semble plausible, mais qui est en fait incorrecte. Nous vous recommandons de valider tous les résultats des produits Gemini pour Google Cloud avant que vous ne les utilisiez. Pour en savoir plus, consultez la section Gemini pour Google Cloud et l'IA responsable.

Tarifs

Consultez les Tarifs de Gemini pour Google Cloud.

Quotas et limites

Pour connaître les quotas et les limites qui s'appliquent à Gemini dans BigQuery, consultez la page Quotas et limites de Gemini pour Google Cloud.

Où interagir avec Gemini dans BigQuery

Après avoir configuré Gemini dans BigQuery, vous pouvez utiliser Gemini dans BigQuery dans BigQuery Studio:

Auto-ajuster et résoudre les problèmes des tâches Spark

L'auto-tuning peut vous aider à optimiser vos charges de travail Spark pour améliorer les performances et la résilience. Au lieu de configurer manuellement les paramètres, BigQuery peut appliquer les bonnes pratiques pour les charges de travail récurrentes puis vous aider à comprendre et à surveiller votre réglage automatique. Dépannage avancé fournit des réponses en langage naturel à la question "Qu'est-ce qui a été réglé automatiquement ?", "Que se passe-t-il ?" et "Que puis-je faire ?"

Configurer Gemini dans BigQuery

Pour connaître la procédure de configuration détaillée, consultez Configurer Gemini dans BigQuery

Étape suivante