Panoramica di Gemini in BigQuery

Questo documento descrive in che modo Gemini in BigQuery, che fa parte della suite di prodotti Gemini per Google Cloud, fornisce assistenza basata sull'AI per aiutarti a utilizzare i tuoi dati. Oltre all'assistenza di Gemini, BigQuery ML ti consente anche di accedere ai modelli Vertex AI e alle API Cloud AI per eseguire attività di IA come la generazione di testo o la traduzione automatica.

Assistenza AI con Gemini in BigQuery

Gemini in BigQuery fornisce assistenza basata sull'AI per aiutarti a:

  • Esplora e comprendi i tuoi dati con gli approfondimenti sui dati. Gli insight sui dati generalmente disponibili (GA) offrono un modo automatico e intuitivo per individuare pattern ed eseguire analisi statistiche utilizzando query dettagliate generate dai metadati delle tabelle. Questa funzionalità è particolarmente utile per risolvere i problemi di cold start dell'esplorazione dei dati iniziali. Per ulteriori informazioni, consulta Genera insight sui dati in BigQuery.
  • Scopri, trasforma, sottoponi a query e visualizza i dati con il canvas di dati di BigQuery. (GA) Utilizzando il linguaggio naturale, puoi trovare, unire e sottoporre a query gli asset tabella, visualizzare i risultati e collaborare senza problemi con altri utenti durante l'intero processo. Per ulteriori informazioni, consulta Eseguire analisi con il data canvas.
  • Esegui l'analisi dei dati assistita in SQL e Python. Puoi utilizzare Gemini in BigQuery per generare o suggerire codice in SQL o Python e per spiegare una query SQL esistente. Puoi anche utilizzare le query in linguaggio naturale per iniziare l'analisi dei dati. Per scoprire come generare, completare e riepilogare il codice, consulta la seguente documentazione:
  • Prepara i dati per l'analisi. (Anteprima) La preparazione dei dati in BigQuery fornisce consigli di trasformazione basati sull'AI e consapevoli del contesto per pulire i dati per l'analisi. Per saperne di più, consulta Preparare i dati con Gemini.
  • Ottimizza la tua infrastruttura di dati con consigli per partizionamento, clustering e vista materializzata materializzate. Puoi consentire a BigQuery di monitorare i tuoi carichi di lavoro SQL per individuare opportunità di miglioramento delle prestazioni e riduzione dei costi. Per ulteriori informazioni, consulta la seguente documentazione:
  • Esegui l'ottimizzazione automatica e la risoluzione dei problemi dei carichi di lavoro Apache Spark serverless. (Anteprima) L'ottimizzazione automatica può ottimizzare automaticamente i job Spark applicando impostazioni di configurazione a un carico di lavoro Spark ricorrente in base alle best practice e a un'analisi delle esecuzioni precedenti del carico di lavoro. La risoluzione dei problemi avanzata con Gemini in BigQuery può spiegare e mostrare gli errori del job, nonché offrire consigli utili per correggere i job lenti o non riusciti. Per ulteriori informazioni, consulta Ottimizzazione automatica dei carichi di lavoro Spark e Risoluzione dei problemi avanzata.
  • Personalizza le traduzioni SQL con le regole di traduzione. (Anteprima) Crea regole di traduzione avanzate di Gemini per personalizzare le traduzioni SQL quando utilizzi il traduttore SQL interattivo. Puoi descrivere le modifiche all'output della traduzione SQL utilizzando prompt in linguaggio naturale o specificare pattern SQL da trovare e sostituire. Per ulteriori informazioni, consulta Creare una regola di traduzione.
I modelli linguistici di grandi dimensioni (LLM) di Gemini utilizzati da Gemini in BigQuery vengono addestrati su set di dati di codice pubblico, materiale specifico di Google Cloud e altre informazioni tecniche pertinenti, oltre ai set di dati utilizzati per addestrare i modelli di base di Gemini. I modelli vengono addestrati in modo che le risposte di Gemini in BigQuery siano il più possibile utili per gli utenti di Gemini in BigQuery.

Scopri come e quando Gemini for Google Cloud utilizza i tuoi dati. Poiché si tratta di una tecnologia in fase iniziale, i prodotti Gemini per Google Cloud possono generare output apparentemente plausibili, ma di fatto errati. Ti consigliamo di verificare tutti gli output dei prodotti Gemini for Google Cloud prima di utilizzarli. Per ulteriori informazioni, consulta Gemini per Google Cloud e l'AI responsabile.

Prezzi

Consulta la pagina Prezzi di Gemini in Google Cloud.

Quote e limiti

Per le quote e i limiti che si applicano a Gemini in BigQuery, consulta Quote e limiti di Gemini per Google Cloud.

Dove interagire con Gemini in BigQuery

Dopo aver configurato Gemini in BigQuery, puoi utilizzare Gemini in BigQuery per eseguire le seguenti operazioni in BigQuery Studio:

Ottimizzazione automatica e risoluzione dei problemi dei job Spark

L'ottimizzazione automatica può aiutarti a ottimizzare i carichi di lavoro Spark in termini di rendimento e resilienza. Anziché configurare manualmente le impostazioni, Gemini in BigQuery può applicare le best practice per i carichi di lavoro ricorrenti e poi aiutarti a comprendere e monitorare l'ottimizzazione automatica. La risoluzione dei problemi avanzata fornisce risposte in linguaggio naturale alla domanda "Che cosa è stato sottoposto ad accordatura automatica?", "Che cosa sta succedendo ora?" e "Cosa posso fare?"

Configurare Gemini in BigQuery

Per la procedura di configurazione dettagliata, consulta Configurare Gemini in BigQuery.

Passaggi successivi