資料科學解決方案

您可以先運用 BigQuery SQL 和 Apache Spark 等強大的分析引擎，再用 BigQuery ML 或 Gemini Enterprise Agent Platform 建立模型。結合由業界頂尖 AI 驅動的 AI 優先 Colab Enterprise 筆記本和穩健的 MLOps，簡化開發流程。

Colab Enterprise 提供安全的代管環境，並整合 Gemini Enterprise Agent Platform 和 BigQuery。Workbenches 提供可自訂的 JupyterLab 執行個體，而 Cloud Workstations 則支援完整的 IDE。擴充功能還能將自行託管的工具直接連至 Google Cloud 服務。

只要用簡單的英文設定概略目標，資料科學代理就會生成詳細計畫，涵蓋資料科學模型的所有層面，包括載入、探索、清理、視覺化、特徵工程、資料分割、模型訓練/最佳化和評估。

AI 輔助資料準備功能會提供資料清理和轉換建議。資料工程代理可透過自然語言指令，自動執行資料工程工作，包括擷取資料和建立管道。

無論是 BigQuery 的 SQL 引擎，還是 Apache Spark 等開放原始碼架構，都能直接處理單一統合式資料副本。不用為不同系統個別維護資料。

BigQuery DataFrames 提供類似 pandas 的 API，可將 Python 程式碼轉譯為適合在 BigQuery 引擎上執行的 SQL。無論是 SQL、PySpark 或適用於 pandas 的 DataFrame，您都能使用相同的基礎資料，並靈活運用合適的工具完成所需工作

運用內建的預先訓練模型，或藉由 SQL 函式呼叫 Gemini 進行資料分析/enrichment。Agent Platform 支援 PyTorch、TensorFlow 和其他機器學習程式庫，供您建立自訂模型。您可以在 BigQuery 進行特徵工程、在 Agent Platform 自訂模型訓練工作，並透過 SQL 在 BigQuery 執行推論，一切都完美整合。

生成並使用多模態嵌入執行向量搜尋，進而瞭解語意並根據相似度檢索多模態資料。您不必管理個別的專用向量資料庫，就能建構精密的語意搜尋、建議或區隔系統。

在 Gemini Enterprise Agent Platform 特徵儲存庫中集中管理特徵，避免訓練/應用偏差和重複作業。AutoML 可自動建構表格型資料的模型。無論模型來自 BigQuery ML 或 Gemini Enterprise Agent Platform，都會自動在平台 Model Registry 註冊，方便您在單一平台上輕鬆管理版本、評估及部署模型，打造流暢的端對端生命週期。