|
| | | |
| 일반적인 학습 알고리즘, 특성화 도구, 파이프라인 유틸리티가 포함된 Apache Spark의 확장 가능한 머신러닝 라이브러리입니다. | 단일 노드 라이브러리에 의존하지 않고 분산 클러스터 전반에서 대규모 ML 모델 학습을 실행합니다.
| |
| Spark MLlib의 핵심 특성 변환기로, 여러 열(연속 숫자, 원-핫 인코딩된 카테고리 등)을 단일 벡터 열로 병합합니다. | 원시 테이블 형식 데이터를 Spark MLlib 머신러닝 알고리즘에서 예상하는 특정 밀집 또는 희소 벡터 형식으로 준비합니다. | Spark MLlib 내의 구성요소로서, 이 실행은 Managed Service for Apache Spark에서 Spark 워크로드를 실행하는 데 드는 전체 컴퓨팅 비용에 기여합니다. |
| DataFrame을 기반으로 빌드된 고수준 API로, 사용자가 여러 특성 추출 단계와 모델을 함께 연결할 수 있도록 지원합니다. | 변환기와 추정기를 통합 파이프라인으로 그룹화하여 학습 및 추론 중에 동일한 데이터 처리를 보장합니다. | 다른 Spark MLlib 구성요소와 마찬가지로 비용은 Managed Service for Apache Spark의 실행 요금에 포함됩니다. |
| 표준 SQL 쿼리를 사용하여 BigQuery에서 머신러닝 모델을 만들고 실행할 수 있는 서비스입니다. | 복잡한 반복 분산 작업을 Spark로 이동하기 전에 데이터가 있는 곳에서 직접 모델을 학습시킵니다.
| BigQuery ML에는 자체 가격 책정 모델이 있습니다. 다음 항목에 대한 요금이 청구됩니다. - 모델 학습(CREATE MODEL 쿼리 중에 처리된 데이터 기반)
- 모델 예측(표준 BigQuery 쿼리 가격 책정)
- 모델 스토리지(표준 BigQuery 스토리지 요금으로 청구됨)
|
