BigQuery AI – Construindo o futuro dos dados: Day1

O objetivo é construir um protótipo que processa dados não estruturados mantidos por empresas (registros de bate-papo, PDFs, capturas de tela, gravações etc.) usando os recursos de AI da BigQuery para resolver problemas de negócios do mundo real. Recursos Pesquisa vetorial: ML.Generate_Embingding, Vector_search, etc. Análise integrada de dados estruturados/não estruturados: tabelas de objetos, objectref, dados de dados multimodais, etc. Além disso, o critério de avaliação é diferente de uma solução de Kaggle típica: REVENNAGIMENTAÇÃO TÉCNICA (35%): qualidade eficaz do uso de grandes motivos de kaggle: a implementação técnica (35%): qualidade eficaz de codos, um grande número de negócios. (20%): Clareza da definição de problemas, ativos de qualidade da documentação (20%): qualidade do blog/vídeo, bônus de repositório público do github (10%): feedback, envio da pesquisa O recurso mais distinto é que os dados são fornecidos por dados públicos de dados. por Dao Sy Duy Minh 3 Abordagens para previsão do tempo usando o BigQuery. Appears para usar dados climáticos de Hanói. Python e Profeta Parece que você pode usar o Profeta através do bigquery.client (). BigQuery ML Você pode recuperar conjuntos de dados com DataSet = bigquery.dataset (DataSet_id) e usá -los diretamente. O uso é tão simples quanto escrever client.Query (Train_Query), exigindo relativamente pouco código. Previsões generativas de grande escala generalizadoras são possíveis usando o AI.forecast

Fonte