Google BigQuery: Der endgültige Leitfaden

Kapitel 9. Maschinelles Lernen in BigQuery

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Computersystemen beschäftigt, die in der Lage sind, selbstständig zu handeln. Im Laufe der Jahre sind viele verschiedene Teilbereiche der KI entstanden, aber ein Ansatz, der sich in den letzten Jahren als erfolgreich erwiesen hat, ist die Idee, große Datensätze zu nutzen, um Allzweckmodelle (wie Entscheidungsbäume und neuronale Netze) zu trainieren, die komplexe Probleme mit großer Genauigkeit lösen können.

einem Computer anhand von Beispielen beizubringen, wird als überwachtes maschinelles Lernen bezeichnet und kann in BigQuery durchgeführt werden, wobei die Daten erhalten bleiben. In diesem Kapitel sehen wir uns an, wie man mit BigQuery ML eine Vielzahl von Problemen des maschinellen Lernens lösen kann. Auch wenn maschinelles Lernen in BigQuery durchgeführt werden kann, haben wir durch die Möglichkeit, leistungsstarke, branchenübliche Frameworks für maschinelles Lernen wie TensorFlow auf die Daten in BigQuery anzuwenden, Zugang zu einer viel größeren Vielfalt an maschinellen Lernmodellen und Komponenten. Deshalb schauen wir uns in diesem Kapitel auch die Verbindungen an, die zwischen BigQuery und vollwertigen Machine-Learning-Frameworks bestehen.

Was ist maschinelles Lernen?

Wenn wir historische Daten gesammelt ...