Capítulo 9. Aprendizaje automático en BigQuery
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
La inteligencia artificial (IA) es el dominio de la informática centrado en la construcción de sistemas informáticos capaces de actuar de forma autónoma. A lo largo de los años, han surgido muchos subcampos diferentes en la IA, pero un enfoque que ha tenido éxito en los últimos años ha sido la idea de utilizar grandes conjuntos de datos para entrenar modelos de propósito general (como árboles de decisión y redes neuronales) que puedan resolver problemas complejos con gran precisión.
Enseñar a un ordenador basándose en ejemplos de se denomina aprendizaje automático supervisado, y se puede llevar a cabo en BigQuery conservando los datos. En este capítulo, veremos cómo resolver una amplia variedad de problemas de aprendizaje automático utilizando BigQuery ML. Aunque el aprendizaje automático puede llevarse a cabo en BigQuery, poder utilizar potentes marcos de aprendizaje automático estándar del sector, como TensorFlow, en los datos de BigQuery puede darnos acceso a una variedad mucho mayor de modelos y componentes de aprendizaje automático. Por ello, en este capítulo también examinamos las conexiones que existen entre BigQuery y los marcos de aprendizaje automático completos.
¿Qué es el aprendizaje automático?
Si hemos recopilado datos históricos (¿y para qué sirve un almacén de datos, si no es precisamente para esto?), ...