Capítulo 6. Utilizar BigQuery ML para entrenar un modelo de regresión lineal
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En este capítulo aprenderás a construir desde cero un modelo de regresión lineal y un modelo de red neuronal para predecir la producción de una central eléctrica. Realizarás esta tarea utilizando SQL para el análisis de datos, Jupyter Notebook para la exploración de datos y BigQuery Machine Learning (BigQuery ML) para entrenar el modelo ML. Por el camino, aprenderás nuevas técnicas para comprender tus datos en preparación para el ML y cómo aplicar este conocimiento para mejorar el rendimiento de tu modelo.
El caso de uso empresarial: Producción de centrales eléctricas
Tu objetivo en este proyecto será predecir la producción horaria neta de energía eléctrica de una central eléctrica de ciclo combinado (CCPP) dadas las condiciones meteorológicas cercanas a la central en ese momento.
Una CCPP está compuesta por turbinas de gas, turbinas de vapor y generadores de vapor con recuperación de calor. La electricidad la generan las turbinas de gas y de vapor, que se combinan en un ciclo, y se transfiere de una turbina a otra. Mientras que el vacío se recoge de la turbina de vapor, las otras tres variables ambientales (temperatura, presión ambiente y humedad relativa) afectan al rendimiento de la turbina de gas.
El conjunto de datos de esta sección contiene puntos de datos recogidos de una CCPP a ...
Get IA de bajo código now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
