Podstawy BigQuery ML: uczenie maszynowe i wnioskowanie z wykorzystaniem języka SQL

Wielu analityków danych chce wykorzystać uczenie maszynowe, ale ma problemy ze złożonymi potokami programowania i przenoszeniem ogromnych zbiorów danych z hurtowni danych. Rozwiązaniem tego problemu jest BigQuery ML, która umożliwia tworzenie i uruchamianie modeli uczenia maszynowego bezpośrednio w miejscu przechowywania danych przy użyciu standardowego języka SQL. W tym kursie tekstowym przejdziesz od standardowej analizy danych do analizy predykcyjnej. Zrozumiesz, jak trenować modele, oceniać wydajność i uruchamiać wnioskowanie w czasie rzeczywistym bez opuszczania środowiska bazy danych. Co nauczysz się: Zrozum podstawowe pojęcia uczenia maszynowego i jak działa ML zorientowane na bazę danych; Napisz zapytania SQL, aby trenować modele regresji, klasyfikacji i prognozowania; Wykonaj wnioski i prognozy modelu bezpośrednio na dużych zbiorach danych; Ocenić wskaźniki wydajności modelu za pomocą wbudowanych funkcji oceny SQL; Zintegruj nowoczesne Zastosuj najlepsze praktyki w zakresie struktury danych i zarządzania przepływami pracy ML w hurtowni danych. Kurs rozpoczyna się od podstawowej terminologii uczenia maszynowego i konfiguracji bazy danych. Następnie przejdziesz przez pisemne przewodniki i przykłady SQL, które pokazują, jak konstruować, oceniać i wdrażać modele predykcyjne przy użyciu znanych zapytań do bazy danych. Ten kurs jest przeznaczony dla początkujących analityków danych, administratorów baz danych i programistów SQL, którzy chcą nauczyć się uczenia maszynowego. Nie jest wymagane wcześniejsze doświadczenie w Pythonie, R lub zaawansowanym uczeniu maszynowym — wystarczy podstawowa znajomość SQL. Rozpocznij swoją podróż w kierunku uczenia maszynowego opartego na bazie danych już dziś.