BigQuery ML-Grundlagen: Maschinelles Lernen und Inferenz mit SQL

Viele Datenanalysten möchten maschinelles Lernen nutzen, haben aber Probleme mit komplexen Programmierpipelines und der Übertragung großer Datensätze aus ihren Data Warehouses. BigQuery ML löst dieses Problem, indem Sie maschinelle Lernmodelle mithilfe von Standard-SQL direkt an der Stelle erstellen und ausführen können, an der sich Ihre Daten befinden. In diesem textbasierten Kurs lernen Sie den Übergang von der Standarddatenanalyse zur Predictive Analytics kennen. Sie erfahren, wie Sie Modelle trainieren, die Leistung bewerten und Echtzeit-Inferenzen ausführen, ohne Ihre Datenbankumgebung zu verlassen. Was Sie lernen: Verstehen Sie die Kernkonzepte des maschinellen Lernens und wie datenbankzentriertes ML funktioniert; Schreiben Sie SQL-Abfragen, um Regressions-, Klassifizierungs- und Prognosemodelle zu trainieren; Führen Sie Modellinferenzen und Prognosen direkt auf großen Datensätzen aus; Bewerten Sie Modellleistungsmetriken mit integrierten SQL Auswertungsfunktionen; Integrieren Sie moderne ML-Algorithmen in Ihre Datenbank. Anwenden von Best Practices für die Strukturierung von Daten und die Verwaltung von ML-Workflows im Data Warehouse, um die Effizienz und die Leistung von BigQuery zu steigern. Der Kurs beginnt mit grundlegender Machine Learning-Terminologie und Datenbank-Setup. Anschließend lernen Sie in schriftlichen Anleitungen und SQL-Beispielen, wie Sie prädiktive Modelle mithilfe vertrauter Datenbankabfragen erstellen, auswerten und bereitstellen. Dieser Kurs richtet sich an Anfänger, die SQL-Entwickler werden möchten, die Datenbankadministratoren werden möchte, und Datenanalysten, die Machine Learning erlernen möchten. Es sind keine Vorkenntnisse in Python, R oder fortgeschrittenem maschinellen Lernen erforderlich – nur ein grundlegendes Verständnis von SQL. Beginnen Sie noch heute mit datenbankgesteuertem maschinellem Lernen.