Наташа Маркова

Google представила инструменты для машинного обучения в BigQuery

Создавать и запускать модели на структурированных или полуструктурированных наборах данных можно с помощью стандартных SQL-запросов.

1174

Google анонсировала запуск бета-версии инструмента для работы с моделями машинного обучения BigQuery ML. Создавать и запускать модели можно на структурированных или полуструктурированных наборах данных внутри BigQuery, используя стандартные SQL-запросы.

Возможности

BigQuery ML — набор простых расширений языка SQL, который позволяет использовать основные возможности машинного обучения, например, для предсказательной аналитики. Платформа поддерживает линейную регрессию и бинарную логистическую регрессию.

Для работы с BigQuery ML можно использовать веб-интерфейс BigQuery, инструмент командной строки bq, BigQuery REST API, а также внешние инструменты.

Операторы и функции

Платформа работает с оператором CREATE MODEL и функциями ML.EVALUATE, ML.ROC_CURVE, ML.PREDICT, ML.TRAINING_INFO, ML.FEATURE_INFO и ML. ВЕС.

Градиентный спуск

BigQuery предназначен для эффективного сканирования больших наборов данных, поэтому платформа основана на методе пакетного градиентного спуска. Хотя стохастический градиентный спуск более распространен в современных широкомасштабных системах машинного обучения, пакетный вариант имеет практические преимущества. Например, он нечувствителен к упорядочению и разбиению данных на диске и требует менее тонкой настройки для стабильной работы. Инструмент также поддерживает регуляризацию и предобуславливание.

В марте 2018 года Google запустила бесплатный курс по машинному обучению из 25 уроков с более чем 40 заданиями. Лекции ведут исследователи корпорации, объясняя принципы машинного обучения на реальных примерах.

Следите за новыми постами по любимым темам

Подпишитесь на интересующие вас теги, чтобы следить за новыми постами и быть в курсе событий.

Машинное обучение
Google
Облачные технологии
1174
Что думаете?
0 комментариев
Сначала интересные