Enable javascript in your browser for better experience. Need to know to enable it? Go here.
publicado : May 19, 2020
Not on the current edition
This blip is not on the current edition of the Radar. If it was on one of the last few editions it is likely that it is still relevant. If the blip is older it might no longer be relevant and our assessment might be different today. Unfortunately, we simply don't have the bandwidth to continuously review blips from previous editions of the Radar Understand more
May 2020
Avalie ? Vale a pena explorar com o objetivo de compreender como isso afetará sua empresa.

Frequentemente, o treinamento e a previsão de resultados dos modelos de aprendizado de máquina exigem código para levar os dados ao modelo. Google BigQuery ML inverte essa lógica trazendo o modelo para os dados. Google BigQuery é um armazém de dados projetado para atender a consultas em larga escala usando SQL, para casos de uso analíticos. O Google BigQuery ML estende essa função e sua interface SQL para criar, treinar e avaliar modelos de aprendizado de máquina usando seus conjuntos de dados e, eventualmente, executar previsões de modelo para criar novos conjuntos de dados do BigQuery. Ele suporta um conjunto limitado de modelos prontos para uso, como regressão linear para previsão ou regressão binária e multiclasse para classificação. Ele também suporta, com funcionalidade limitada, a importação de modelos TensorFlow previamente treinados. Embora o BigQuery ML e sua abordagem baseada em SQL reduzam o nível de uso do aprendizado de máquina para fazer previsões e recomendações, particularmente para explorações rápidas, isso vem com um desafio: comprometer outros aspectos do treinamento de modelos, como testes de viés ético, explicabilidade e entrega contínua para aprendizado de máquina.

Radar

Baixar o Technology Radar Volume 25

English | Español | Português | 中文

Radar

Mantenha-se por dentro das tendências de tecnologia

 

Seja assinante

Visite nosso arquivo para acessar os volumes anteriores