原文：
www.kdnuggets.com/machine-learning-made-simple-for-data-analysts-with-bigquery-ml
图片由 freepik 提供
数据分析正经历一场革命。机器学习 (ML)，曾经是数据科学家的专属领域，现在对像你这样的数据分析师也变得触手可及。借助像 BigQuery ML 这样的工具，你可以利用机器学习的强大功能，而不需要计算机科学学位。让我们来探讨一下如何开始。
1. 谷歌网络安全证书 - 快速进入网络安全职业道路。
2. 谷歌数据分析专业证书 - 提升你的数据分析水平
3. 谷歌 IT 支持专业证书 - 支持你所在组织的 IT 工作
BigQuery 是一个完全托管的企业数据仓库，帮助你管理和分析数据，内置机器学习、地理空间分析和商业智能等功能。BigQuery 的无服务器架构允许你使用 SQL 查询来回答组织中最重要的问题，无需管理基础设施。
BigQuery ML (BQML) 是 BigQuery 中的一项功能，允许你使用标准 SQL 查询来构建和执行机器学习模型。这意味着你可以利用现有的 SQL 技能来执行以下任务：
-
预测分析： 预测销售、客户流失或其他趋势。
-
分类： 对客户、产品或内容进行分类。
-
推荐引擎： 基于用户行为推荐产品或服务。
-
异常检测： 识别数据中的异常模式。
接受 BigQuery ML 有几个令人信服的理由：
-
无需 Python 或 R 编码： 告别 Python 或 R。BigQuery ML 允许你使用熟悉的 SQL 语法来创建模型。
-
可扩展： BigQuery 的基础设施设计用于处理海量数据集。你可以在数 TB 的数据上训练模型，而不必担心资源限制。
-
集成： 你的模型与数据所在的位置相同。这简化了模型管理和部署，使得将预测直接纳入现有报告和仪表板变得轻而易举。
-
速度： BigQuery ML 利用 Google 强大的计算基础设施，实现更快的模型训练和执行。
-
成本效益： 仅为训练和预测过程中使用的资源付费。
如果你是一个希望在分析中增加预测能力的数据分析师，BigQuery ML 是一个很好的选择。无论你是在预测销售趋势、识别客户细分，还是检测异常，BigQuery ML 都可以帮助你获得有价值的洞察，而无需深入的机器学习专业知识。
1. 数据准备： 确保你的数据是干净的、有组织的，并且在 BigQuery 表中。这对任何机器学习项目都至关重要。
2. 选择模型： BQML 提供各种模型类型：
-
线性回归： 预测数值（例如销售预测）。
-
逻辑回归： 预测类别（例如客户流失——是或否）。
-
聚类： 将相似的项目归为一类（例如客户细分）。
-
更多功能： 时间序列模型、推荐系统的矩阵分解，甚至是用于高级情况的 TensorFlow 集成。
3. 构建和训练： 使用简单的 SQL 语句创建和训练你的模型。 BQML 处理背后的复杂算法。
这是一个基于面积预测房价的基本示例：
CREATE OR REPLACE MODEL `mydataset.housing_price_model`
OPTIONS(model_type='linear_reg') AS
SELECT price, square_footage FROM `mydataset.housing_data`;
SELECT * FROM ML.TRAIN('mydataset.housing_price_model');4. 评估： 检查你的模型表现如何。 BQML 提供如准确率、精确率、召回率等指标，具体取决于你的模型类型。
SELECT * FROM ML.EVALUATE('mydataset.housing_price_model');5. 预测： 进入有趣的部分！使用你的模型对新数据进行预测。
SELECT * FROM ML.PREDICT('mydataset.housing_price_model',
(SELECT 1500 AS square_footage));-
超参数调整： BigQuery ML 允许你调整超参数来微调模型的性能。
-
可解释的 AI： 使用类似于可解释的 AI 的工具来理解影响模型预测的因素。
-
监控： 持续监控你的模型表现，并在新数据可用时根据需要重新训练模型。
-
从简单开始： 从一个简单的模型和数据集入手，以了解整个过程。
-
实验： 尝试不同的模型类型和设置，以找到最适合的。
-
学习： Google Cloud 提供了关于 BigQuery ML 的优秀文档和教程。
-
社区： 加入论坛和在线小组，与其他 BQML 用户交流。
BigQuery ML 是一个强大的工具，为数据分析师普及了机器学习。凭借其易用性、可扩展性和与现有工作流的集成，利用机器学习的力量来从数据中获取更深入的见解从未如此简单。
BigQuery ML 使你能够使用标准 SQL 查询来开发和执行机器学习模型。此外，它还允许你利用Vertex AI 模型和Cloud AI API 进行各种 AI 任务，例如生成文本或翻译语言。此外，Google Cloud 的 Gemini 通过 AI 驱动的功能增强了 BigQuery，简化了你的任务。有关 BigQuery 中这些 AI 能力的全面概述，请参阅BigQuery 中的 Gemini。
开始尝试，今天就为你的分析解锁新的可能性！
Nivedita Kumari 是一位经验丰富的数据分析和人工智能专业人士，拥有超过 8 年的经验。在她目前的角色中，作为 Google 的数据分析客户工程师，她与高管不断互动，帮助他们设计数据解决方案，并指导他们在 Google Cloud 上构建数据和机器学习解决方案的最佳实践。Nivedita 在伊利诺伊大学厄本那-香槟分校获得了数据分析方向的技术管理硕士学位。她希望普及机器学习和人工智能，打破技术障碍，让每个人都能参与这项变革性技术。她通过创建教程、指南、观点文章和编码演示，与开发者社区分享她的知识和经验。在 LinkedIn 上与 Nivedita 连接。