סקירה כללית של פתרונות ספציפיים למשימות

במסמך הזה מפורטות תכונות הבינה המלאכותית (AI) שנתמכות ב-BigQuery ML. התכונות האלה מאפשרות לכם לפתח פתרונות ספציפיים למשימות ב-BigQuery ML באמצעות ממשקי Cloud AI API. דוגמאות למשימות נתמכות:

כדי לגשת ל-Cloud AI API כדי לבצע אחת מהפונקציות האלה, צריך ליצור מודל מרוחק ב-BigQuery ML שמייצג את נקודת הקצה של ה-API. אחרי שיוצרים מודל מרוחק במשאב ה-AI שרוצים להשתמש בו, מריצים פונקציה של BigQuery ML על המודל המרוחק כדי לגשת ליכולות של המשאב.

הגישה הזו מאפשרת לכם להשתמש ביכולות של ה-API הבסיסי בלי שתצטרכו לדעת Python או להכיר את ה-API.

תהליך עבודה

אפשר להשתמש במודלים מרוחקים במודלים של פלטפורמת הסוכנים של Gemini Enterprise ובמודלים מרוחקים בשירותי AI של Cloud ביחד עם פונקציות BigQuery ML כדי לבצע ניתוח נתונים מורכב ומשימות AI גנרטיבי.

בתרשים הבא מוצגים כמה תהליכי עבודה אופייניים שבהם אפשר להשתמש ביכולות האלה יחד:

דיאגרמה שמציגה תהליכי עבודה נפוצים למודלים מרוחקים שמשתמשים במודלים של Agent Platform או בשירותי Cloud AI.

עיבוד שפה טבעית (NLP)

אתם יכולים להשתמש בעיבוד שפה טבעית כדי לבצע משימות כמו סיווג וניתוח סנטימנט של הנתונים. לדוגמה, אפשר לנתח משוב על מוצרים כדי להעריך אם לקוחות אוהבים מוצר מסוים.

כדי לבצע משימות בשפה טבעית, אפשר ליצור הפניה אל Cloud Natural Language API על ידי יצירת מודל מרוחק וציון CLOUD_AI_NATURAL_LANGUAGE_V1 עבור הערך REMOTE_SERVICE_TYPE. לאחר מכן תוכלו להשתמש בפונקציה ML.UNDERSTAND_TEXT כדי ליצור אינטראקציה עם השירות הזה. אפשר להשתמש ב-ML.UNDERSTAND_TEXT עם נתונים בטבלאות רגילות. כל ההסקות מתבצעות ב-Gemini Enterprise Agent Platform. התוצאות מאוחסנות ב-BigQuery.

מידע נוסף זמין במאמר הסבר על טקסט באמצעות הפונקציה ML.UNDERSTAND_TEXT.

תרגום אוטומטי

אתם יכולים להשתמש בתרגום אוטומטי כדי לתרגם נתוני טקסט לשפות אחרות. לדוגמה, תרגום משוב מלקוחות משפה לא מוכרת לשפה מוכרת.

כדי לבצע משימות של תרגום אוטומטי, אפשר ליצור הפניה אל Cloud Translation API על ידי יצירת מודל מרחוק וציון CLOUD_AI_TRANSLATE_V3 כערך של REMOTE_SERVICE_TYPE. לאחר מכן תוכלו להשתמש בפונקציה ML.TRANSLATE כדי ליצור אינטראקציה עם השירות הזה. אפשר להשתמש ב-ML.TRANSLATE עם נתונים בטבלאות רגילות. כל ההיסקים מתבצעים ב-Agent Platform. התוצאות מאוחסנות ב-BigQuery.

כדי לקבל מידע נוסף, אפשר לנסות לתרגם טקסט באמצעות הפונקציה ML.TRANSLATE.

תמלול אודיו

אתם יכולים להשתמש בתמלול אודיו כדי לתמלל קובצי אודיו לטקסט כתוב. לדוגמה, תמלול של הקלטת דואר קולי להודעת טקסט.

כדי לבצע משימות תמלול אודיו, אפשר ליצור הפניה אל Speech-to-Text API על ידי יצירת מודל מרחוק וציון CLOUD_AI_SPEECH_TO_TEXT_V2 כערך של REMOTE_SERVICE_TYPE. אפשר גם לציין מזהה לשימוש כדי לעבד את תוכן האודיו. אחר כך אפשר להשתמש בפונקציה ML.TRANSCRIBE כדי לתמלל קובצי אודיו. ML.TRANSCRIBE עובד עם קובצי אודיו בטבלאות אובייקטים. כל ההיסקים מתבצעים ב-Agent Platform. התוצאות מאוחסנות ב-BigQuery.

מידע נוסף זמין במאמר תמלול קובצי אודיו באמצעות הפונקציה ML.TRANSCRIBE.

עיבוד מסמכים

אתם יכולים להשתמש בעיבוד מסמכים כדי לחלץ תובנות ממסמכים לא מובנים. לדוגמה, חילוץ מידע רלוונטי מקובצי חשבוניות כדי להזין אותו לתוכנת הנהלת חשבונות.

כדי לבצע משימות של עיבוד מסמכים, אפשר ליצור הפניה אל Document AI API על ידי יצירת מודל מרוחק, ציון CLOUD_AI_DOCUMENT_V1 כערך של REMOTE_SERVICE_TYPE וציון מעבד לשימוש כדי לעבד את תוכן המסמך. אחר כך אפשר להשתמש בפונקציה ML.PROCESS_DOCUMENT כדי לעבד מסמכים. ML.PROCESS_DOCUMENT פועל על מסמכים בטבלאות של אובייקטים. כל ההיסקים מתבצעים ב-Agent Platform. התוצאות מאוחסנות ב-BigQuery.

כדי לקבל מידע נוסף, אפשר לנסות לעבד מסמכים באמצעות הפונקציה ML.PROCESS_DOCUMENT.

ראייה ממוחשבת

אפשר להשתמש בראייה ממוחשבת כדי לבצע משימות של ניתוח תמונות. לדוגמה, אפשר לנתח תמונות כדי לזהות אם יש בהן פנים, או כדי ליצור תוויות שמתארות את האובייקטים בתמונה.

כדי לבצע משימות של ראייה ממוחשבת, אפשר ליצור הפניה אל Cloud Vision API על ידי יצירת מודל מרוחק וציון CLOUD_AI_VISION_V1 כערך של REMOTE_SERVICE_TYPE. אחר כך אפשר להשתמש בפונקציה ML.ANNOTATE_IMAGE כדי להוסיף הערות לתמונות באמצעות השירות הזה. ‫ML.ANNOTATE_IMAGE עובד עם נתונים בטבלאות אובייקטים. כל ההיסקים מתבצעים ב-Agent Platform. התוצאות מאוחסנות ב-BigQuery.

כדי לקבל מידע נוסף, אפשר לנסות להוסיף הערות לתמונות של טבלאות אובייקטים באמצעות הפונקציה ML.ANNOTATE_IMAGE.

המאמרים הבאים