Vista geral das soluções específicas de tarefas

Este documento descreve as funcionalidades de inteligência artificial (IA) que o BigQuery ML suporta. Estas funcionalidades permitem-lhe desenvolver soluções específicas de tarefas no BigQuery ML através das APIs Cloud AI. As tarefas suportadas incluem o seguinte:

Aceda a uma API Cloud AI para realizar uma destas funções criando um modelo remoto no BigQuery ML que representa o ponto final da API. Depois de criar um modelo remoto sobre o recurso de IA que quer usar, acede às capacidades desse recurso executando uma função do BigQuery ML no modelo remoto.

Esta abordagem permite-lhe usar as capacidades da API subjacente sem ter de conhecer o Python nem desenvolver familiaridade com a API.

Fluxo de trabalho

Pode usar modelos remotos sobre modelos do Vertex AI e modelos remotos sobre os serviços de IA na nuvem juntamente com as funções do BigQuery ML para realizar análises de dados complexas e tarefas de IA generativa.

O diagrama seguinte mostra alguns fluxos de trabalho típicos em que pode usar estas capacidades em conjunto:

Diagrama que mostra fluxos de trabalho comuns para modelos remotos que usam modelos da Vertex AI ou serviços de IA da nuvem.

Processamento de linguagem natural

Pode usar o processamento de linguagem natural para realizar tarefas como a classificação e a análise de sentimentos nos seus dados. Por exemplo, pode analisar o feedback sobre os produtos para estimar se os clientes gostam de um produto específico.

Para realizar tarefas de linguagem natural, pode criar uma referência à API Cloud Natural Language criando um modelo remoto e especificando CLOUD_AI_NATURAL_LANGUAGE_V1 para o valor REMOTE_SERVICE_TYPE. Em seguida, pode usar a função ML.UNDERSTAND_TEXT para interagir com esse serviço. ML.UNDERSTAND_TEXT funciona com dados em tabelas padrão. Toda a inferência ocorre no Vertex AI. Os resultados são armazenados no BigQuery.

Para saber mais, experimente compreender texto com a função ML.UNDERSTAND_TEXT.

Tradução automática

Pode usar a tradução automática para traduzir dados de texto para outros idiomas. Por exemplo, traduzir o feedback dos clientes de um idioma desconhecido para um idioma familiar.

Para realizar tarefas de tradução automática, pode criar uma referência à Cloud Translation API criando um modelo remoto e especificando CLOUD_AI_TRANSLATE_V3 para o valor REMOTE_SERVICE_TYPE. Em seguida, pode usar a função ML.TRANSLATE para interagir com esse serviço. ML.TRANSLATE funciona com dados em tabelas padrão. Toda a inferência ocorre no Vertex AI. Os resultados são armazenados no BigQuery.

Para saber mais, experimente traduzir texto com a função ML.TRANSLATE.

Transcrição de áudio

Pode usar a transcrição de áudio para transcrever ficheiros de áudio em texto escrito. Por exemplo, transcrever uma gravação de correio de voz numa mensagem de texto.

Para realizar tarefas de transcrição de áudio, pode criar uma referência à API Speech-to-Text criando um modelo remoto e especificando CLOUD_AI_SPEECH_TO_TEXT_V2 para o valor REMOTE_SERVICE_TYPE. Opcionalmente, pode especificar um reconhecedor a usar para processar o conteúdo de áudio. Em seguida, pode usar a função ML.TRANSCRIBE para transcrever ficheiros de áudio. ML.TRANSCRIBE funciona com ficheiros de áudio em tabelas de objetos. Toda a inferência ocorre no Vertex AI. Os resultados são armazenados no BigQuery.

Para saber mais, experimente transcrever ficheiros de áudio com a função ML.TRANSCRIBE.

Processamento de documentos

Pode usar o processamento de documentos para extrair estatísticas de documentos não estruturados. Por exemplo, extrair informações relevantes de ficheiros de faturas para que possam ser introduzidas no software de contabilidade.

Para realizar tarefas de processamento de documentos, pode criar uma referência à API Document AI criando um modelo remoto, especificando CLOUD_AI_DOCUMENT_V1 para o valor REMOTE_SERVICE_TYPE e especificando um processador a usar para processar o conteúdo do documento. Em seguida, pode usar a ML.PROCESS_DOCUMENT função para processar documentos. ML.PROCESS_DOCUMENT funciona em documentos em tabelas de objetos. Toda a inferência ocorre no Vertex AI. Os resultados são armazenados no BigQuery.

Para saber mais, experimente processar documentos com a função ML.PROCESS_DOCUMENT.

Visão computacional

Pode usar a visão computacional para realizar tarefas de análise de imagens. Por exemplo, pode analisar imagens para detetar se contêm caras ou para gerar etiquetas que descrevam os objetos na imagem.

Para realizar tarefas de visão computacional, pode criar uma referência à Cloud Vision API criando um modelo remoto e especificando CLOUD_AI_VISION_V1 para o valor REMOTE_SERVICE_TYPE. Em seguida, pode usar a ML.ANNOTATE_IMAGE função para anotar imagens através desse serviço. ML.ANNOTATE_IMAGE funciona com dados em tabelas de objetos. Toda a inferência ocorre no Vertex AI. Os resultados são armazenados no BigQuery.

Para saber mais, experimente anotar imagens de tabelas de objetos com a função ML.ANNOTATE_IMAGE.

O que se segue?