Padrões de referência
Esta página fornece links para exemplos de utilização empresarial, código de exemplo e guias de referência técnica para exemplos de utilização do BigQuery ML. Use estes recursos para identificar práticas recomendadas e acelerar o desenvolvimento da sua aplicação.
Regressão logística
Este padrão mostra como usar a regressão logística para realizar a modelagem de propensão para aplicações de jogos.
Saiba como usar o BigQuery ML para preparar, avaliar e obter previsões de vários tipos diferentes de modelos de propensão. Os modelos de propensão podem ajudar a determinar a probabilidade de utilizadores específicos regressarem à sua app, para que possa usar essas informações nas decisões de marketing.
- Publicação no blogue: Previsão de abandono para programadores de jogos com o Google Analytics 4 e o BigQuery ML
- Notebook: Churn prediction solution notebook
Previsão de séries de tempo
Estes padrões mostram como criar soluções de previsão de séries cronológicas.
Crie um modelo de previsão da procura
Saiba como criar um modelo de séries cronológicas que pode usar para prever a procura de retalho de vários produtos.
- Publicação no blogue: Como criar modelos de previsão da procura com o BigQuery ML
- Notebook: Demand forecasting solution notebook
Faça previsões a partir do Google Sheets com o BigQuery ML
Saiba como operacionalizar a aprendizagem automática com os processos da sua empresa combinando o Google Sheets ligado com um modelo de previsão no BigQuery ML. Este padrão explica o processo de criação de um modelo de previsão para o tráfego do Website com dados do Google Analytics. Pode expandir este padrão para funcionar com outros tipos de dados e outros modelos de aprendizagem automática.
- Publicação no blogue: Como usar um modelo de aprendizagem automática do Google Sheets com o BigQuery ML
- Código de exemplo: previsão do BigQuery ML com o Sheets
- Modelo: previsão do BigQuery ML com o Sheets
Deteção de anomalias
Este padrão mostra como usar a deteção de anomalias para encontrar fraudes com cartões de crédito em tempo real.
Saiba como usar transações e dados de clientes para preparar modelos de aprendizagem automática no BigQuery ML que podem ser usados num pipeline de dados em tempo real para identificar, analisar e acionar alertas de potencial fraude com cartões de crédito.
- Exemplo de código: Deteção de fraude de cartões de crédito em tempo real
- Vídeo de vista geral: Fraudfinder: uma solução abrangente para problemas reais de ciência de dados