လေ့ကျင့်ရေးဒေတာကို AutoML Tables အတွင်းသို့ တင်သွင်းရန်၊ အသုံးပြုသူများသည် ဒေတာပြင်ဆင်ခြင်း၊ ဒေတာအတွဲတစ်ခု ဖန်တီးခြင်းနှင့် AutoML Tables ဝန်ဆောင်မှုသို့ ဒေတာကို အပ်လုဒ်တင်ခြင်း စသည့် အဆင့်များစွာကို လိုက်နာနိုင်ပါသည်။ AutoML Tables သည် ကျယ်ပြန့်သော coding သို့မဟုတ် ဒေတာသိပ္ပံဆိုင်ရာ ကျွမ်းကျင်မှုမလိုအပ်ဘဲ သုံးစွဲသူများအား စိတ်ကြိုက်စက်သင်ယူမှုပုံစံများကို ဖန်တီးပြီး အသုံးချနိုင်စေရန် Google Cloud မှ ပံ့ပိုးပေးသည့် စက်သင်ယူခြင်းဝန်ဆောင်မှုတစ်ခုဖြစ်သည်။
လေ့ကျင့်ရေးဒေတာတင်သွင်းခြင်းအတွက် ပထမအဆင့်မှာ ဒေတာကို လိုက်ဖက်ညီသော ဖော်မတ်ဖြင့် ပြင်ဆင်ရန်ဖြစ်သည်။ AutoML Tables သည် CSV၊ JSONL နှင့် BigQuery ဇယားများကဲ့သို့သော ဒေတာဖော်မတ်များကို ပံ့ပိုးပေးပါသည်။ ဒေတာကို AutoML Tables သို့ မတင်မီ မှန်ကန်စွာ ဖော်မတ်ဖွဲ့စည်းပြီး စနစ်တကျ သေချာစေရန် အရေးကြီးပါသည်။ ၎င်းတွင် ဒေတာကို သန့်ရှင်းရေးလုပ်ခြင်း၊ ပျောက်ဆုံးနေသော တန်ဖိုးများကို ကိုင်တွယ်ခြင်းနှင့် လိုအပ်ပါက အမျိုးအစားခွဲကွဲပြားသည့် အသွင်ပြောင်းခြင်းများ ပါဝင်သည်။
ဒေတာကို ပြင်ဆင်ပြီးသည်နှင့် အသုံးပြုသူများသည် AutoML Tables UI တွင် ဒေတာအတွဲတစ်ခုကို ဖန်တီးနိုင်သည်။ ဒေတာအတွဲသည် လေ့ကျင့်ရေးဒေတာနှင့် ဆက်စပ်မက်တာဒေတာအတွက် ကွန်တိန်နာတစ်ခုဖြစ်သည်။ ဒေတာအတွဲတစ်ခုကို ဖန်တီးရန်အတွက် အသုံးပြုသူများသည် အမည်တစ်ခုပေး၍ ဒေတာအတွဲကို သိမ်းဆည်းမည့် ပရောဂျက်နှင့် တည်နေရာကို ရွေးချယ်ရန် လိုအပ်သည်။ ဒေတာကိုယ်ရေးကိုယ်တာနှင့် စည်းကမ်းသတ်မှတ်ချက်များနှင့် ကိုက်ညီမှုရှိစေရန် သင့်လျော်သောပရောဂျက်နှင့် တည်နေရာကို ရွေးချယ်ရန် အရေးကြီးပါသည်။
ဒေတာအတွဲကို ဖန်တီးပြီးနောက် အသုံးပြုသူများသည် လေ့ကျင့်ရေးဒေတာကို အပ်လုဒ်လုပ်နိုင်ပါသည်။ AutoML Tables UI တွင်၊ Google Cloud Storage၊ BigQuery သို့မဟုတ် အသုံးပြုသူ၏ စက်တွင်းမှ တိုက်ရိုက် ဒေတာများကို အမျိုးမျိုးသော အရင်းအမြစ်များမှ တင်သွင်းရန် ရွေးချယ်ခွင့်တစ်ခု ရှိပါသည်။ ဒေတာကို Google Cloud Storage သို့မဟုတ် BigQuery တွင် သိမ်းဆည်းထားပါက၊ အသုံးပြုသူများသည် ဖိုင်လမ်းကြောင်း သို့မဟုတ် ဇယားအမည်ကဲ့သို့သော လိုအပ်သောအသေးစိတ်အချက်အလက်များကို ရိုးရှင်းစွာ ပေးနိုင်ပါသည်။ ဒေတာကို စက်တွင်းတွင် သိမ်းဆည်းထားပါက၊ အသုံးပြုသူများသည် ဒေတာဖိုင်ကို အပ်လုဒ်တင်ရန် AutoML Tables UI ကို အသုံးပြုနိုင်သည်။
ဒေတာတင်သွင်းခြင်းလုပ်ငန်းစဉ်အတွင်း၊ AutoML Tables သည် ဒေတာကို အလိုအလျောက်ခွဲခြမ်းစိတ်ဖြာပြီး ကော်လံအမျိုးအစားများနှင့် ဒေတာစာရင်းဇယားများကို ကောက်ချက်ချသည်။ ၎င်းသည် မော်ဒယ်လေ့ကျင့်ရေးလုပ်ငန်းစဉ်အတွင်း ဒေတာများကို နားလည်ရန်နှင့် အသိဉာဏ်ဖြင့် ဆုံးဖြတ်ချက်များချရာတွင် ကူညီပေးသည်။ အသုံးပြုသူများသည် လိုအပ်ပါက ကောက်ချက်ကော်လံအမျိုးအစားများကို ပြန်လည်သုံးသပ်ပြီး ပြင်ဆင်နိုင်ပါသည်။
ဒေတာကို တင်သွင်းပြီးနောက်၊ အသုံးပြုသူများသည် AutoML Tables UI ကို အသုံးပြု၍ ဒေတာကို ပိုမိုစူးစမ်း ခွဲခြမ်းစိတ်ဖြာနိုင်သည်။ UI သည် ဒေတာစာရင်းအင်းများ၊ ဒေတာဖြန့်ဖြူးမှုကို ပုံဖော်ခြင်းနှင့် ဒေတာခွဲခြမ်းခြင်း ရွေးချယ်စရာများကဲ့သို့သော အင်္ဂါရပ်အမျိုးမျိုးကို ပေးဆောင်သည်။ ဤအင်္ဂါရပ်များသည် သုံးစွဲသူများအား ဒေတာကို ထိုးထွင်းသိမြင်မှုရရှိစေပြီး မော်ဒယ်လေ့ကျင့်ရေးလုပ်ငန်းစဉ်အတွင်း အသိဉာဏ်ဖြင့် ဆုံးဖြတ်ချက်များချနိုင်ရန် ကူညီပေးသည်။
လေ့ကျင့်ရေးဒေတာကို AutoML Tables များထဲသို့ တင်သွင်းရန်၊ အသုံးပြုသူများသည် ဒေတာကို လိုက်ဖက်ညီသော ဖော်မတ်တစ်ခုအဖြစ် ပြင်ဆင်ပြီး၊ ဒေတာအတွဲတစ်ခု ဖန်တီးကာ AutoML Tables UI ကို အသုံးပြု၍ ဒေတာကို အပ်လုဒ်လုပ်ရန် လိုအပ်ပါသည်။ AutoML Tables သည် အမျိုးမျိုးသော ဒေတာဖော်မတ်များကို ပံ့ပိုးပေးပြီး ဒေတာရှာဖွေခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်းအတွက် အလိုလိုသိမြင်နိုင်သော UI ကို ပံ့ပိုးပေးပါသည်။ ဤအဆင့်များကို လိုက်နာခြင်းဖြင့်၊ အသုံးပြုသူများသည် ၎င်းတို့၏ လေ့ကျင့်ရေးဒေတာကို ထိရောက်စွာ တင်သွင်းနိုင်ပြီး AutoML Tables ကို အသုံးပြု၍ စိတ်ကြိုက် စက်သင်ယူမှု မော်ဒယ်များကို စတင်တည်ဆောက်နိုင်ပါသည်။
အခြား လတ်တလောမေးခွန်းများနှင့် အဖြေများ AutoML ဇယားများ:
- အသုံးပြုသူများသည် ၎င်းတို့၏ မော်ဒယ်ကို မည်သို့အသုံးချပြီး AutoML Tables များတွင် ခန့်မှန်းချက်များကို ရယူနိုင်မည်နည်း။
- AutoML Tables တွင် လေ့ကျင့်ရေးဘတ်ဂျက်သတ်မှတ်ခြင်းအတွက် မည်သည့်ရွေးချယ်စရာများ ရနိုင်သနည်း။
- AutoML Tables တွင် Analyze tab သည် မည်သည့်အချက်အလက်ကို ပေးသနည်း။
- AutoML Tables ကိုင်တွယ်နိုင်သော မတူညီသောဒေတာအမျိုးအစားများကား အဘယ်နည်း။