BigQuery ML သည် Google Cloud Platform (GCP) မှ ပံ့ပိုးပေးသော အစွမ်းထက်သော စက်သင်ယူမှု (ML) ကိရိယာတစ်ခုဖြစ်ပြီး သုံးစွဲသူများအား အပြည့်အဝ စီမံခန့်ခွဲသည့် ဒေတာဂိုဒေါင်ဖြစ်သည့် BigQuery အတွင်းတွင် စက်သင်ယူမှုပုံစံများကို တိုက်ရိုက်တည်ဆောက်ကာ အသုံးပြုခွင့်ပေးသည်။ BigQuery ML ဖြင့် အသုံးပြုသူများသည် ဒေတာကို သီးခြား ML ပတ်ဝန်းကျင်သို့ ရွှေ့ရန်မလိုအပ်ဘဲ ML မော်ဒယ်များကို ဖန်တီးပြီး လုပ်ဆောင်ရန် BigQuery တွင် သိမ်းဆည်းထားသော ဒေတာကို အသုံးချနိုင်သည်။
BigQuery ML သည် SQL နှင့် ဖွဲ့စည်းတည်ဆောက်ထားသော အချက်အလက်များကို မေးမြန်းခြင်းနှင့် ကြိုးကိုင်ခြယ်လှယ်ခြင်းအတွက် အသုံးများသောဘာသာစကားဖြစ်သည့် SQL နှင့် ပေါင်းစပ်ခြင်းဖြင့် ML အလုပ်အသွားအလာကို ရိုးရှင်းစေသည်။ ဤပေါင်းစပ်မှုသည် ဒေတာခွဲခြမ်းစိတ်ဖြာသူများနှင့် ဒေတာသိပ္ပံပညာရှင်များအား ML မော်ဒယ်များတည်ဆောက်ရန်အတွက် ၎င်းတို့၏ လက်ရှိ SQL ကျွမ်းကျင်မှုနှင့် အသိပညာကို အသုံးချနိုင်စေပါသည်။ ၎င်းတို့သည် ML မော်ဒယ်များကို ဖန်တီးပြီး လေ့ကျင့်ရန်၊ ခန့်မှန်းမှုများ ပြုလုပ်ရန်နှင့် ရင်းနှီးပြီးသား BigQuery ပတ်ဝန်းကျင်တွင် မော်ဒယ်စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် SQL ကြေညာချက်များကို အသုံးပြုနိုင်သည်။
BigQuery ML ၏ နောက်ကွယ်တွင် အဓိက အယူအဆမှာ သုံးစွဲသူများအား သမားရိုးကျ ပရိုဂရမ်းမင်းဘာသာစကားများ သို့မဟုတ် ML မူဘောင်များတွင် ကျွမ်းကျင်မှုရှိရန် မလိုအပ်ဘဲ SQL ကို အသုံးပြု၍ ML အလုပ်များကို လုပ်ဆောင်နိုင်စေရန်ဖြစ်သည်။ ၎င်းသည် အင်္ဂါရပ်အင်ဂျင်နီယာ၊ မော်ဒယ်ရွေးချယ်မှုနှင့် hyperparameter ချိန်ညှိခြင်းကဲ့သို့သော ML မော်ဒယ်ဖွံ့ဖြိုးတိုးတက်မှုတွင် ပါ၀င်သည့် ရှုပ်ထွေးသောအဆင့်များစွာကို အလိုအလျောက်ဖြစ်စေသည့် မြင့်မားသောအဆင့်ရှိသော abstraction ကိုပေးပါသည်။
BigQuery ML သည် linear regression၊ logistic regression၊ k-means clustering၊ matrix factorization နှင့် time series forecasting အပါအဝင် ML algorithms အမျိုးမျိုးကို ပံ့ပိုးပေးပါသည်။ ဤ အယ်လဂိုရီသမ်များကို BigQuery တွင် သိမ်းဆည်းထားသည့် အကြီးစားဒေတာအတွဲများကို ကိုင်တွယ်ရန်အတွက် အသုံးပြုသူများအား ဒေတာပမာဏများစွာကို မော်ဒယ်များကို လျင်မြန်ထိရောက်စွာ လေ့ကျင့်ပေးနိုင်ရန် အကောင်းဆုံးလုပ်ဆောင်ထားပါသည်။
BigQuery ML တွင် ML မော်ဒယ်တစ်ခု ဖန်တီးရန်၊ အသုံးပြုသူများသည် ထည့်သွင်းမှုအင်္ဂါရပ်များနှင့် ၎င်းတို့၏ BigQuery ဒေတာအတွဲမှ ပစ်မှတ်ကို ရွေးချယ်သည့် SQL query ကို သတ်မှတ်ခြင်းဖြင့် စတင်သည်။ ထို့နောက် ၎င်းတို့သည် ML အယ်လဂိုရီသမ်၊ မော်ဒယ်အမျိုးအစားနှင့် နောက်ထပ်ကန့်သတ်ချက်များကို သတ်မှတ်ရန် CREATE MODEL ထုတ်ပြန်ချက်ကို အသုံးပြုနိုင်သည်။ BigQuery ML သည် ဒေတာများကို လေ့ကျင့်ရေးနှင့် အကဲဖြတ်မှုအစုများအဖြစ် အလိုအလျောက် ပိုင်းခြားပြီး သတ်မှတ်ထားသော အယ်လဂိုရီသမ်ကို အသုံးပြု၍ မော်ဒယ်ကို လေ့ကျင့်ပေးသည်။
မော်ဒယ်ကို လေ့ကျင့်သင်ကြားပြီးသည်နှင့်၊ အသုံးပြုသူများသည် မော်ဒယ်ကိုရည်ညွှန်းသည့် SQL query တစ်ခုကို လုပ်ဆောင်ခြင်းဖြင့် ခန့်မှန်းချက်များကို ပြုလုပ်နိုင်ပါသည်။ BigQuery ML သည် လိုအပ်သော တွက်ချက်မှုများအားလုံးကို ကိုင်တွယ်ပြီး ခန့်မှန်းတန်ဖိုးများကို ပြန်ပေးသည်။ အသုံးပြုသူများသည် အကဲဖြတ်သတ်မှတ်ထားသော အမှန်တကယ်တန်ဖိုးများနှင့် ခန့်မှန်းတန်ဖိုးများကို နှိုင်းယှဉ်ခြင်းဖြင့် ၎င်းတို့၏ မော်ဒယ်၏ စွမ်းဆောင်ရည်ကိုလည်း အကဲဖြတ်နိုင်သည်။
BigQuery ML သည် အသုံးပြုသူများအား Dataflow နှင့် Dataproc ကဲ့သို့သော အခြားသော GCP ဝန်ဆောင်မှုများနှင့် ပေါင်းစပ်ပြီး အသုံးပြုသူများအား အဆုံးမှအဆုံးသို့ ML ပိုက်လိုင်းများကို ချောမွေ့စွာ အတိုင်းအတာအထိ တည်ဆောက်နိုင်စေပါသည်။ ၎င်းသည် Google Cloud AI Platform နှင့် ပေါင်းစည်းမှုကိုလည်း ပံ့ပိုးပေးထားပြီး၊ အသုံးပြုသူများအား ထုတ်လုပ်မှုပတ်ဝန်းကျင်တွင် ဝန်ဆောင်မှုပေးရန်အတွက် BigQuery ML မော်ဒယ်များကို တင်ပို့နိုင်စေပါသည်။
BigQuery ML သည် SQL ကိုအသုံးပြု၍ BigQuery အတွင်းရှိ ML လုပ်ငန်းများကို တိုက်ရိုက်လုပ်ဆောင်နိုင်စေသည့် အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ ၎င်းသည် SQL နှင့် ပေါင်းစပ်ခြင်းဖြင့် ML အလုပ်အသွားအလာကို ရိုးရှင်းစေပြီး မော်ဒယ်ဖွံ့ဖြိုးတိုးတက်မှုတွင်ပါ၀င်သော ရှုပ်ထွေးသောအဆင့်များစွာကို အလိုအလျောက်လုပ်ဆောင်ပေးသည်။ ကြီးမားသောဒေတာအတွဲများနှင့် ML အယ်လဂိုရီသမ်အမျိုးမျိုးအတွက် ၎င်း၏ပံ့ပိုးမှုဖြင့် BigQuery ML သည် ဒေတာခွဲခြမ်းစိတ်ဖြာသူများနှင့် ဒေတာသိပ္ပံပညာရှင်များအား ၎င်းတို့၏ SQL စွမ်းရည်ကို မြှင့်တင်ပြီး ML မော်ဒယ်များကို အတိုင်းအတာတစ်ခုအထိ တည်ဆောက်ရန် စွမ်းအားပေးသည်။
အခြား လတ်တလောမေးခွန်းများနှင့် အဖြေများ BigQuery တွင်:
- BigQuery နှင့် အပြန်အလှန်တုံ့ပြန်ရန် မတူညီသောနည်းလမ်းများကား အဘယ်နည်း။
- BigQuery တွင်ဒေတာကိုမြင်ယောင်ရန်မည်သည့်ကိရိယာများကိုသုံးနိုင်သနည်း။
- BigQuery သည် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုကို မည်သို့ပံ့ပိုးပေးသနည်း။
- BigQuery ထဲသို့ ဒေတာထည့်သွင်းရန် နည်းလမ်းနှစ်ခုမှာ အဘယ်နည်း။