Noll
På det Molnet Nästa konferens i San Francisco idag, Google är att tillkännage nya maskinen lärande (ML) – funktioner i sina BigQuery cloud data warehouse service. Denna nya tjänst inom en tjänst är, logiskt sett, kallas BigQuery ML (BQML).
Läs också: Google BigQuery: Self-service cloud-analys av data från din iPad eller skrivbordet
Även meddelas vid Google Cloud Nästa, visual analytics älskling Snygging samarbetar med Google för att integrera sin plattform med dessa nya ML funktioner. Snygging är ett effektivt sätt att ge en front-end för BQML, omfattar förberedelse av data utbildning, utlösning av utbildningen på BigQuery, kör förutsägelser mot utbildad modell och sedan övervaka dess prestanda.
Läs också: Looker lanserar version 5, dubblar ner på data som plattform för att spela
Hur saker och ting fungerar
Snygging ‘ s Chief Data Evangelist, Daniel Mintz bröt ner allt för mig. Han förklarade att Google har gjort BQML de resurser som är tillgängliga via BigQuery standard SQL. Det är ganska demokratiserande steg som ger ML till massor av utvecklare och även en del företagskunder. Men Snygging tillför värde och abstraktion på toppen av det, att bredda publiken ytterligare.
Det beror på att LookML, Snygging är modeling language, har förbättrats för att låta användare definiera funktioner (input kolumner) och etikett (förutspådde kolumn) i en uppsättning data, som att träna en lärande modell. I kombination med Snygging ‘ s native-kontakt för BigQuery, detta ger tillgång till BQML funktioner, direkt från Snygging produkt, som visas i figuren nedan.
LookML manus som utför en förutsägelse fråga (att göra inferens) mot en lärande modell
Kredit: Looker Data Sciences, Inc.
Snygging har inbyggd data förberedelser och, naturligtvis, analys funktioner. Detta gör det möjligt för förberedelse av data utbildning, rätt inne Snygging. Prepped data som sedan kan användas för att träna en modell, inte i Looker men på BQML själv. Och när modellen är byggd, Snygging kan köra förutsägelser (dvs betyg data, utföra slutledning) mot det, än en gång med hjälp av sin egen uppsättning data. Enligt bolagets pressmeddelande, BQML automatisk funktionalitet kommer att integreras i nya eller befintliga Snygging Block, som ger tillgång till automatisk åtgärder i instrumentpaneler och applikationer.
Model management
Dessutom, eftersom BigQuery utsätter utbildade modell som om det vore en tabell i databasen, Snygging kan fråga om dess innehåll och visualisera dem, och kan följa modellens noggrannhet, som alla som ger möjlighet att skapa operativa instrumentpaneler för model management, som visas nedan. Snygging schemaläggning och varna lägga till ytterligare operativa möjligheter till lösning.
Visning av modell statistik i en Snygging dashboard
Kredit: Looker Data Sciences, Inc.
Den BQML integration ger Looker en förvånansvärt bra till slut och maskininlärning historia och Mintz gjort klart att liknande integration med andra maskinen lärande plattformar var fullt möjligt. Under tiden, data forskare fortfarande kan göra modellering fungerar i sin miljö val om de vill, utnyttja Looker för data prep, slutledning och model management.
Denna typ av integration är vad branschen behöver för att öka antagandet av maskinen lärande, djupt lärande och AI. Google har till synes gjort ett bra jobb på plattformen och Looker har tydligen mervärde och integration på toppen av stacken.
Relaterade Ämnen:
Big Data Analytics
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem
0