Zero
A Cloud Prossima conferenza di San Francisco di oggi, Google ha annunciato il nuovo machine learning (ML) funzionalità nel suo BigQuery nuvola di data warehouse di servizio. Questo nuovo servizio all’interno di un servizio è, logicamente, chiamato BigQuery ML (BQML).
Leggi anche: Google BigQuery: Self-service cloud di analisi dei dati, dal tuo iPad o dal desktop
Anche essere annunciato al Google Cloud Avanti, visual analytics darling gioia per gli occhi, in partnership con Google per integrare la piattaforma con queste nuove ML caratteristiche. Looker è effettivamente fornire un front-end per BQML, coprendo la preparazione dei dati di allenamento, l’attivazione del processo di formazione su BigQuery, in esecuzione di stime contro il addestrati modello e quindi il monitoraggio delle sue prestazioni.
Leggi anche: Looker annuncia la versione 5, raddoppia giù sulla piattaforma di dati di gioco
Come funzionano le cose
Looker Capo di Dati Evangelista, Daniel Mintz ha rotto giù tutto per me. Egli ha spiegato che Google ha fatto BQML funzionalità disponibili tramite BigQuery standard SQL. Che è abbastanza di democratizzare la mossa che porta ML per un sacco di sviluppatori e anche alcuni utenti di business. Tuttavia, Looker aggiunge valore e astrazione in cima a quello, ampliare il pubblico di più.
Questo perché LookML, Looker del linguaggio di modellazione, è stato migliorato per consentire agli utenti di definire le caratteristiche (le colonne di input) e l’etichetta (previsto colonna) in un set di dati, con il quale formare una macchina modello di apprendimento. Combinato con Looker nativa del connettore per BigQuery, che consente di accedere ad BQML set di funzionalità, dal Tipo di prodotto, come mostrato nella figura sottostante.
LookML script di esecuzione di una query di stima (esecuzione di inferenza) contro una macchina modello di apprendimento
Credito: Looker Dati Sciences, Inc.
Looker ha integrato nella preparazione dei dati, e, naturalmente, le funzioni di analisi. Questo permette per la preparazione dei dati di allenamento, proprio all’interno del Looker. Il preparato set di dati può essere utilizzato per la formazione di un modello, non Looker ma BQML stesso. E una volta che il modello è costruito, Looker possibile eseguire previsioni (cioè il punteggio di dati, eseguire inferenza) contro di esso, utilizzando ancora una volta il suo proprio set di dati. Secondo il comunicato stampa diffuso dalla società, BQML predittivo funzionalità sarà integrata nel nuovo o esistente Looker Blocchi, che dà accesso a predittivo misure in dashboard e applicazioni.
Modello di gestione
Inoltre, dal momento che BigQuery espone il addestrati modello come se fosse una tabella di database, Looker possibile eseguire una query il suo contenuto e la loro visualizzazione, e in grado di monitorare il modello di precisione, che offre la possibilità di creare dashboard operativi per la gestione dei modelli, come mostrato di seguito. Looker di programmazione e di allarme aggiungere ulteriori capacità operative per la soluzione.
La visualizzazione del modello di metriche in una gioia per gli occhi dashboard
Credito: Looker Dati Sciences, Inc.
Il BQML integrazione dà una gioia per gli occhi sorprendentemente buona end-to-end macchina di apprendimento di storia e Mintz chiaro che una simile integrazione con altre macchine piattaforme di e-learning è abbastanza fattibile. Nel frattempo, dati gli scienziati possono ancora fare la modellazione di lavoro nel loro ambiente di scelta, se lo desidera, sfruttando gioia per gli occhi per i dati prep, inferenza e il modello di gestione.
Questo tipo di integrazione è ciò che l’industria ha bisogno per aumentare l’adozione di machine learning, apprendimento profondo e AI. Google ha apparentemente fatto un buon lavoro a livello di piattaforma e Looker ha apparentemente di valore aggiunto e di integrazione in cima alla pila.
Argomenti Correlati:
Big Data Analytics
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0