Panoramica delle soluzioni specifiche per le attività

Questo documento descrive le funzionalità di intelligenza artificiale (AI) supportate da BigQuery ML. Queste funzionalità ti consentono di sviluppare soluzioni specifiche per le attività in BigQuery ML utilizzando le API Cloud AI. Le attività supportate includono quanto segue:

Per eseguire una di queste funzioni, accedi a un'API Cloud AI creando un modello remoto in BigQuery ML che rappresenti l'endpoint API dell'API. Dopo aver creato un modello remoto sulla risorsa AI che vuoi utilizzare, accedi alle funzionalità della risorsa eseguendo una funzione BigQuery ML sul modello remoto.

Questo approccio ti consente di utilizzare le funzionalità dell'API sottostante senza dover conoscere Python o acquisire familiarità con l'API.

Flusso di lavoro

Puoi utilizzare modelli remoti rispetto ai modelli Vertex AI e modelli remoti rispetto ai servizi Cloud AI insieme alle funzioni BigQuery ML per eseguire analisi dei dati complesse e attività di IA generativa.

Il seguente diagramma mostra alcuni flussi di lavoro tipici in cui potresti utilizzare queste funzionalità insieme:

Diagramma che mostra i flussi di lavoro comuni per i modelli remoti che utilizzano modelli Vertex AI o servizi Cloud AI.

Elaborazione del linguaggio naturale

Puoi utilizzare l'elaborazione del linguaggio naturale per eseguire attività come la classificazione e l'analisi del sentiment sui tuoi dati. Ad esempio, potresti analizzare i feedback sul prodotto per stimare se un determinato prodotto piace ai clienti.

Per eseguire attività di linguaggio naturale, puoi creare un riferimento all'API Cloud Natural Language creando un modello remoto e specificando CLOUD_AI_NATURAL_LANGUAGE_V1 per il valore REMOTE_SERVICE_TYPE. Puoi quindi utilizzare la funzione ML.UNDERSTAND_TEXT per interagire con il servizio. ML.UNDERSTAND_TEXT funziona con i dati delle tabelle standard. Tutta l'inferenza avviene in Vertex AI. I risultati vengono archiviati in BigQuery.

Per scoprire di più, prova a comprendere il testo con la funzione ML.UNDERSTAND_TEXT.

Traduzione automatica

Puoi utilizzare la traduzione automatica per tradurre i dati di testo in altre lingue. Ad esempio, tradurre i feedback dei clienti da una lingua sconosciuta in una familiare.

Per eseguire attività di traduzione automatica, puoi creare un riferimento all'API Cloud Translation creando un modello remoto e specificando CLOUD_AI_TRANSLATE_V3 per il valore REMOTE_SERVICE_TYPE. Puoi quindi utilizzare la funzione ML.TRANSLATE per interagire con il servizio. ML.TRANSLATE funziona con i dati delle tabelle standard. Tutta l'inferenza avviene in Vertex AI. I risultati vengono archiviati in BigQuery.

Per scoprire di più, prova a tradurre il testo con la funzione ML.TRANSLATE.

Trascrizione audio

Puoi utilizzare la trascrizione audio per trascrivere i file audio in testo scritto. Ad esempio, la trascrizione di una registrazione di un messaggio vocale in un messaggio.

Per eseguire attività di trascrizione audio, puoi creare un riferimento all'API Speech-to-Text creando un modello remoto e specificando CLOUD_AI_SPEECH_TO_TEXT_V2 per il valore REMOTE_SERVICE_TYPE. Se vuoi, puoi specificare un identificatore da utilizzare per elaborare i contenuti audio. Puoi quindi utilizzare la funzione ML.TRANSCRIBE per trascrivere i file audio. ML.TRANSCRIBE funziona con i file audio nelle tabelle di oggetti. Tutta l'inferenza avviene in Vertex AI. I risultati vengono archiviati in BigQuery.

Per scoprire di più, prova a trascrivere i file audio con la funzione ML.TRANSCRIBE.

Elaborazione di documenti

Puoi utilizzare l'elaborazione dei documenti per estrarre informazioni da documenti non strutturati. Ad esempio, l'estrazione di informazioni pertinenti dai file delle fatture in modo che possano essere inserite nel software di contabilità.

Per eseguire attività di elaborazione dei documenti, puoi creare un riferimento all'API Document AI creando un modello remoto, specificando CLOUD_AI_DOCUMENT_V1 per il valore REMOTE_SERVICE_TYPE e specificando un processore da utilizzare per elaborare i contenuti del documento. Quindi puoi utilizzare la funzione ML.PROCESS_DOCUMENT per elaborare i documenti. ML.PROCESS_DOCUMENT lavora sui documenti nelle tabelle degli oggetti. Tutta l'inferenza avviene in Vertex AI. I risultati vengono archiviati in BigQuery.

Per scoprire di più, prova a elaborare i documenti con la funzione ML.PROCESS_DOCUMENT.

Visione artificiale

Puoi utilizzare la visione artificiale per eseguire attività di analisi delle immagini. Ad esempio, potresti analizzare le immagini per rilevare se contengono volti o per generare etichette che descrivono gli oggetti nell'immagine.

Per eseguire attività di visione artificiale, puoi creare un riferimento all'API Cloud Vision creando un modello remoto e specificando CLOUD_AI_VISION_V1 per il valore REMOTE_SERVICE_TYPE. Puoi quindi utilizzare la funzione ML.ANNOTATE_IMAGE per annotare le immagini utilizzando questo servizio. ML.ANNOTATE_IMAGE funziona con i dati nelle tabelle di oggetti. Tutta l'inferenza avviene in Vertex AI. I risultati vengono archiviati in BigQuery.

Per saperne di più, prova a annotare le immagini delle tabelle di oggetti con la funzione ML.ANNOTATE_IMAGE.

Passaggi successivi