Этот курс демонстрирует, как построить и обучить машинного обучения модели линейной и логистической регрессии, используя команды SQL на сервис BigQuery, в хранилище данных платформы Google облако бессерверную. В этом, конечно, построения моделей машинного обучения в SQL с помощью BigQuery от мл, вы узнаете, как построить и обучить моделей машинного обучения и как использовать эти модели для прогнозирования - все это с помощью простой команды SQL на основе данных, хранящихся в сервис BigQuery. Во-первых, вы сможете понять различные варианты, доступные в отм случае, если вы хотели бы построить и обучить ваших моделей и посмотреть, как вы можете сделать правильный выбор между этими службами для вашего конкретного случая использования. Тогда вы будете работать с некоторыми реальными наборами данных, хранящихся в сервис BigQuery для построения линейной регрессии и бинарной классификации моделей. Потому что сервис BigQuery позволяет задавать параметры тренировки, чтобы построить и обучить свою модель в SQL, машинное обучение становится доступным даже тем, кто не знаком с языков программирования высокого уровня. Наконец, вы изучите, как анализировать модели, которые мы построили, используя оценки и функциям осмотр в сервис BigQuery, и выполнить команды сервис BigQuery на облако datalab, используя ноутбук Jupyter, размещенного на отм и тесно интегрирована со всеми услугами опорных точек. К концу этого курса, вы будете иметь хорошее понимание того, как можно использовать сервис BigQuery мл, чтобы извлечь выводы из ваших данных с помощью линейной и логистической регрессии.

DOWNLOAD






turbobit

---