BigQuery ML дээрх CREATE MODEL мэдэгдлийн зорилго нь Google Cloud-н BigQuery платформ дээр стандарт SQL ашиглан машин сургалтын загварыг бий болгох явдал юм. Энэхүү мэдэгдэл нь хэрэглэгчдэд нарийн төвөгтэй кодчилол, гадны хэрэгсэл ашиглахгүйгээр машин сургалтын загваруудыг сургах, ашиглах боломжийг олгодог.
CREATE MODEL хэллэгийг ашиглахдаа хэрэглэгчид шугаман регресс, логистик регресс, k-means кластер эсвэл гүн мэдрэлийн сүлжээ гэх мэт загварынхаа төрлийг тодорхойлж болно. Энэхүү уян хатан байдал нь хэрэглэгчдэд өөрсдийн хэрэглээний нөхцөлд хамгийн тохиромжтой загварыг сонгох боломжийг олгодог.
CREATE MODEL мэдэгдэл нь хэрэглэгчдэд загварыг сургах оролтын өгөгдлийг тодорхойлох боломжийг олгодог. Үүнийг сургалтын өгөгдөл агуулсан BigQuery хүснэгт болон загварт ашиглах онцлог, шошгыг зааж өгөх замаар хийж болно. Онцлогууд нь загвар нь таамаглахад ашиглах оролтын хувьсагчууд байдаг бол шошго нь загвар нь таамаглахыг оролдох зорилтот хувьсагчууд юм.
Загварыг үүсгэсний дараа хэрэглэгчид CREATE MODEL хэллэгийг ажиллуулж үүнийг сургаж болно. Сургалтын явцад загвар нь оролтын өгөгдлөөс суралцаж, таамагласан гаралт болон бодит шошго хоорондын зөрүүг багасгахын тулд дотоод параметрүүдээ тохируулдаг. Сургалтын үйл явц нь загварын нарийвчлалыг сайжруулахын тулд өгөгдлийг хэд хэдэн удаа давтдаг.
Сургалтын дараа загварыг BigQuery дахь ML.PREDICT функцийг ашиглан таамаглал гаргахад ашиглаж болно. Энэ функц нь бэлтгэгдсэн загвар болон шинэ оролтын өгөгдлийг параметр болгон авч, сургалтын өгөгдлөөс сурсан загвар дээр үндэслэн таамагласан гаралтыг буцаана.
BigQuery ML-ийн CREATE MODEL мэдэгдлийн зорилго нь Google Cloud-н BigQuery платформ дээр стандарт SQL ашиглан машин сургалтын загваруудыг үүсгэх, сургах явдал юм. Энэхүү мэдэгдэл нь гадны хэрэгсэл, өргөн хүрээтэй кодчилолгүйгээр машин сургалтын чадавхийг ашиглах хэрэглэгчдэд ээлтэй, үр дүнтэй арга юм.
Сүүлийн үеийн бусад асуулт, хариулт Машин сургалтанд ахиц дэвшил гаргах:
- Цөм нь өгөгдөлтэй, эх хувь нь хувийнх байх үед сэрээтэй нь олон нийтэд нээлттэй байж болох уу, хэрэв тийм бол нууцлалын зөрчил биш үү?
- Машин сургалтын явцад том өгөгдлийн багцтай ажиллахад ямар хязгаарлалт байдаг вэ?
- Машины сургалт нь харилцан ярианы тусламж үзүүлж чадах уу?
- TensorFlow тоглоомын талбай гэж юу вэ?
- Хүсэл эрмэлзэлтэй горим нь TensorFlow-ийн тархсан тооцооллын функцийг саатуулдаг уу?
- Google үүлэн шийдлүүдийг том өгөгдөлтэй ML загварыг илүү үр дүнтэй сургах үүднээс тооцоололыг хадгалах сангаас салгахад ашиглаж болох уу?
- Google Cloud Machine Learning Engine (CMLE) нь загварын сургалт дууссаны дараа нөөцийг автоматаар олж авах, тохируулах, мөн нөөцийг зогсоохыг санал болгодог уу?
- Машин сургалтын загваруудыг дур зоргоороо том өгөгдлийн багц дээр ямар ч саадгүй сургах боломжтой юу?
- CMLE-г ашиглах үед хувилбар үүсгэхэд экспортлогдсон загварын эх сурвалжийг зааж өгөх шаардлагатай юу?
- CMLE нь Google Cloud хадгалах сангийн датаг уншиж, дүгнэлт гаргахдаа тусгайлан бэлтгэгдсэн загварыг ашиглаж чадах уу?
Бусад асуулт, хариултыг "Machine Learning-д ахиц дэвшил" хэсгээс үзнэ үү