menu
arrow_back

Chaveamento com o machine learning do Google

—/100

Checkpoints

arrow_forward

Write a query to determine available seasons and games

Create a labeled machine learning dataset

Create a machine learning model

Evaluate model performance and create table

Using skillful ML model features

Train the new model and make evaluation

Run a query to create a table ncaa_2018_predictions

Run queries to create tables ncaa_2019_tournament and ncaa_2019_tournament_predictions

Chaveamento com o machine learning do Google

1 hora 15 minutos 5 créditos

GSP461

Laboratórios autoguiados do Google Cloud

Visão geral

Neste laboratório, você irá prever o vencedor de um campeonato masculino da liga de basquete universitário dos EUA (NCAA, na sigla em inglês) usando BigQuery, machine learning (ML) e o conjunto de dados de basquete masculino da NCAA.

Este laboratório usa BigQuery Machine Learning (BQML), uma ferramenta para criar modelos de ML com SQL para classificação e previsão.

Atividades do laboratório

Neste laboratório, você aprenderá a fazer o seguinte:

  • Usar o BigQuery para acessar o conjunto de dados público da NCAA
  • Explorar o conjunto de dados da NCAA para se familiarizar com o esquema e o escopo dos dados disponíveis
  • Preparar e transformar os dados em atributos e rótulos
  • Dividir o conjunto de dados em subconjuntos de treinamento e avaliação
  • Usar o BQML para criar um modelo baseado no conjunto de dados do campeonato da NCAA
  • Usar o modelo que foi criado para prever os vencedores em uma chave do campeonato da NCAA

Pré-requisitos

Este é um laboratório de nível fundamental. Antes de realizar o laboratório, você deve ter alguma experiência com SQL e com as palavras-chave dessa linguagem. Também recomendamos conhecimento sobre BigQuery. Se for necessário se atualizar nessas áreas, faça ao menos os laboratórios abaixo antes de tentar fazer este:

Quando tudo estiver pronto, role para baixo, conheça os serviços disponíveis e aprenda como configurar corretamente o ambiente do laboratório.

BigQuery

O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com o BigQuery, é possível consultar vários terabytes de dados sem gerenciar infraestrutura e sem precisar de um administrador de banco de dados. O BigQuery usa SQL e é cobrado no modelo de pagamento por utilização. Assim, você pode se concentrar na análise dos dados para encontrar informações relevantes.

Um conjunto de dados de partidas, times e jogadores de basquete da NCAA foi recentemente disponibilizado. Os dados de partidas incluem informações de cada jogada e tabelas de pontos desde 2009, além de placares finais desde 1996. Outras dados sobre vitórias e derrotas remontam à temporada de 1894-1985 no caso de alguns times.

Machine Learning

O Google Cloud oferece diversas opções de machine learning para analistas e cientistas de dados. As mais comuns são:

  • APIs Machine Learning: use APIs pré-treinadas, como Cloud Vision, para realizar tarefas comuns de machine learning.
  • AutoML: crie modelos de machine learning personalizados sem precisar programar.
  • BigQuery ML: use seu conhecimento de SQL para criar modelos de machine learning diretamente no BigQuery, onde os dados estão.
  • AI Platform: crie modelos de machine learning personalizados e coloque-os em produção com a infraestrutura do Google.

Neste laboratório, você usará o BigQuery ML para prototipar, treinar, avaliar e prever os "vencedores" e os "derrotados" entre dois times de basquete do campeonato da NCAA.

Participe do Qwiklabs para ler o restante deste laboratório e muito mais!

  • Receber acesso temporário a Console do Google Cloud.
  • Mais de 200 laboratórios, do nível iniciante ao avançado.
  • Tamanho compacto para que você possa aprender no seu próprio ritmo.
Participe para iniciar este laboratório