Budowanie prognoz popytu z BigQuery ML

W miarę jak przedsiębiorstwa dążą do przewidywania trendów rynkowych, prognozowanie przyszłego popytu nie jest już opcjonalne, jest koniecznością w kwestii konkurencyjności. Ten warsztat praktyczny dotyczy wyzwań związanych z przetwarzaniem ogromnych zbiorów danych oraz budowaniem modeli predykcyjnych. Zaimplementujesz strategię prognozowania szeregów czasowych korzystając z BigQuery Machine Learning, aby analizować historyczne wzorce i przewidywać przyszły popyt. Używając publicznego zbioru danych NYC Citi Bike Trips jako naszego „piaskownicy”, nauczysz się jak: Eksplorować i zapytywać na dużą skalę publiczne zbiory danych bezpośrednio w BigQuery. Szkolić model prognozowania za pomocą potężnego algorytmu ARIMA, aby obsługiwać równoległe pipeline’y wielu elementów. Oceniać wydajność modelu za pomocą kluczowych metryk statystycznych, takich jak AIC, aby zapewnić dokładność. Generować prognozy batchowe na następne 30 dni popytu. Dołącz do nas, aby nauczyć się jak łączyć uczenie maszynowe oparte na SQL z deterministyczną analizą danych, aby Twoje aplikacje były inteligentniejsze, predykcyjne i oparte na danych.