menu
arrow_back

Estimar tarifas de táxi com um modelo de previsão do BigQuery ML

Estimar tarifas de táxi com um modelo de previsão do BigQuery ML

1 hora 7 créditos

GSP246

Laboratórios autoguiados do Google Cloud

Visão geral

O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com ele, você pode consultar muitos terabytes de dados sem ter que gerenciar uma infraestrutura nem precisar de um administrador de banco de dados.

O BigQuery Machine Learning (BQML, produto na versão Beta) é um novo recurso do BigQuery. Nele, os analistas de dados podem criar, treinar, avaliar e fazer previsões com modelos de machine learning que exigem o mínimo de programação.

Neste laboratório, você analisará milhões de corridas dos táxis amarelos de Nova York, disponibilizadas em um conjunto de dados público do BigQuery. Depois, você criará um modelo de machine learning dentro do BigQuery para estimar as tarifas cobradas, tendo como base as entradas do seu modelo. Por fim, você avaliará o desempenho do seu modelo ao fazer predições com ele.

Objetivos

Neste laboratório, você aprenderá a fazer o seguinte:

  • Usar o BigQuery para encontrar conjuntos de dados públicos
  • Consultar e analisar o conjunto de dados públicos sobre os táxis
  • Criar um conjunto de dados de treinamento e avaliação e usá-lo para fazer predições em lote
  • Criar um modelo de previsão (regressão linear) no BQML
  • Avaliar o desempenho do seu modelo de machine learning

Você precisará do seguinte:

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
Pontuação

—/100

Calculate trips taken by Yellow taxi in each month of 2015

Executar etapa

/ 10

Calculate average speed of Yellow taxi trips in 2015

Executar etapa

/ 10

Test whether fields are good inputs to your fare forecasting model

Executar etapa

/ 20

Create a BigQuery dataset to store models

Executar etapa

/ 10

Create a taxifare model

Executar etapa

/ 20

Evaluate classification model performance

Executar etapa

/ 10

Predict taxi fare amount

Executar etapa

/ 20