menu
arrow_back

NCAA-Spielergebnisse mit maschinellem Lernen von Google vorhersagen

NCAA-Spielergebnisse mit maschinellem Lernen von Google vorhersagen

1 Stunde 15 Minuten 5 Guthabenpunkte

GSP461

Google Cloud-Labs zum selbstbestimmten Lernen

Überblick

In diesem Lab sagen Sie den Gewinner des NCAA-Basketballturniers der Herren voraus. Dafür verwenden Sie BigQuery, maschinelles Lernen (ML) und das NCAA-Dataset männlicher Basketballspieler.

Die Grundlage dieses Labs ist BigQuery Machine Learning (BQML), das Sie mit SQL verwenden können, um ML-Modelle für Klassifizierungen und Prognosen zu erstellen.

Aufgaben

Aufgaben in diesem Lab:

  • Mit BigQuery auf das öffentlich zugängliche Dataset der NCAA zugreifen
  • Das Dataset der NCAA untersuchen, um mehr über das Schema und den Umfang der verfügbaren Daten zu erfahren
  • Die vorhandenen Daten aufbereiten und in Features und Labels transformieren
  • Das Dataset in Teilmengen für Training und Evaluation aufteilen
  • Mithilfe von BQML ein Modell erstellen, das auf dem Dataset zum Turnier der NCAA basiert
  • Mit dem erstellten Modell die Gewinner für Ihren NCAA-Turnierbaum vorhersagen

Vorbereitung

Dies ist ein Grundlagen-Lab. Für dieses Lab sollten Sie bereits Erfahrung mit der Programmiersprache SQL und ihren Keywords haben. Kenntnisse im Umgang mit BigQuery werden außerdem empfohlen. Wenn Sie Ihr Wissen in diesen Bereichen auffrischen möchten, sollten Sie mindestens eines der folgenden Labs durcharbeiten, bevor Sie mit diesem beginnen:

Sobald Sie bereit sind, scrollen Sie nach unten, um mehr über die Services zu erfahren, die in diesem Lab verwendet werden, und darüber, wie Sie Ihre Lab-Umgebung korrekt einrichten.

BigQuery

BigQuery ist eine vollständig verwaltete, automatisierte und kostengünstige Analysedatenbank von Google. Mit dem Tool können Sie mehrere Terabyte an Daten abfragen und müssen dabei keine Infrastruktur verwalten und benötigen auch keinen Datenbankadministrator. BigQuery basiert auf SQL und die Abrechnung erfolgt nach dem "Pay as you go"-Modell. Mithilfe von BigQuery können Sie sich ganz auf die Datenanalyse konzentrieren und wichtige Informationen erhalten.

Es ist ein neues Dataset für Basketballspiele, -teams und -spieler der NCAA verfügbar. Die Daten umfassen Spielberichte und Ergebnistabellen aller Begegnungen seit 2009 sowie die Endergebnisse seit 1996. Für einige Teams liegen zusätzliche Daten zu Siegen und Niederlagen vor, die bis zur Saison 1894/95 zurückreichen.

Maschinelles Lernen

Google Cloud bietet eine Vielzahl an ML-Optionen für Datenanalysten und Data Scientists an. Am beliebtesten sind:

  • APIs für maschinelles Lernen: Vortrainierte APIs wie Cloud Vision für gängige ML-Aufgaben verwenden
  • AutoML: Benutzerdefinierte ML-Modelle auch ohne Programmierkenntnisse erstellen
  • BigQuery ML: Mit SQL-Kenntnissen schnell ML-Modelle am Speicherort Ihrer Daten in BigQuery erstellen
  • AI Platform: Benutzerdefinierte ML-Modelle erstellen und mithilfe der Infrastruktur von Google in der Produktion bereitstellen

In diesem Lab erstellen Sie mithilfe von BigQuery ML einen Prototypen, den Sie trainieren und evaluieren und mit dem Sie anschließend vorhersagen, welches Team bei welchem Spiel des NCAA-Basketballturniers "Sieger" und welches "Verlierer" sein wird.

Wenn Sie sich in Qwiklabs anmelden, erhalten Sie Zugriff auf den Rest des Labs – und mehr!

  • Sie erhalten vorübergehenden Zugriff auf Google Cloud Console.
  • Mehr als 200 Labs für Einsteiger und Experten.
  • In kurze Sinneinheiten eingeteilt, damit Sie in Ihrem eigenen Tempo lernen können.
Beitreten, um dieses Lab zu starten