menu
arrow_back

Predicciones con el aprendizaje automático de Google

Predicciones con el aprendizaje automático de Google

1 hora 15 minutos 5 créditos

GSP461

Labs de autoaprendizaje de Google Cloud

Descripción general

En este lab, predecirá el ganador de un partido del torneo de básquetbol masculino de la NCAA usando BigQuery, el aprendizaje automático (AA) y un conjunto de datos.

En este lab, se usa BigQuery Machine Learning (BQML), que le permite utilizar SQL a fin de crear modelos de AA para clasificar y predecir datos.

Actividades

En este lab, aprenderá a hacer lo siguiente:

  • Usar BigQuery para acceder al conjunto de datos público de la NCAA
  • Explorar el conjunto de datos para familiarizarse con el esquema y el alcance de los datos disponibles
  • Preparar los datos existentes y transformarlos en atributos y etiquetas
  • Dividir el conjunto de datos en subconjuntos de entrenamiento y evaluación
  • Usar BQML para compilar un modelo basado en el conjunto de datos de los torneos de la NCAA
  • Usar el modelo creado recientemente para predecir los ganadores de los torneos de la NCAA de su ronda

Requisitos previos

Este es un lab de nivel básico. Antes de realizarlo, debe tener experiencia con SQL y con las palabras clave del lenguaje. También se recomienda tener conocimientos de BigQuery. Si necesita ponerse al día en estas áreas antes de intentar este lab, debe realizar, como mínimo, uno de los siguientes labs:

Una vez que esté preparado, desplácese hacia abajo para obtener información sobre los servicios que usará y cómo configurar correctamente el entorno del lab.

BigQuery

BigQuery es la base de datos estadísticos de Google de bajo costo, no-ops y completamente administrada. Con BigQuery, puede consultar muchos terabytes de datos sin tener que administrar infraestructura o contar con un administrador de base de datos. BigQuery usa SQL y aprovecha el modelo prepago. Además, le permite enfocarse en el análisis de datos para buscar estadísticas significativas.

Hay un nuevo conjunto de datos disponible que contiene jugadores, equipos y partidos de básquetbol de la NCAA. Los datos de los partidos incluyen información jugada por jugada y estadísticas desde el año 2009, así como resultados finales desde 1996. En el caso de algunos equipos, los datos adicionales sobre las victorias y las derrotas se remiten a la temporada 1894-5.

Aprendizaje automático

Google Cloud ofrece una variedad de opciones de aprendizaje automático para analistas y científicos de datos. Las más populares son las siguientes:

  • API de aprendizaje automático: Use API previamente entrenadas, como Cloud Vision, para tareas comunes de AA.
  • AutoML: Cree modelos de AA personalizados sin codificación.
  • BigQuery ML: Use su conocimiento sobre SQL para compilar rápidamente modelos de AA en el lugar donde se encuentran sus datos de BigQuery.
  • TensorFlow en Cloud Machine Learning Engine: Compile sus propios modelos de AA personalizados y póngalos en producción con la infraestructura de Google.

En este lab, usará BigQuery ML para hacer prototipos, entrenar modelos, realizar evaluaciones y predecir los "ganadores" y "perdedores" de dos equipos del torneo de básquetbol de la NCAA.

Únase a Qwiklabs para leer este lab completo… y mucho más.

  • Obtenga acceso temporal a Google Cloud Console.
  • Más de 200 labs para principiantes y niveles avanzados.
  • El contenido se presenta de a poco para que pueda aprender a su propio ritmo.
Únase para comenzar este lab