Créer un modèle de ML dans BigQuery ML à l'aide de la console Google Cloud

Ce document explique comment utiliser la console Google Cloud pour créer un modèle BigQuery ML.

Rôles requis

• Pour créer un modèle et exécuter une inférence, vous devez disposer des rôles suivants :

  • Éditeur de données BigQuery (roles/bigquery.dataEditor)
  • Utilisateur BigQuery (roles/bigquery.user)

Avant de commencer

1. Dans la console Google Cloud , sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud .

   Rôles requis pour sélectionner ou créer un projet

   • Sélectionner un projet : la sélection d'un projet ne nécessite pas de rôle IAM spécifique. Vous pouvez sélectionner n'importe quel projet pour lequel un rôle vous a été attribué.
   • Créer un projet : pour créer un projet, vous devez disposer du rôle "Créateur de projet" (roles/resourcemanager.projectCreator), qui contient l'autorisation resourcemanager.projects.create. Découvrez comment attribuer des rôles.
   Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu d'en sélectionner un existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.

   Accéder au sélecteur de projet

2. Vérifiez que la facturation est activée pour votre projet Google Cloud .

3. Activez les API BigQuery et BigQuery Connection, si elles ne le sont pas déjà.

   Rôles requis pour activer les API

   Pour activer des API, vous devez disposer de l'autorisation serviceusage.services.enable. Si vous avez créé le projet, vous disposez probablement déjà de cette autorisation via le rôle Propriétaire (roles/owner). Sinon, vous pouvez l'obtenir via le rôle Administrateur Service Usage (roles/serviceusage.serviceUsageAdmin). Découvrez comment attribuer des rôles.

   Activer les API

Prérequis spécifiques au modèle

Avant de créer un modèle, assurez-vous d'avoir rempli toutes les conditions préalables pour le type de modèle que vous créez :

• Si vous souhaitez utiliser une requête pour sélectionner des données d'entraînement pour un modèle, vous devez disposer de cette requête en tant que requête enregistrée.

• Les modèles de factorisation matricielle nécessitent des réservations. Pour en savoir plus, consultez Tarification.

• Les modèles distants suivants nécessitent une connexion aux ressources Cloud :

  • Modèles distants sur Gemini Enterprise Agent Platform et modèles partenaires
  • Modèles distants sur des modèles ouverts
  • Modèles distants sur les services d'IA Cloud
  • Modèles distants par rapport aux modèles personnalisés dans Gemini Enterprise Agent Platform

  Le compte de service de la connexion doit également disposer de certains rôles, en fonction du type de modèle distant.

• Pour importer un modèle, vous devez l'avoir importé dans un bucket Cloud Storage.

Créer un ensemble de données

Créez un ensemble de données BigQuery pour stocker vos ressources :

Console

1. Dans la console Google Cloud , accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet de gauche, cliquez sur Explorateur :

   

   Si le volet de gauche ne s'affiche pas, cliquez sur Développer le volet de gauche pour l'ouvrir.

3. Dans le volet Explorateur, cliquez sur le nom de votre projet.

4. Cliquez sur Afficher les actions > Créer un ensemble de données.

5. Sur la page Créer un ensemble de données, procédez comme suit :

   1. Dans le champ ID de l'ensemble de données, saisissez un nom pour l'ensemble de données.

   2. Pour Type d'emplacement, sélectionnez Région ou Multirégional.

      • Si vous avez sélectionné Région, sélectionnez un emplacement dans la liste Région.
      • Si vous avez sélectionné Multirégional, sélectionnez États-Unis ou Europe dans la liste Multirégional.

   3. Cliquez sur Créer un ensemble de données.

bq

1. Pour créer un ensemble de données, exécutez la commande bq mk en spécifiant l'option --location :

   bq --location=LOCATION mk -d DATASET_ID

   Remplacez les éléments suivants :

   • LOCATION : emplacement de l'ensemble de données.
   • DATASET_ID : ID de l'ensemble de données que vous créez.

2. Vérifiez que l'ensemble de données a bien été créé :

   bq ls

Créer un modèle entraîné en interne ou en externe

Suivez cette procédure pour créer les types de modèles suivants :

• Modèles de séries temporelles :

  • ARIMA_PLUS
  • ARIMA_PLUS_XREG

• Analyse des contributions : Analyse des contributions

• Classification :

  • Régression logistique
  • Classification avec arbre de décision à boosting
  • Classification par forêt d'arbres décisionnels
  • Classification par réseau de neurones profond (DNN)
  • Classification wide et deep learning
  • Classification AutoML

• Régression :

  • Régression linéaire
  • Régression par boosting sur arbre de décision
  • Régression par forêt d'arbres décisionnels
  • Régression de réseau de neurones profond (DNN)
  • Régression wide et deep
  • Régression AutoML

• Clustering : K-moyennes

• Recommandation : factorisation matricielle

• Réduction de la dimensionnalité :

  • Analyse des composants principaux (ACP)
  • Auto-encodeur

Ces modèles disposent de différents ensembles d'options en fonction de leur type. Bien que le réglage automatique de BigQuery ML fonctionne bien dans la plupart des cas, vous pouvez choisir de régler manuellement votre modèle dans le cadre de la procédure. Si vous souhaitez le faire, consultez la documentation du type de modèle donné pour en savoir plus sur les options de modèle.

Pour créer un modèle :

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet de gauche, cliquez sur Explorateur :

   

   Si le volet de gauche ne s'affiche pas, cliquez sur Développer le volet de gauche pour l'ouvrir.

3. Dans le volet Explorateur, cliquez sur Ensembles de données, puis sur l'ensemble de données que vous avez créé.

4. Cliquez sur Afficher les actions à côté de l'ensemble de données, puis sur Créer un modèle BQML.

   Le volet Créer un modèle s'ouvre.

5. Dans le champ Nom du modèle, saisissez un nom pour le modèle.

6. Si vous souhaitez créer une requête enregistrée contenant l'instruction CREATE MODEL pour le modèle, sélectionnez Enregistrer la requête.

   1. Dans le champ Nom de la requête, saisissez un nom pour la requête enregistrée.
   2. Dans le champ Région, choisissez une région pour la requête enregistrée.

7. Cliquez sur Continuer.

8. Dans la section Méthode de création, sélectionnez Entraîner un modèle dans BigQuery.

9. Dans la section Objectif de modélisation, sélectionnez un objectif de modélisation pour le modèle.

10. Cliquez sur Continuer.

11. Sur la page Options de modèle, sélectionnez un type de modèle. Le type de modèle que vous pouvez sélectionner varie en fonction de l'objectif de modélisation que vous avez choisi.

12. Dans la section Données d'entraînement, effectuez l'une des opérations suivantes :

    • Sélectionnez Table/Vue pour obtenir les données d'entraînement à partir d'une table ou d'une vue, puis sélectionnez le projet, l'ensemble de données et le nom de la vue ou de la table.
    • Sélectionnez Requête pour obtenir des données d'entraînement à partir d'une requête enregistrée, puis sélectionnez la requête enregistrée.

13. Dans Colonnes d'étiquettes d'entrée sélectionnées, choisissez les colonnes de la table, de la vue ou de la requête que vous souhaitez utiliser comme entrée pour le modèle.

14. S'il existe une section Options requises, spécifiez les informations de colonne demandées :

    • Pour les modèles de classification et de régression, sélectionnez la colonne contenant les données d'étiquette pour INPUT_LABEL_COLS.

    • Pour les modèles de factorisation matricielle, sélectionnez les éléments suivants :

      • Pour RATING_COL, sélectionnez la colonne contenant les données d'évaluation.
      • Pour USER_COL, sélectionnez la colonne contenant les données utilisateur.
      • Pour ITEM_COL, sélectionnez la colonne contenant les données sur les articles.

    • Pour les modèles de prévision de séries temporelles, sélectionnez les éléments suivants :

      • Pour TIME_SERIES_TIMESTAMP_COL, sélectionnez la colonne contenant les points temporels à utiliser lors de l'entraînement du modèle.
      • Pour TIME_SERIES_DATA_COL, sélectionnez la colonne contenant les données à prévoir.

15. Facultatif : dans la section Facultatif, spécifiez des valeurs pour les arguments de réglage de modèle supplémentaires. Les arguments disponibles varient en fonction du type de modèle que vous créez.

16. Facultatif : si une section Réglage des hyperparamètres est disponible, vous pouvez spécifier l'option NUM_TRIALS pour activer le [réglage des hyperparamètres](/bigquery/docs/hyperparameter-tuning-tutorial) pour votre modèle. Les arguments disponibles pour le réglage des hyperparamètres varient en fonction du type de modèle que vous créez.

17. Cliquez sur Créer un modèle.

18. Une fois la création du modèle terminée, cliquez sur Accéder au modèle pour afficher ses détails.

Créer un modèle distant sur un modèle pré-entraîné

Suivez cette procédure pour créer les types de modèles distants suivants :

• Modèles sur Agent Platform ou modèles partenaires
• Modèles par rapport aux modèles ouverts

Pour créer un modèle :

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet de gauche, cliquez sur Explorateur :

   

3. Dans le volet Explorateur, cliquez sur Ensembles de données, puis sur l'ensemble de données que vous avez créé.

4. Cliquez sur Afficher les actions à côté de l'ensemble de données, puis sur Créer un modèle BQML.

   Le volet Créer un modèle s'ouvre.

5. Dans le champ Nom du modèle, saisissez un nom pour le modèle.

6. Si vous souhaitez créer une requête enregistrée contenant l'instruction CREATE MODEL pour le modèle, sélectionnez Enregistrer la requête.

   1. Dans le champ Nom de la requête, saisissez un nom pour la requête enregistrée.
   2. Dans le champ Région, choisissez une région pour la requête enregistrée.

7. Cliquez sur Continuer.

8. Dans la section Méthode de création, sélectionnez Se connecter au service de LLM de Vertex AI et aux services d'IA Cloud.

9. Sur la page Options du modèle, sélectionnez Modèles Google et partenaires ou Modèles ouverts pour le type de modèle, selon votre cas d'utilisation.

10. Dans la section Connexion à distance, effectuez l'une des opérations suivantes :

    • Si vous avez configuré une connexion par défaut ou si vous disposez des rôles d'administrateur BigQuery et d'administrateur IAM du projet, sélectionnez Connexion par défaut.

    • Si vous n'avez pas configuré de connexion par défaut ou si vous ne disposez pas des rôles appropriés, sélectionnez Connexion aux ressources Cloud.

      1. Pour Projet, sélectionnez le projet contenant la connexion que vous souhaitez utiliser.
      2. Dans le champ Emplacement, sélectionnez l'emplacement utilisé par la connexion.

      3. Pour Connexion, sélectionnez la connexion à utiliser pour le modèle distant ou sélectionnez Créer une connexion pour créer une connexion.

         Important : Si vous créez une connexion, vous devez attribuer les rôles appropriés au compte de service de la connexion avant de continuer. Pour en savoir plus sur les rôles à attribuer, consultez la documentation de référence sur le type de modèle distant que vous créez.

11. Dans la section Options obligatoires, effectuez l'une des opérations suivantes :

    • Pour les modèles distants basés sur des modèles Google et des modèles partenaires, spécifiez le point de terminaison à utiliser. Il s'agit du nom du modèle, par exemple gemini-3.5-flash. Pour en savoir plus sur les modèles compatibles, consultez ENDPOINT.
    • Pour les modèles distants basés sur des modèles ouverts, copiez et collez le point de terminaison à utiliser. Il s'agit du point de terminaison public partagé d'un modèle déployé sur Agent Platform, au format https://location-aiplatform.googleapis.com/v1/projects/project/locations/location/endpoints/endpoint_id. Pour en savoir plus, consultez la page sur la méthode ENDPOINT.

12. Cliquez sur Créer un modèle.

13. Une fois la création du modèle terminée, cliquez sur Accéder au modèle pour afficher ses détails.

Créer un modèle distant sur un modèle personnalisé

Suivez cette procédure pour créer des modèles distants sur des modèles personnalisés déployés sur Gemini Enterprise Agent Platform.

Pour créer un modèle :

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet de gauche, cliquez sur Explorateur :

   

3. Dans le volet Explorateur, cliquez sur Ensembles de données, puis sur l'ensemble de données que vous avez créé.

4. Cliquez sur Afficher les actions à côté de l'ensemble de données, puis sur Créer un modèle BQML.

   Le volet Créer un modèle s'ouvre.

5. Dans le champ Nom du modèle, saisissez un nom pour le modèle.

6. Si vous souhaitez créer une requête enregistrée contenant l'instruction CREATE MODEL pour le modèle, sélectionnez Enregistrer la requête.

   1. Dans le champ Nom de la requête, saisissez un nom pour la requête enregistrée.
   2. Dans le champ Région, choisissez une région pour la requête enregistrée.

7. Cliquez sur Continuer.

8. Dans la section Méthode de création, sélectionnez Se connecter aux points de terminaison Vertex AI gérés par l'utilisateur.

9. Dans la section Connexion à distance de la page Options du modèle, effectuez l'une des opérations suivantes :

   • Si vous avez configuré une connexion par défaut ou si vous disposez des rôles d'administrateur BigQuery et d'administrateur IAM du projet, sélectionnez Connexion par défaut.

   • Si vous n'avez pas configuré de connexion par défaut ou si vous ne disposez pas des rôles appropriés, sélectionnez Connexion aux ressources Cloud.

     1. Pour Projet, sélectionnez le projet contenant la connexion que vous souhaitez utiliser.
     2. Dans le champ Emplacement, sélectionnez l'emplacement utilisé par la connexion.

     3. Pour Connexion, sélectionnez la connexion à utiliser pour le modèle distant ou sélectionnez Créer une connexion pour créer une connexion.

        Important : Si vous créez une connexion, vous devez attribuer les rôles appropriés au compte de service de la connexion avant de continuer. Pour en savoir plus sur les rôles à attribuer, consultez la documentation de référence sur le type de modèle distant que vous créez.

10. Dans la section Options requises, spécifiez le point de terminaison à utiliser. Il s'agit du point de terminaison public partagé d'un modèle déployé sur Agent Platform, au format https://location-aiplatform.googleapis.com/v1/projects/project/locations/location/endpoints/endpoint_id. Pour en savoir plus, consultez la section ENDPOINT.

11. Cliquez sur Créer un modèle.

12. Une fois la création du modèle terminée, cliquez sur Accéder au modèle pour afficher ses détails.

Créer un modèle distant sur un service d'IA Cloud

Suivez cette procédure pour créer des modèles distants sur les services Cloud AI.

Pour créer un modèle :

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet de gauche, cliquez sur Explorateur :

   

3. Dans le volet Explorateur, cliquez sur Ensembles de données, puis sur l'ensemble de données que vous avez créé.

4. Cliquez sur Afficher les actions à côté de l'ensemble de données, puis sur Créer un modèle BQML.

   Le volet Créer un modèle s'ouvre.

5. Dans le champ Nom du modèle, saisissez un nom pour le modèle.

6. Si vous souhaitez créer une requête enregistrée contenant l'instruction CREATE MODEL pour le modèle, sélectionnez Enregistrer la requête.

   1. Dans le champ Nom de la requête, saisissez un nom pour la requête enregistrée.
   2. Dans le champ Région, choisissez une région pour la requête enregistrée.

7. Cliquez sur Continuer.

8. Dans la section Méthode de création, sélectionnez Se connecter au service de LLM de Vertex AI et aux services d'IA Cloud.

9. Sur la page Options du modèle, sélectionnez Services d'IA Cloud.

10. Dans la section Connexion à distance, effectuez l'une des opérations suivantes :

    • Si vous avez configuré une connexion par défaut ou si vous disposez des rôles d'administrateur BigQuery et d'administrateur IAM du projet, sélectionnez Connexion par défaut.

    • Si vous n'avez pas configuré de connexion par défaut ou si vous ne disposez pas des rôles appropriés, sélectionnez Connexion aux ressources Cloud.

      1. Pour Projet, sélectionnez le projet contenant la connexion que vous souhaitez utiliser.
      2. Dans le champ Emplacement, sélectionnez l'emplacement utilisé par la connexion.

      3. Pour Connexion, sélectionnez la connexion à utiliser pour le modèle distant ou sélectionnez Créer une connexion pour créer une connexion.

         Important : Si vous créez une connexion, vous devez attribuer les rôles appropriés au compte de service de la connexion avant de continuer. Pour en savoir plus sur les rôles à attribuer, consultez la documentation de référence sur le type de modèle distant que vous créez.

11. Dans la section Options requises, sélectionnez le type de service d'IA cloud à utiliser.

12. Dans la section Facultatif, spécifiez les informations sur le processeur de documents si vous utilisez le service CLOUD_AI_DOCUMENT_V1. Vous pouvez éventuellement spécifier des informations sur l'outil de reconnaissance vocale si vous utilisez le service CLOUD_AI_SPEECH_TO_TEXT_V2.

13. Cliquez sur Créer un modèle.

14. Une fois la création du modèle terminée, cliquez sur Accéder au modèle pour afficher ses détails.

Créer un modèle importé

Suivez cette procédure pour créer des modèles BigQuery ML en important les types de modèles suivants :

• ONNX
• TensorFlow
• TensorFlow Lite
• XGBoost

Pour créer un modèle :

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet de gauche, cliquez sur Explorateur :

   

3. Dans le volet Explorateur, cliquez sur Ensembles de données, puis sur l'ensemble de données que vous avez créé.

4. Cliquez sur Afficher les actions à côté de l'ensemble de données, puis sur Créer un modèle BQML.

   Le volet Créer un modèle s'ouvre.

5. Dans le champ Nom du modèle, saisissez un nom pour le modèle.

6. Si vous souhaitez créer une requête enregistrée contenant l'instruction CREATE MODEL pour le modèle, sélectionnez Enregistrer la requête.

   1. Dans le champ Nom de la requête, saisissez un nom pour la requête enregistrée.
   2. Dans le champ Région, choisissez une région pour la requête enregistrée.

7. Cliquez sur Continuer.

8. Dans la section Méthode de création, sélectionnez Importer un modèle.

9. Sur la page Options du modèle, sélectionnez le type de modèle que vous souhaitez importer.

10. Dans le champ Chemin d'accès GCS, recherchez ou collez l'URI du bucket Cloud Storage contenant le modèle.

11. Cliquez sur Créer un modèle.

12. Une fois la création du modèle terminée, cliquez sur Accéder au modèle pour afficher ses détails.