Google Prediction Framework به مشغله های خط لوله داده می پردازد

چارچوب پیش‌بینی خدمات پلتفرم Google Cloud را برای ساده‌سازی اجرای پروژه‌های پیش‌بینی با هم ترکیب می‌کند.

چارچوب پیش‌بینی Google، سرویس‌های پلتفرم Google Cloud، از توابع ابری گرفته تا Pub/Sub، Vertex AutoML و BigQuery را به هم پیوند می‌دهد تا به کاربران کمک کند پروژه‌های پیش‌بینی علم داده را پیاده‌سازی کنند و در زمان انجام این کار صرفه‌جویی کنند.

مشروح در پست وبلاگ ۲۹ دسامبر، Prediction Framework برای ارائه داربست اولیه برای راه حل های پیش بینی و امکان سفارشی سازی این چارچوب که برای میزبانی در پلتفرم Google Cloud ساخته شده است، تلاشی برای تعمیم تمام مراحل درگیر در یک پروژه پیش‌بینی، از جمله استخراج داده، آماده‌سازی داده، فیلتر کردن، پیش‌بینی و پس‌پردازش است. ایده پشت چارچوب این است که تنها با چند ویژگی خاص/تغییر، چارچوب با هر مورد استفاده مشابه، با سطح بالایی از قابلیت اطمینان، مطابقت داشته باشد.

کد چارچوب را می‌توانید در GitHub پیدا کنید. Prediction Framework از Google Cloud Function برای پردازش داده ها، Vertex AutoML برای میزبانی مدل و BigQuery برای ذخیره سازی نهایی پیش بینی ها استفاده می کند. Google Cloud Firestore، Pub/Sub، و Schedulers نیز در خط لوله استفاده می شوند. کاربران باید یک فایل پیکربندی با متغیرهای محیطی در مورد پروژه ابری، منابع داده، مدل ML و زمان‌بندی سیستم throttling ارائه دهند.

در توضیح سودمندی این چارچوب، Google خاطرنشان کرد که بسیاری از سناریوهای بازاریابی نیاز به تجزیه و تحلیل داده‌های شخص اول، انجام پیش‌بینی‌ها بر روی داده‌ها و استفاده از نتایج در پلتفرم‌های بازاریابی مانند Google Ads دارند. تغذیه منظم این پلتفرم‌ها به یک خط لوله گزارش‌گرا و کاهش هزینه ETL و پیش‌بینی نیاز دارد. چارچوب پیش‌بینی با ارائه عناصر اصلی فرآیند پیش‌بینی به اجرای پروژه‌های پیش‌بینی داده کمک می‌کند.