Usar o agente de ciência de dados do Colab Enterprise com o BigQuery

O Agente de Ciência de Dados (DSA) para Colab Enterprise e BigQuery permite automatizar a análise exploratória de dados, realizar tarefas de machine learning e fornecer insights, tudo em um notebook do Colab Enterprise.

Antes de começar

Faça login na sua conta do Google Cloud . Se você começou a usar o Google Cloud, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

1. Ative as APIs BigQuery, Gemini para Google Cloud, Dataform e Compute Engine.

   Funções necessárias para ativar APIs

   Para ativar APIs, você precisa da permissão serviceusage.services.enable. Se você criou o projeto, provavelmente já tem essa permissão com o papel de Proprietário (roles/owner). Caso contrário, é possível receber essa permissão com o papel de Administrador do Service Usage (roles/serviceusage.serviceUsageAdmin). Saiba como conceder papéis.

   Ativar as APIs

   Para novos projetos, a API BigQuery é ativada automaticamente.

Se você não conhece o Colab Enterprise no BigQuery, consulte as etapas de configuração na página Criar notebooks.

Limitações

• O Agente de Ciência de Dados está disponível apenas no ambiente do Colab Enterprise.
• O Agente de Ciência de Dados é compatível com as seguintes fontes de dados:
  • Arquivos CSV
  • Tabelas do BigQuery
• O código produzido pelo Agente de Ciência de Dados só é executado no tempo de execução do seu notebook.
• A pesquisa de tabelas do BigQuery usando a função @mention é limitada ao seu projeto atual. Use o seletor de tabelas para pesquisar em vários projetos.
• A função @mention só pesquisa tabelas do BigQuery. Para pesquisar arquivos de dados que podem ser enviados, use o símbolo +.
• O PySpark no Agente de ciência de dados só gera código do Serviço Gerenciado para Apache Spark 4.0. O DSA pode ajudar você a fazer upgrade para o Serviço Gerenciado para Apache Spark 4.0, mas os usuários que precisam de versões anteriores não devem usar o Agente de Ciência de Dados.
• As chaves de criptografia gerenciadas pelo cliente (CMEK) não são compatíveis.

Quando usar o agente de ciência de dados

O Agente de Ciência de Dados ajuda em tarefas que vão desde a análise detalhada de dados até a geração de previsões e estimativas de machine learning. Você pode usar a DSA para:

• Processamento de dados em grande escala: use o BigQuery ML, o BigQuery DataFrames ou o Serviço gerenciado para Apache Spark para realizar o processamento distribuído de dados em grandes conjuntos de dados. Isso permite limpar, transformar e analisar com eficiência dados muito grandes para caber na memória de uma única máquina.
• Gerar um plano: gere e modifique um plano para concluir uma tarefa específica usando ferramentas comuns, como Python, SQL, Serviço Gerenciado para Apache Spark e BigQuery DataFrames.
• Análise de dados: analise um conjunto de dados para entender a estrutura dele, identificar possíveis problemas, como valores ausentes e outliers, e examine a distribuição de variáveis principais usando Python ou SQL.
• Limpeza de dados: limpe seus dados. Por exemplo, remova pontos de dados que são outliers.
• Organização de dados: converta recursos categóricos em representações numéricas usando técnicas como codificação one-hot ou de rótulo ou usando as ferramentas de transformação de recursos do BigQuery ML. Crie novos recursos para análise.
• Análise de dados: analise as relações entre diferentes variáveis. Calcular correlações entre atributos numéricos e analisar distribuições de atributos categóricos. Procure padrões e tendências nos dados.
• Visualização de dados: crie visualizações como histogramas, diagramas de caixa, gráficos de dispersão e gráficos de barras que representam as distribuições de variáveis individuais e as relações entre elas. Também é possível criar visualizações em Python para tabelas armazenadas no BigQuery.
• Engenharia de atributos: crie novos atributos com base em um conjunto de dados limpo.
• Divisão de dados: divida um conjunto de dados projetado em conjuntos de dados de treinamento, validação e teste.
• Treinamento de modelo: treine um modelo usando os dados de treinamento em um DataFrame do pandas (X_train, y_train), BigQuery DataFrames, um DataFrame do PySpark ou usando a instrução CREATE MODEL do BigQuery ML com tabelas do BigQuery.
• Otimização do modelo: otimize um modelo usando o conjunto de validação. Analise modelos alternativos, como DecisionTreeRegressor e RandomForestRegressor, e compare a performance deles.
• Avaliação do modelo: avalie o desempenho do modelo em um conjunto de dados de teste usando um DataFrame do pandas, BigQuery DataFrames ou um DataFrame do PySpark. Você também pode avaliar a qualidade e comparar modelos usando as funções de avaliação de modelo do BigQuery ML para modelos treinados com o BigQuery ML.
• Inferência de modelo: faça inferências com modelos treinados, importados e remotos do BigQuery ML usando as funções de inferência do BigQuery ML. Você também pode usar o método model.predict() do BigFrames ou os transformadores do PySpark para fazer previsões.

Usar o agente de ciência de dados no BigQuery

As etapas a seguir mostram como usar o Agente de Ciência de Dados no BigQuery.

1. Crie ou abra um notebook do Colab Enterprise.

2. Opcional: faça referência aos seus dados de uma das seguintes maneiras:

   • Faça upload de um arquivo CSV ou use o símbolo + no comando para pesquisar arquivos disponíveis.
   • Escolha uma ou mais tabelas do BigQuery no seletor de tabelas do projeto atual ou de outros projetos a que você tem acesso.
   • Faça referência a um nome de tabela do BigQuery no seu comando neste formato: project_id:dataset.table.
   • Digite o símbolo @ para pesquisar um nome de tabela do BigQuery usando a função @mention.

3. Insira um comando que descreva a análise de dados que você quer fazer ou o protótipo que você quer criar. O comportamento padrão do agente de ciência de dados é gerar código Python usando bibliotecas de código aberto, como o sklearn, para realizar tarefas complexas de machine learning. Para usar uma ferramenta específica, inclua as seguintes palavras-chave no comando:

   • Se quiser usar o BigQuery ML, inclua a palavra-chave "SQL".
   • Se você quiser usar o BigQuery DataFrames, especifique as palavras-chave "BigFrames" ou "BigQuery DataFrames".
   • Se você quiser usar o PySpark, inclua as palavras-chave "Apache Spark" ou "PySpark".

   Se precisar de ajuda, consulte os exemplos de comandos.

4. Escolha seu modelo. O modelo padrão é o Gemini 3.0 Flash.

5. Envie o comando e analise os resultados.

Analisar um arquivo CSV

Para analisar um CSV usando o Agente de ciência de dados no BigQuery, siga estas etapas.

1. Acessar a página do BigQuery.

   Acessar o BigQuery

2. No painel à esquerda, expanda seu projeto e clique em Notebooks.

3. Clique em Novo notebook > Notebook vazio.

   Ou, na barra de guias, clique na seta suspensa arrow_drop_down ao lado do ícone add_box Adicionar e clique em Notebook > Notebook vazio.

4. Clique no botão spark Ativar/desativar o Gemini no Colab para abrir a caixa de diálogo de chat.

   Observação: é possível alternar entre mostrar a caixa de diálogo da conversa em um painel separado e mostrar a caixa de diálogo da conversa dentro do notebook clicando no ícone Mover.

5. Faça upload do arquivo CSV.

   1. Na caixa de diálogo do chat, clique em Adicionar ao Gemini > Fazer upload.

   2. Se necessário, autorize sua Conta do Google.

   3. Procure o local do arquivo CSV e clique em Abrir.

6. Ou digite o símbolo + no comando para pesquisar arquivos disponíveis para upload.

7. Insira seu comando na janela de chat. Por exemplo: Identify trends and anomalies in this file.

8. Escolha seu modelo. O modelo padrão é o Gemini 3.0 Flash.

9. Clique em send Enviar. Os resultados aparecem na janela de chat.

10. Você pode pedir para o agente mudar o plano ou executá-lo clicando em Aceitar e executar. À medida que o plano é executado, o código e o texto gerados aparecem no notebook. Clique em Cancelar para interromper.

Analisar tabelas do BigQuery

Para analisar uma tabela do BigQuery, escolha uma ou mais tabelas no seletor de tabelas, forneça uma referência à tabela no comando ou pesquise uma tabela usando o símbolo @.

1. Acessar a página do BigQuery.

   Acessar o BigQuery

2. No painel à esquerda, expanda seu projeto e clique em Notebooks.

3. Clique em Novo notebook > Notebook vazio.

   Ou, na barra de guias, clique na seta suspensa arrow_drop_down ao lado do ícone add_box Adicionar e clique em Notebook > Notebook vazio.

4. Clique no botão spark Ativar/desativar o Gemini no Colab para abrir a caixa de diálogo de chat.

   Observação: é possível alternar entre mostrar a caixa de diálogo da conversa em um painel separado e mostrar a caixa de diálogo da conversa dentro do notebook clicando no ícone Mover.

5. Insira seu comando na janela de chat.

6. Referencie seus dados de uma das seguintes maneiras:

   1. Escolha uma ou mais tabelas usando o seletor:

      1. Clique em Adicionar ao Gemini > Tabelas do BigQuery.

      2. Na janela Tabelas do BigQuery, selecione uma ou mais tabelas no seu projeto. Você pode pesquisar tabelas em projetos e filtrar usando a barra de pesquisa.

   2. Inclua um nome de tabela do BigQuery diretamente no comando. Por exemplo: "Me ajude a fazer uma análise de dados detalhada e receber insights sobre os dados desta tabela: project_id:dataset.table".

      Substitua:

      • project_id: ID do projeto;
      • dataset: o nome do conjunto de dados que contém a tabela que você está analisando.
      • table: o nome da tabela que você está analisando

   3. Digite @ para pesquisar uma tabela do BigQuery no projeto atual.

7. Escolha seu modelo. O modelo padrão é o Gemini 3.0 Flash.

8. Clique em send Enviar.

   Os resultados aparecem na janela de chat.

9. Você pode pedir para o agente mudar o plano ou executá-lo clicando em Aceitar e executar. À medida que o plano é executado, o código e o texto gerados aparecem no notebook. Para outras etapas do plano, talvez seja necessário clicar em Aceitar e executar novamente. Clique em Cancelar para interromper.

Comandos de amostra

Independente da complexidade do comando usado, o Agente de ciência de dados gera um plano que pode ser refinado para atender às suas necessidades.

Os exemplos a seguir mostram os tipos de comandos que você pode usar com a DSA.

Comandos do Python

O código Python é gerado por padrão, a menos que você use uma palavra-chave específica no comando, como "BigQuery ML" ou "SQL".

• "Investigue e preencha os valores ausentes usando o algoritmo de aprendizado de máquina de vizinhos k-mais próximos (KNN)."
• "Crie um gráfico de salário por nível de experiência. Use a coluna experience_level para agrupar os salários e crie um boxplot para cada grupo mostrando os valores da coluna salary_in_usd".
• "Use o algoritmo XGBoost para criar um modelo que determine a variável class de uma fruta específica. Divida os dados em conjuntos de dados de treinamento e teste para gerar um modelo e determinar a acurácia dele. Crie uma matriz de confusão para mostrar as previsões em cada classe, incluindo todas as previsões corretas e incorretas".
• "Preveja target_variable de filename.csv para os próximos seis meses."

Comandos de SQL e BigQuery ML

• "Crie e avalie um modelo de classificação em bigquery-public-data.ml_datasets.census_adult_income usando SQL do BigQuery."
• "Usando SQL, preveja o tráfego futuro do meu site para o próximo mês com base em bigquery-public-data.google_analytics_sample.ga_sessions_*. Em seguida, crie uma representação gráfica dos valores históricos e estimados."
• "Agrupe clientes semelhantes para criar campanhas de mercado segmentadas usando um modelo KMeans e funções SQL do BigQuery ML. Use três recursos para clustering. Em seguida, visualize os resultados criando uma série de gráficos de dispersão 2D. Use a tabela bigquery-public-data.ml_datasets.census_adult_income."
• "Gere embeddings de texto no BigQuery ML usando o conteúdo da avaliação em bigquery-public-data.imdb.reviews."

Para conferir uma lista de modelos e tarefas de machine learning compatíveis, consulte a documentação do BigQuery ML.

Comandos do DataFrame

• "Crie um DataFrame do pandas para os dados em project_id:dataset.table. Verifique se há valores nulos nos dados e, em seguida, crie uma representação gráfica da distribuição de cada coluna usando o tipo de gráfico. Use gráficos de violino para valores medidos e gráficos de barras para categorias."
• "Leia filename.csv e crie um DataFrame. Execute uma análise no DataFrame para determinar o que precisa ser feito com os valores. Por exemplo, há valores ausentes que precisam ser substituídos ou removidos, ou há linhas duplicadas que precisam ser corrigidas. Use o arquivo de dados para determinar a distribuição do dinheiro investido em USD por cidade. Crie um gráfico de barras com os 20 principais resultados em ordem decrescente, mostrando "Localização" x "Valor médio investido (USD)".
• Crie e avalie um modelo de classificação em project_id:dataset.table usando BigQuery DataFrames.
• "Crie um modelo de previsão de série temporal em project_id:dataset.table usando DataFrames do BigQuery e visualize as avaliações do modelo."
• "Visualize os números de vendas do ano passado na tabela project_id:dataset.table do BigQuery usando o BigQuery DataFrames."
• "Encontre os recursos que melhor podem prever as espécies de pinguins na tabela bigquery-public_data.ml_datasets.penguins usando o BigQuery DataFrames."

Comandos do PySpark

• Criar e avaliar um modelo de classificação em project_id:dataset.table usando o Serviço Gerenciado para Apache Spark.
• "Agrupe clientes semelhantes para criar campanhas de marketing de segmentação, mas primeiro faça a redução de dimensionalidade usando um modelo de PCA. Use o PySpark para fazer isso na tabela project_id:dataset.table".

Desativar o Gemini no BigQuery

Para desativar o Gemini no BigQuery em um projeto do Google Cloud , um administrador precisa desativar a API Gemini para Google Cloud. Consulte Como desativar serviços.

Para desativar o Gemini no BigQuery para um usuário específico, um administrador precisa revogar o papel de Usuário do Gemini para Google Cloud (roles/cloudaicompanion.user) desse usuário. Consulte Revogar um único papel do IAM.

Observação: para desativar o uso do agente de ciência de dados sem desativar outros recursos do Gemini, entre em contato com [e-mail] ou preencha o formulário de desativação do agente de ciência de dados. Para saber como desativar o Agente de Ciência de Dados, consulte Desativar o Gemini no Colab Enterprise.

Preços

Os preços do Agente de Ciência de Dados são baseados nos seus dados de entrada e saída. Para mais informações, consulte os preços dos agentes em Como funciona o preço do BigQuery.

Regiões compatíveis

Para conferir as regiões compatíveis com o Agente de Ciência de Dados do Colab Enterprise, consulte Locais.