End-to-End-Nutzerpfade für generative KI-Modelle

In diesem Dokument werden die Nutzerpfade für BigQuery ML-Remote-Modelle beschrieben, einschließlich der Anweisungen und Funktionen, die Sie für die Arbeit mit Remote-Modellen verwenden können. BigQuery ML bietet die folgenden Arten von Remote-Modellen:

• Abgestimmte Google Gemini-Modelle
• Google-, Partner- und offene Modelle als Dienst
• Google-Modelle zur Texteinbettung als Dienst
• Selbst bereitgestellte offene Modelle
• Cloud AI-Dienste
• Benutzerdefinierte Modelle, die in der Gemini Enterprise Agent Platform bereitgestellt werden

User Journeys für Remotemodelle

In der folgenden Tabelle werden die Anweisungen und Funktionen beschrieben, mit denen Sie Daten aus Remote-Modellen erstellen, bewerten und generieren können:

Modellkategorie	Modelltyp	Modellerstellung	Evaluierung	Inferenz	Tutorials
Remote-Modelle von generativer KI	Remote-Modell über ein Gemini-Modell zur Textgenerierung^1	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT AI.GENERATE_TABLE AI.GENERATE^2 AI.GENERATE_BOOL^2 AI.GENERATE_DOUBLE^2 AI.GENERATE_INT^2	Text mit Ihren Daten generieren Strukturierte Daten anhand Ihrer Daten generieren Mit Gemini und öffentlichen Daten Text generieren Kontingentfehler durch iteratives Aufrufen von ML.GENERATE_TEXT verarbeiten Bilder mit einem Gemini-Modell analysieren Modellabstimmung mit öffentlichen Daten ausprobieren Modell mit Ihren Daten abstimmen
	Remote-Modell über ein Partner-Modell für die Textgenerierung	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	–
	Remote-Modell über einem Modell zur Generierung von offenem Text^3	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	Mit Gemma und öffentlichen Daten Text generieren
	Remote-Modell über einem Google-Modell zur Generierung von Einbettungen	CREATE MODEL	–	AI.GENERATE_EMBEDDING	Texteinbettungen mit Ihren Daten generieren Bildeinbettungen mit Ihren Daten generieren Videoeinbettungen mit Ihren Daten generieren Kontingentfehler durch iteratives Aufrufen von ML.GENERATE_EMBEDDING verarbeiten Multimodale Einbettungen mit öffentlichen Daten generieren und suchen
	Remote-Modell über einem offenen Modell zur Generierung von Einbettungen^3	CREATE MODEL	–	AI.GENERATE_EMBEDDING	Texteinbettungen mit einem offenen Modell und der Funktion AI.GENERATE_EMBEDDING generieren
Cloud AI-Remote-Modelle	Remote-Modell über der Cloud Vision API	CREATE MODEL	–	ML.ANNOTATE_IMAGE	Bilder annotieren
	Remote-Modell über der Cloud Translation API	CREATE MODEL	–	ML.TRANSLATE	Text übersetzen
	Remote-Modell über der Cloud Natural Language API	CREATE MODEL	–	ML.UNDERSTAND_TEXT	Text verstehen
	Remote-Modell über der Document AI API	CREATE MODEL	–	ML.PROCESS_DOCUMENT	Dokumente verarbeiten PDFs in einer RAG-Pipeline parsen
	Remote-Modell über die Speech-to-Text API	CREATE MODEL	–	ML.TRANSCRIBE	Audiodateien transkribieren
Remote-Modell über einem benutzerdefinierten Modell, das auf der Gemini Enterprise Agent Platform bereitgestellt wird	Remote-Modell über einem benutzerdefinierten Modell, das auf der Gemini Enterprise Agent Platform bereitgestellt wird	CREATE MODEL	ML.EVALUATE	ML.PREDICT	Vorhersagen mit einem benutzerdefinierten Modell erstellen

¹ Einige Gemini-Modelle unterstützen die überwachte Abstimmung.

² Diese Funktion ruft ein gehostetes Gemini-Modell auf. Sie müssen kein separates Modell mit der CREATE MODEL-Anweisung erstellen.

³ Sie können ein offenes Modell automatisch bereitstellen, wenn Sie das BigQuery ML-Remote-Modell erstellen. Dazu geben Sie die Hugging Face- oder Agent Platform Model Garden-ID des Modells an. BigQuery verwaltet die Agent Platform-Ressourcen von offenen Modellen, die auf diese Weise bereitgestellt werden, und ermöglicht Ihnen die Interaktion mit diesen Agent Platform-Ressourcen mithilfe der BigQuery ML-Anweisungen ALTER MODEL und DROP MODEL. Außerdem können Sie das automatische Entfernen des Modells konfigurieren. Weitere Informationen finden Sie unter Automatisch bereitgestellte Modelle.