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 Open-Source-Modelle als Dienst
• Google-Modelle zur Texteinbettung als Dienst
• Selbst bereitgestellte offene Modelle
• Cloud AI-Dienste
• Benutzerdefinierte Modelle, die in Vertex AI 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 ein benutzerdefiniertes Modell, das in Vertex AI bereitgestellt wird	Remote-Modell über ein benutzerdefiniertes Modell, das in Vertex AI 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 Vertex AI Model Garden-ID des Modells an. BigQuery verwaltet die Vertex AI-Ressourcen von offenen Modellen, die auf diese Weise bereitgestellt werden, und ermöglicht es Ihnen, mit diesen Vertex AI-Ressourcen zu interagieren, indem Sie die BigQuery ML-Anweisungen ALTER MODEL und DROP MODEL verwenden. Außerdem können Sie das automatische De-Deployment des Modells konfigurieren. Weitere Informationen finden Sie unter Automatisch bereitgestellte Modelle.