Membuat teks dengan fungsi AI.GENERATE

Tutorial ini menunjukkan cara membuat teks dari teks, audio, atau video dengan menggunakan fungsi AI.GENERATE bersama dengan model Gemini yang dihosting. Dengan pendekatan ini, Anda tidak perlu membuat dan mengelola model Anda sendiri.

Tujuan

• Meringkas artikel berita.
• Buat output terstruktur dari artikel berita yang mencakup ringkasan dan sentimen keseluruhan.
• Buat transkrip video dalam bahasa Jepang dan terjemahkan ke dalam bahasa Inggris.
• Membuat ringkasan dan daftar topik dari konten audio.

Biaya

Dalam dokumen ini, Anda akan menggunakan komponen Google Cloudyang dapat ditagih berikut:

• BigQuery ML: You incur costs for the data that you process in BigQuery.
• Gemini Enterprise Agent Platform: You incur costs for calls to the Agent Platform model.

Untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan Anda, gunakan kalkulator harga.

Pengguna Google Cloud baru mungkin memenuhi syarat untuk mendapatkan uji coba gratis.

Untuk mengetahui informasi selengkapnya, lihat Harga BigQuery dan Harga Platform Agen.

Sebelum memulai

Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.

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. Aktifkan BigQuery API.

   Peran yang diperlukan untuk mengaktifkan API

   Untuk mengaktifkan API, Anda memerlukan izin serviceusage.services.enable. Jika Anda membuat project, kemungkinan Anda sudah memiliki izin ini melalui peran Pemilik (roles/owner). Jika tidak, Anda bisa mendapatkan izin ini melalui peran Admin Penggunaan Layanan (roles/serviceusage.serviceUsageAdmin). Pelajari cara memberikan peran.

   Mengaktifkan API

   Untuk project baru, BigQuery API diaktifkan secara otomatis.

Peran yang diperlukan

Untuk mendapatkan izin yang Anda perlukan untuk menggunakan fungsi AI.GENERATE, minta administrator untuk memberi Anda peran IAM berikut:

• Membuat dan menggunakan set data dan tabel BigQuery: BigQuery Data Editor (roles/bigquery.dataEditor) di project Anda.
• Membuat, mendelegasikan, dan menggunakan koneksi BigQuery: BigQuery Connections Admin (roles/bigquery.connectionsAdmin) di project Anda.
• Memberikan izin ke akun layanan koneksi: Admin IAM Project (roles/resourcemanager.projectIamAdmin) di project yang berisi endpoint Platform Agen Gemini Enterprise.
• Membuat tugas BigQuery: BigQuery Job User (roles/bigquery.jobUser) di project Anda.

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran bawaan ini berisi izin yang diperlukan untuk menggunakan fungsi AI.GENERATE. Untuk melihat izin yang pasti diperlukan, luaskan bagian Izin yang diperlukan:

Izin yang diperlukan

Izin berikut diperlukan untuk menggunakan fungsi AI.GENERATE:

• Buat set data: bigquery.datasets.create
• Membuat, mendelegasikan, dan menggunakan koneksi: bigquery.connections.*
• Tetapkan izin akun layanan:
  • resourcemanager.projects.getIamPolicy
  • resourcemanager.projects.setIamPolicy
• Membuat kueri data tabel: bigquery.tables.getData

Anda mungkin juga bisa mendapatkan izin ini dengan peran khusus atau peran bawaan lainnya.

Membuat set data

Buat set data BigQuery yang akan berisi resource Anda:

Konsol

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di panel kiri, klik Explorer:

   

   Jika Anda tidak melihat panel kiri, klik Luaskan panel kiri untuk membuka panel.

3. Di panel Explorer, klik nama project Anda.

4. Klik View actions > Create dataset.

5. Di halaman Create dataset, lakukan hal berikut:

   1. Untuk ID Set Data, ketik nama untuk set data.

   2. Untuk Jenis lokasi, pilih Region atau Multi-region.

      • Jika Anda memilih Region, pilih lokasi dari daftar Region.
      • Jika Anda memilih Multi-region, pilih US atau Eropa dari daftar Multi-region.

   3. Klik Create dataset.

bq

1. Untuk membuat set data baru, gunakan perintah bq mk dengan flag --location:

   bq --location=LOCATION mk -d DATASET_ID

   Ganti kode berikut:

   • LOCATION: lokasi set data.
   • DATASET_ID: ID set data yang Anda buat.

2. Pastikan set data telah dibuat:

   bq ls

Membuat koneksi

Setelah membuat set data pelatihan, Anda membuat koneksi untuk menautkan BigQuery dan sumber eksternal. Buat koneksi resource Cloud dan dapatkan akun layanan koneksi. Buat koneksi di lokasi yang sama dengan set data yang Anda buat di langkah sebelumnya.

Pilih salah satu opsi berikut:

Konsol

1. Buka halaman BigQuery.

   Buka BigQuery

2. Di panel kiri, klik Explorer:

   

   Jika Anda tidak melihat panel kiri, klik Luaskan panel kiri untuk membuka panel.

3. Di panel Explorer, luaskan nama project Anda, lalu klik Connections.

4. Di halaman Connections, klik Create connection.

5. Untuk Connection type, pilih Vertex AI remote models, remote functions, BigLake and Spanner (Cloud Resource).

6. Di kolom Connection ID, masukkan nama untuk koneksi Anda.

7. Untuk Location type, pilih lokasi untuk koneksi Anda. Koneksi harus ditempatkan bersama resource Anda yang lain seperti set data.

8. Klik Create connection.

9. Klik Go to connection.

10. Di panel Info koneksi, salin ID akun layanan untuk digunakan pada langkah berikutnya.

SQL

Gunakan pernyataan CREATE CONNECTION:

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, masukkan pernyataan berikut:

   CREATE CONNECTION [IF NOT EXISTS] `CONNECTION_NAME`
   OPTIONS (
     connection_type = "CLOUD_RESOURCE",
     friendly_name = "FRIENDLY_NAME",
     description = "DESCRIPTION"
     );

   Ganti kode berikut:

   • CONNECTION_NAME: nama koneksi dalam format PROJECT_ID.LOCATION.CONNECTION_ID, LOCATION.CONNECTION_ID, atau CONNECTION_ID. Jika project atau lokasi tidak ada, project dan lokasi akan disimpulkan dari project dan lokasi tempat pernyataan dijalankan.
   • FRIENDLY_NAME (opsional): nama deskriptif untuk koneksi.
   • DESCRIPTION (opsional): deskripsi koneksi.

3. Klik Run.

Untuk mengetahui informasi selengkapnya tentang cara menjalankan kueri, lihat artikel Menjalankan kueri interaktif.

bq

1. Di lingkungan command line, buat koneksi:

   bq mk --connection --location=REGION --project_id=PROJECT_ID \
       --connection_type=CLOUD_RESOURCE CONNECTION_ID

   Parameter --project_id akan mengganti project default.

   Ganti kode berikut:

   • REGION: region koneksi Anda
   • PROJECT_ID: Project ID Google Cloud Anda
   • CONNECTION_ID: ID untuk koneksi Anda

   Saat Anda membuat resource koneksi, BigQuery akan membuat akun layanan sistem unik dan mengaitkannya dengan koneksi.

   Pemecahan masalah: Jika Anda mendapatkan error koneksi berikut, update Google Cloud SDK:

   Flags parsing error: flag --connection_type=CLOUD_RESOURCE: value should be one of...
   

2. Ambil dan salin ID akun layanan untuk digunakan pada langkah berikutnya:

   bq show --connection PROJECT_ID.REGION.CONNECTION_ID

   Outputnya mirip dengan hal berikut ini:

   name                          properties
   1234.REGION.CONNECTION_ID     {"serviceAccountId": "[e-mail]"}
   

Python

Sebelum mencoba contoh ini, ikuti petunjuk penyiapan Python di Panduan memulai BigQuery menggunakan library klien. Untuk mengetahui informasi selengkapnya, lihat Dokumentasi referensi BigQuery Python API.

Untuk melakukan autentikasi ke BigQuery, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk library klien.

import google.api_core.exceptions
from google.cloud import bigquery_connection_v1

client = bigquery_connection_v1.ConnectionServiceClient()


def create_connection(
    project_id: str,
    location: str,
    connection_id: str,
):
    """Creates a BigQuery connection to a Cloud Resource.

    Cloud Resource connection creates a service account which can then be
    granted access to other Google Cloud resources for federated queries.

    Args:
        project_id: The Google Cloud project ID.
        location: The location of the connection (for example, "us-central1").
        connection_id: The ID of the connection to create.
    """

    parent = client.common_location_path(project_id, location)

    connection = bigquery_connection_v1.Connection(
        friendly_name="Example Connection",
        description="A sample connection for a Cloud Resource.",
        cloud_resource=bigquery_connection_v1.CloudResourceProperties(),
    )

    try:
        created_connection = client.create_connection(
            parent=parent, connection_id=connection_id, connection=connection
        )
        print(f"Successfully created connection: {created_connection.name}")
        print(f"Friendly name: {created_connection.friendly_name}")
        print(
            f"Service Account: {created_connection.cloud_resource.service_account_id}"
        )

    except google.api_core.exceptions.AlreadyExists:
        print(f"Connection with ID '{connection_id}' already exists.")
        print("Please use a different connection ID.")
    except Exception as e:
        print(f"An unexpected error occurred while creating the connection: {e}")

Node.js

Sebelum mencoba contoh ini, ikuti petunjuk penyiapan Node.js di Panduan memulai BigQuery menggunakan library klien. Untuk mengetahui informasi selengkapnya, lihat Dokumentasi referensi BigQuery Node.js API.

Untuk melakukan autentikasi ke BigQuery, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk library klien.

const {ConnectionServiceClient} =
  require('@google-cloud/bigquery-connection').v1;
const {status} = require('@grpc/grpc-js');

const client = new ConnectionServiceClient();

/**
 * Creates a new BigQuery connection to a Cloud Resource.
 *
 * A Cloud Resource connection creates a service account that can be granted access
 * to other Google Cloud resources.
 *
 * @param {string} projectId The Google Cloud project ID. for example, 'example-project-id'
 * @param {string} location The location of the project to create the connection in. for example, 'us-central1'
 * @param {string} connectionId The ID of the connection to create. for example, 'example-connection-id'
 */
async function createConnection(projectId, location, connectionId) {
  const parent = client.locationPath(projectId, location);

  const connection = {
    friendlyName: 'Example Connection',
    description: 'A sample connection for a Cloud Resource',
    // The service account for this cloudResource will be created by the API.
    // Its ID will be available in the response.
    cloudResource: {},
  };

  const request = {
    parent,
    connectionId,
    connection,
  };

  try {
    const [response] = await client.createConnection(request);

    console.log(`Successfully created connection: ${response.name}`);
    console.log(`Friendly name: ${response.friendlyName}`);

    console.log(`Service Account: ${response.cloudResource.serviceAccountId}`);
  } catch (err) {
    if (err.code === status.ALREADY_EXISTS) {
      console.log(`Connection '${connectionId}' already exists.`);
    } else {
      console.error(`Error creating connection: ${err.message}`);
    }
  }
}

Terraform

Gunakan resource google_bigquery_connection.

Catatan: Untuk membuat objek BigQuery menggunakan Terraform, Anda harus mengaktifkan Cloud Resource Manager API.

Untuk melakukan autentikasi ke BigQuery, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk library klien.

Contoh berikut membuat koneksi resource Cloud bernama my_cloud_resource_connection di region US:

# This queries the provider for project information.
data "google_project" "default" {}

# This creates a cloud resource connection in the US region named my_cloud_resource_connection.
# Note: The cloud resource nested object has only one output field - serviceAccountId.
resource "google_bigquery_connection" "default" {
  connection_id = "my_cloud_resource_connection"
  project       = data.google_project.default.project_id
  location      = "US"
  cloud_resource {}
}

Untuk menerapkan konfigurasi Terraform di project Google Cloud , selesaikan langkah-langkah di bagian berikut.

Menyiapkan Cloud Shell

1. Luncurkan Cloud Shell.

2. Tetapkan project Google Cloud default tempat Anda ingin menerapkan konfigurasi Terraform.

   Anda hanya perlu menjalankan perintah ini sekali per project, dan dapat dijalankan di direktori mana pun.

   export GOOGLE_CLOUD_PROJECT=PROJECT_ID

   Variabel lingkungan akan diganti jika Anda menetapkan nilai eksplisit dalam file konfigurasi Terraform.

Menyiapkan direktori

Setiap file konfigurasi Terraform harus memiliki direktorinya sendiri (juga disebut modul root).

1. Di Cloud Shell, buat direktori dan file baru di dalam direktori tersebut. Nama file harus memiliki ekstensi .tf—misalnya main.tf. Dalam tutorial ini, file ini disebut sebagai main.tf.

   mkdir DIRECTORY && cd DIRECTORY && touch main.tf

2. Jika mengikuti tutorial, Anda dapat menyalin kode contoh di setiap bagian atau langkah.

   Salin kode contoh ke dalam main.tf yang baru dibuat.

   Atau, salin kode dari GitHub. Tindakan ini direkomendasikan jika cuplikan Terraform adalah bagian dari solusi menyeluruh.

3. Tinjau dan ubah contoh parameter untuk diterapkan pada lingkungan Anda.
4. Simpan perubahan Anda.
5. Lakukan inisialisasi Terraform. Anda hanya perlu melakukan ini sekali per direktori.

   terraform init

   Secara opsional, untuk menggunakan versi penyedia Google terbaru, sertakan opsi -upgrade:

   terraform init -upgrade

Menerapkan perubahan

1. Tinjau konfigurasi dan pastikan resource yang akan dibuat atau diupdate oleh Terraform sesuai yang Anda inginkan:

   terraform plan

   Koreksi konfigurasi jika diperlukan.

2. Terapkan konfigurasi Terraform dengan menjalankan perintah berikut dan memasukkan yes pada prompt:

   terraform apply

   Tunggu hingga Terraform menampilkan pesan "Apply complete!".

3. Buka Google Cloud project Anda untuk melihat hasilnya. Di konsol Google Cloud , buka resource Anda di UI untuk memastikan bahwa Terraform telah membuat atau mengupdatenya.

Catatan: Contoh Terraform biasanya mengasumsikan bahwa API yang diperlukan sudah diaktifkan di project Google Cloud Anda.

Memberikan akses pada akun layanan

Berikan peran Agent Platform User dan Storage Object Viewer ke akun layanan koneksi. Untuk memberikan peran, ikuti langkah-langkah berikut:

1. Buka halaman IAM & Admin.

   Buka IAM & Admin

2. Klik Add.

   Dialog Add principals akan terbuka.

3. Di kolom New principals, masukkan ID akun layanan yang Anda salin sebelumnya.

4. Di kolom Pilih peran, pilih Vertex AI, lalu pilih Agent Platform User.

5. Klik Add another role.

6. Di kolom Select a role, pilih Cloud Storage, lalu pilih Storage Object Viewer.

7. Klik Simpan.

Meringkas teks dan menggunakan format output default

Untuk meringkas artikel berita, panggil fungsi AI.GENERATE dengan teks artikel sebagai perintah Anda. Secara default, output mencakup teks ringkasan yang dihasilkan, respons lengkap, dan status yang kosong jika fungsi berhasil ditampilkan.

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, jalankan kueri berikut:

   WITH
   bbc_news AS (
     SELECT body FROM `bigquery-public-data.bbc_news.fulltext` LIMIT 5
   )
   SELECT AI.GENERATE(body, endpoint => 'gemini-2.5-pro') AS news FROM bbc_news;

   Outputnya mirip dengan hal berikut ini:

   +---------------------------------------------+------------------------------------+---------------+
   | news.result                                 | news.full_response                 | news.status   |
   +---------------------------------------------+------------------------------------+---------------+
   | This article presents a debate about the    | {"candidates":[{"avg_logprobs":    |               |
   | "digital divide" between rich and poor      | -0.31465074559841777, content":    |               |
   | nations. Here's a breakdown of the key...   | {"parts":[{"text":"This article... |               |
   +---------------------------------------------+------------------------------------+---------------+
   | This article discusses how advanced         | {"candidates":[{"avg_logprobs":    |               |
   | mapping technology is aiding humanitarian   | -0.21313422900091983,"content":    |               |
   | efforts in Darfur, Sudan. Here's a...       | {"parts":[{"text":"This article... |               |
   +---------------------------------------------+------------------------------------+---------------+
   | ...                                         | ...                                | ...           |
   +---------------------------------------------+------------------------------------+---------------+
   

Meringkas teks dan menghasilkan hasil terstruktur

Ikuti langkah-langkah berikut untuk membuat teks menggunakan fungsi AI.GENERATE, dan gunakan argumen output_schema fungsi AI.GENERATE untuk memformat output:

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, jalankan kueri berikut:

   WITH bbc_news AS (
     SELECT
       body
     FROM
       `bigquery-public-data`.bbc_news.fulltext
     LIMIT 5
   )
   SELECT
     news.good_sentiment,
     news.summary
   FROM
     bbc_news,
     UNNEST(ARRAY[AI.GENERATE(body, endpoint => 'gemini-2.5-pro', output_schema  => 'summary STRING, good_sentiment BOOL')]) AS news;

   Outputnya mirip dengan hal berikut ini:

   +----------------+--------------------------------------------+
   | good_sentiment | summary                                    |
   +----------------+--------------------------------------------+
   | true           | A World Bank report suggests the digital   |
   |                | divide is rapidly closing due to increased |
   |                | access to technology in developing...      |
   +----------------+--------------------------------------------+
   | false          | A massive earthquake and subsequent        |
   |                | waves have devastated southern Asia, with  |
   |                | Sri Lanka, India, Indonesia, and...        |
   +----------------+--------------------------------------------+
   | ...            | ...                                        |
   +----------------+--------------------------------------------+
   

Mentranskripsikan dan menerjemahkan konten video

Anda dapat memproses file multimedia yang disimpan di Cloud Storage dengan menggunakan tabel objek eksternal. Langkah-langkah berikut menunjukkan cara membuat tabel objek untuk file video, mentranskripsikan konten video berbahasa Jepang, dan menerjemahkan teks ke dalam bahasa Inggris.

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, jalankan kueri berikut untuk membuat tabel objek:

   CREATE OR REPLACE EXTERNAL TABLE `bqml_tutorial.video`
   WITH CONNECTION `us.test_connection`
   OPTIONS (
     object_metadata = 'SIMPLE',
     uris =
       ['gs://cloud-samples-data/generative-ai/video/*']);

3. Di editor kueri, jalankan kueri berikut untuk mentranskripsikan dan menerjemahkan file pixel8.mp4:

   SELECT
     AI.GENERATE(
       (OBJ.GET_ACCESS_URL(ref, 'r'), 'Transcribe the video in Japanese and then translate to English.'),
       endpoint => 'gemini-2.5-pro',
       output_schema => 'japanese_transcript STRING, english_translation STRING'
     ).* EXCEPT (full_response, status)
   FROM
     `bqml_tutorial.video`
   WHERE
     REGEXP_CONTAINS(uri, 'pixel8.mp4');

   Outputnya mirip dengan hal berikut ini:

   +--------------------------------------------+--------------------------------+
   | english_translation                        | japanese_transcript            |
   +--------------------------------------------+--------------------------------+
   | My name is Saeka Shimada. I'm a            | 島田 さえか です 。 東京 で フ     |
   | photographer in Tokyo. Tokyo has many      | ォトグラファー を し て い ま      |
   | faces. The city at night is totally...     | す 。 東京 に は いろんな 顔 が    |
   +--------------------------------------------+--------------------------------+
   

Menganalisis konten file audio

Ikuti langkah-langkah berikut untuk membuat tabel objek pada konten audio publik, lalu menganalisis konten file audio.

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, jalankan kueri berikut untuk membuat tabel objek:

   CREATE OR REPLACE EXTERNAL TABLE `bqml_tutorial.audio`
   WITH CONNECTION `us.test_connection`
   OPTIONS (
     object_metadata = 'SIMPLE',
     uris =
       ['gs://cloud-samples-data/generative-ai/audio/*']);

3. Di editor kueri, jalankan kueri berikut untuk menganalisis file audio:

   SELECT
     AI.GENERATE(
       (OBJ.GET_ACCESS_URL(ref, 'r'), 'Summarize the content of this audio file.'),
       endpoint => 'gemini-2.5-pro',
       output_schema => 'topic ARRAY<STRING>, summary STRING'
     ).* EXCEPT (full_response, status), uri
   FROM
     `bqml_tutorial.audio`;

   Hasilnya akan mirip seperti berikut:

   +--------------------------------------------+-----------------------------------------------------------+
   | summary                                    | topic              | uri                                  |
   +--------------------------------------------+-----------------------------------------------------------+
   | The audio contains a distinctive 'beep'    | beep sound         | gs://cloud-samples-data/generativ... |
   | sound, followed by the characteristic      |                    |                                      |
   | sound of a large vehicle or bus backing..  |                    |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   |                                            | vehicle backing up |                                      |
   |                                            +--------------------+                                      |
   |                                            | bus                |                                      |
   |                                            +--------------------+                                      |
   |                                            | alarm              |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   | The speaker introduces themselves          | Introduction       | gs://cloud-samples-data/generativ... |
   | as Gemini and expresses their excitement   |                    |                                      |
   | and readiness to dive into something..     |                    |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   |                                            | Readiness          |                                      |
   |                                            +--------------------+                                      |
   |                                            | Excitement         |                                      |
   |                                            +--------------------+                                      |
   |                                            | Collaboration      |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   | ...                                        | ...                | ...                                  |
   +--------------------------------------------+--------------------+--------------------------------------+
   

Pembersihan

Agar tidak perlu membayar biaya pada akun Google Cloud Anda untuk resource yang digunakan dalam tutorial ini, hapus project yang berisi resource tersebut, atau simpan project dan hapus setiap resource.

Perhatian: Penghapusan project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika Anda menggunakan project yang ada untuk mengerjakan tugas di dokumen ini, saat Anda menghapusnya, pekerjaan lain dalam project tersebut juga akan dihapus.
• Project ID kustom akan hilang. Saat membuat project ini, Anda mungkin juga membuat project ID kustom yang masih ingin digunakan pada masa mendatang. Agar tidak kehilangan URL yang menggunakan project ID tersebut, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari beberapa arsitektur, tutorial atau panduan memulai, dengan menggunakan kembali project dapat membantu Anda agar tidak melampaui batas kuota project.

1. Di konsol Google Cloud , buka halaman Manage resources.

   Buka Kelola resource

2. Pada daftar project, pilih project yang ingin Anda hapus, lalu klik Delete.
3. Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.

Menghapus resource satu per satu

Jika Anda ingin menggunakan kembali project, hapus resource yang Anda buat untuk tutorial.

Konsol

1. Buka halaman BigQuery.

   Buka BigQuery

2. Hapus set data bqml_tutorial. Menghapus set data juga akan menghapus model jarak jauh.

   1. Di panel Explorer, luaskan project Anda dan klik Set Data.

   2. Di daftar Set data, klik set data bqml_tutorial.

   3. Di panel detail, klik Hapus.

   4. Pada dialog Hapus set data, klik Hapus.

3. Menghapus koneksi:

   1. Di panel Explorer, luaskan project Anda, lalu klik Connections.

   2. Di daftar Connection ID, klik koneksi yang Anda buat.

   3. Di panel detail, klik Hapus.

   4. Di dialog Hapus koneksi, masukkan delete untuk mengonfirmasi penghapusan.

   5. Klik Hapus.

gcloud

1. Hapus set data bqml_tutorial dan model jarak jauh:

   bq rm --dataset --recursive bqml_tutorial
   

2. Menghapus koneksi.

   bq rm --connection PROJECT_ID.LOCATION.CONNECTION_ID
   

   Ganti kode berikut:

   • PROJECT_ID: Project ID Google Cloud Anda
   • LOCATION: lokasi koneksi
   • CONNECTION_ID: ID koneksi

Langkah berikutnya

• Pelajari lebih lanjut AI generatif di BigQuery.
• Pelajari lebih lanjut cara memilih fungsi pembuatan teks.