GSP461

概要

このラボでは、NCAA 男子バスケットボールのトーナメントの勝者を BigQuery、機械学習（ML）、NCAA 男子バスケットボールのデータセットを使用して予測します。

ここでは、SQL を利用して予測と分類のための ML モデルを作成できる BigQuery 機械学習（BQML）を使用します。

演習内容

このラボでは、次の方法について学びます。

• BigQuery を使用して NCAA の一般公開データセットにアクセスする。
• NCAA データセットを探索して、利用可能なデータのスキーマと範囲について把握する。
• 既存のデータを準備して、特徴とラベルに変換する。
• データセットをトレーニング サブセットと評価サブセットに分ける。
• BQML を使用して NCAA トーナメント データセットに基づいたモデルを構築する。
• 新たに作成したモデルを使用して、対戦組み合わせ表の NCAA トーナメントの勝者を予測する。

前提事項

これは基礎レベルのラボです。このラボは、SQL とそのキーワードに関して一定の経験がある方を対象としています。また、BigQuery に関する知識もあると望ましいでしょう。この分野に関して必要な知識を得るためには、このラボの受講前に以下の少なくとも 1 つを受講することをおすすめします。

• SQL for BigQuery と Cloud SQL の概要
• BigQuery: Qwik Start - Console

準備ができたら下にスクロールし、使用するサービスやラボ環境の適切な設定方法を確認します。

BigQuery

BigQuery は、Google が低料金で提供する NoOps のフルマネージド分析データベースです。BigQuery を使用すると、インフラストラクチャを管理したりデータベース管理者を配置したりすることなく、テラバイト単位の大規模なデータをクエリできます。また、BigQuery では SQL が採用されており、従量課金制モデルでご利用いただけます。このような特徴を活かし、お客様は有用な情報を得るためのデータ分析に専念できます。

最近、NCAA バスケットボールの試合、チーム、選手のデータセットが新たに利用できるようになりました。試合データには、2009 年以降のプレイバイプレイとボックススコア、1996 年以降の最終得点が含まれます。一部のチームについては、1894～1895 年シーズン以降の勝敗に関するデータも追加されています。

機械学習

Google Cloud にはデータ アナリストとデータ サイエンティスト向けの幅広い機械学習オプションが用意されています。よく使われているオプションは次のとおりです。

• 機械学習 API: Cloud Vision など一般的な ML タスク向けのトレーニング済み API を使用できます。
• AutoML: カスタムの ML モデルを構築します。コーディングは必要はありません。
• BigQuery ML: BigQuery に読み込まれたデータで、SQL の知識を活かして ML モデルを迅速に構築します。
• AI Platform: 独自のカスタム ML モデルを構築し、Google のインフラストラクチャを使用した本番環境に配置します。

このラボでは、BigQuery ML を使用して、NCAA バスケットボール トーナメントで 2 チーム間の「勝者」と「敗者」のプロトタイプを作成し、トレーニングして評価と予測を行います。