Assistência de IA com Gemini no BigQuery

Fala aí analítica e analítico de plantão, belezinha?

O Google lançou uma integração da sua inteligência artificial Gemini com o Google BigQuery! \O/

Assistência de IA com Gemini no BigQuery

O Gemini no BigQuery fornece assistência de IA das seguintes maneiras:

Explore e entenda seus dados com insights de dados. Os insights de dados oferecem uma maneira automatizada e intuitiva de descobrir padrões, avaliar a qualidade dos dados e realizar análises estatísticas usando consultas criteriosas geradas a partir dos metadados de suas tabelas. Esse recurso é especialmente útil para enfrentar os desafios de inicialização a frio da exploração inicial de dados. Para obter mais informações, consulte Gerar insights de dados no BigQuery .

**Descubra, transforme, consulte e visualize dados com a tela de dados do BigQuery **. Usando linguagem natural, você pode encontrar, unir e consultar ativos de tabela, visualizar resultados e colaborar perfeitamente com outras pessoas durante todo o processo. Para obter mais informações, consulte Analisar com tela de dados.

Obtenha análise de dados SQL e Python assistida. Você pode usar o Gemini no BigQuery para gerar ou sugerir código em SQL ou Python e para explicar uma consulta SQL existente. Você também pode usar consultas em linguagem natural para iniciar a análise de dados. Para saber como gerar, completar e resumir código, consulte Escrever consultas com assistência do Gemini

Otimize sua infraestrutura de dados com recomendações de particionamento, clustering e visualização materializada. Você pode permitir que o BigQuery monitore suas cargas de trabalho SQL em busca de oportunidades para melhorar o desempenho e reduzir custos. Para obter mais informações, consulte Exibir recomendações de partição e cluster e Gerenciar recomendações de visualização materializadas .

Ajuste automático e solução de problemas de cargas de trabalho Apache Spark sem servidor. O ajuste automático pode otimizar automaticamente os trabalhos do Spark aplicando definições de configuração a uma carga de trabalho recorrente do Spark com base nas práticas recomendadas e em uma análise de execuções de carga de trabalho anteriores. A solução de problemas avançada com o Gemini pode explicar e revelar erros de trabalho e pode oferecer recomendações práticas para corrigir trabalhos lentos ou com falha. Para obter mais informações, consulte Como ajustar automaticamente cargas de trabalho do Spark e Monitorar e solucionar problemas de cargas de trabalho sem servidor do Dataproc.

O Gemini no BigQuery usa grandes modelos de linguagem (LLMs) desenvolvidos pelo Google. Os LLMs são aprimorados com bilhões de linhas de código-fonte aberto, dados de segurança e conteúdo específico do Google Cloud, como documentação e código de amostra.

O Gemini não usa seus prompts ou respostas como dados para treinar seus modelos. Para obter mais informações, consulte Como o Gemini for Google Cloud usa seus dados . Como uma tecnologia em estágio inicial, o Gemini pode gerar resultados que parecem plausíveis, mas são factualmente incorretos. Recomendamos que você valide todas as saídas do Gemini antes de usá-lo. Para obter mais informações, consulte Gemini para Google Cloud e IA responsável.

Onde interagir com o Gemini + BigQuery?

Depois de configurar o Gemini no BigQuery , você poderá usar o Gemini no BigQuery para fazer o seguinte no BigQuery Studio:

• Para usar insights de dados, acesse a guia Insights de uma entrada de tabela , onde você pode identificar padrões, avaliar a qualidade e executar análises estatísticas nos dados do BigQuery.
• Para usar a tela de dados, crie uma tela de dados ou use a tela de dados de uma tabela ou consulta para explorar ativos de dados com linguagem natural e compartilhar suas telas.
• Para receber consultas SQL assistidas, use a ferramenta Ajude-me a codificar , que permite iterar sua consulta, especificar dados de origem e inserir a consulta no BigQuery Studio.
• Para visualizar recomendações para particionamento, clustering e visualizações materializadas , clique emlightbulb Recomendações na barra de ferramentas do console do Google Cloud.
• Para usar linguagem natural para gerar código SQL ou Python, ou receber sugestões com preenchimento automático durante a digitação, use a ferramenta Ajude-me a codificar para suas consultas SQL ou código Python . Gemini também pode explicar seu código SQL em linguagem natural.

É claaaaaro que nada disso é de graça, né? E mesmo que você pague para utilizar o BigQuery hoje, o Gemini tem um custo a parte e você pode consultar aqui mas até o momento do lançamento desse artigo, o custo é de $19 por usuário por mês.

Como Configurar o Gemini no BigQuery

Para ativar o Gemini no BigQuery em um projeto do Google Cloud, você precisa ativar a API Cloud AI Companion e conceder permissões de gerenciamento de identidade e acesso (IAM) aos usuários. Para ativar o Gemini no BigQuery, siga estas etapas:

1 - Solicite acesso ao Gemini no BigQuery. Um administrador deve preencher o formulário de visualização do Gemini no BigQuery . O acesso ao recurso pré-GA do Gemini no BigQuery é ativado em lotes semanais.

2 - No console do Google Cloud, acesse a página do BigQuery .

3 - Na barra de tarefas, clique Gemini .

Se uma lista de recursos aparecer, a API Cloud AI Companion já está ativada. Você pode selecionar os recursos do BigQuery Studio que deseja ativar. Caso contrário, na caixa de diálogo Introdução ao Gemini no BigQuery , clique em Continuar para visualizar uma lista de APIs necessárias para usar o Gemini no BigQuery.

4 - Para cada API necessária, clique em Habilitar . A API Cloud AI Companion é necessária para Gemini. A API Dataform é necessária para ativar a tela de dados do BigQuery. Se uma API não estiver listada, ela já está habilitada para o seu projeto.

5 - Clique em Avançar .

6 - Para dar aos usuários permissão para usar o Gemini, em Permissões , conceda a eles o papel IAM de usuário do Cloud AI Companion.

7 - Clique em Avançar .

8 - Em Verificar assinatura , confirme se você tem acesso ao Gemini. Se você não tiver acesso, clique em Saiba mais para saber como obter acesso. Caso contrário, clique em Concluído.

Ative o Apache Spark no BigQuery

Para usar o ajuste automático e a solução de problemas assistida no Apache Spark, você precisa ativar a API Dataproc para esse projeto.

1 - Faça login em sua conta do Google Cloud. Se você é novo no Google Cloud, crie uma conta para avaliar o desempenho de nossos produtos em cenários do mundo real. Novos clientes também recebem US$ 300 em créditos gratuitos para executar, testar e implantar cargas de trabalho.

1. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.
2. Verifique se o faturamento está ativado para seu projeto do Google Cloud.
3. Ative a API Dataproc. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

E aí, curtiu essa novidade? Por aqui, ainda não começamos a usar o Gemini com o BigQuery mas assim que fizermos e tivermos os nossos primeiros testes, lançaremos aqui no blog um novo artigo ou teremos uma aula nova no Métricas Boss Prime! ;)