Before you begin
- Labs create a Google Cloud project and resources for a fixed time
- Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
- On the top left of your screen, click Start lab to begin
Checkpoints
Clean your training data
/ 30
Create a BQML model
/ 40
Perform a batch prediction on new data
/ 30
Lab setup instructions and requirements
Protect your account and progress. Always use a private browser window and lab credentials to run this lab.
使用 BigQuery ML 為預測模型進行資料工程：挑戰實驗室
Lab instructions and tasks
This content is not yet optimized for mobile devices.
For the best experience, please visit us on a desktop computer using a link sent by email.
GSP327
總覽
在挑戰研究室中，您會在特定情境下完成一系列任務。挑戰研究室不會提供逐步說明，您將運用從課程研究室學到的技巧，自行找出方法完成任務！自動評分系統 (如本頁所示) 將根據您是否正確完成任務來提供意見回饋。
在您完成任務的期間，挑戰研究室不會介紹新的 Google Cloud 概念。您須靈活運用所學技巧，例如變更預設值或詳讀並研究錯誤訊息，解決遇到的問題。
若想滿分達標，就必須在時限內成功完成所有任務！
這個實驗室適合「使用 BigQuery ML 為預測模型進行資料工程」技能徽章課程的學員。準備好迎接挑戰了嗎？
設定
瞭解以下事項後，再點選「Start Lab」按鈕
請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。
您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。
為了順利完成這個實驗室，請先確認：
- 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。
- 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。
挑戰情境
您是 TaxiCab Inc. 新上任的資料工程師，職責是將歷來資料匯入使用中的 BigQuery 資料集並建立基礎模型，根據可用資訊預測新行程的車資。公司主管有意建構應用程式，為使用者預估行程費用。您的專案會收到相關來源資料。
公司預期您具備執行這些工作所需的技能與知識，因此不會提供逐步指南。
您的挑戰
您坐在桌前開啟新筆電時，收到了第一項任務：為主管建構基礎 BQML 車資預測模型。在下列工作中，您將匯入及清理資料，然後建構模型，並使用新資料執行批次預測，方便主管審視模型成效，決定是否部署應用程式功能。
工作 1：清理訓練資料
您已完成第一個步驟，建立了 taxirides 資料集，並將歷來資料匯入 historical_taxi_rides_raw 資料表。這是 2015 年之前的行程資料。
請進行下列操作來完成這項工作：
- 清理
historical_taxi_rides_raw中的資料，然後在該資料集中建立副本。您可以使用 BigQuery、Dataprep、Dataflow 等工具，建立這份資料表及清理資料。務必確認目標資料欄名稱為 。
實用提示：
- 您可以先在 BQ 使用者介面查看來源資料集，熟悉來源結構定義。
- 如想知道預測時有哪些可用資料，請熟悉
taxirides.report_prediction_data資料表，其中含有預測時可取得的格式資料。
資料清理工作：
- 確認
trip_distance大於。 - 移除
fare_amount值極小的資料列 (例如小於$)。 - 確認應用情境的經緯度合理。
- 確認
passenger_count大於。 - 由於 total_amount 包含小費，因此務必將
tolls_amount和fare_amount新增至做為目標變數。 - 由於來源資料集相當龐大 (超過 10 億列資料)，擷取樣本時請勿超過 100 萬列。
- 只複製模型會使用的欄位 (可以參考
report_prediction_data)。
點選「Check my progress」，確認目標已達成。
工作 2：建立 BigQuery 機器學習模型
-
請根據
資料，建立 BigQuery 機器學習模型來預測 。 -
呼叫模型
。
實用提示：
- 您可以在 TRANSFORM() 子句中封裝任何額外資料轉換作業。
- 請注意，只有
TRANSFORM()子句中的特徵會傳遞至模型。您可以直接使用* EXCEPT(feature_to_leave_out)傳遞部分或所有特徵，不必明確呼叫。 - 使用 BigQuery 中的
ST_distance()和ST_GeogPoint()GIS 函式，可以輕鬆計算歐幾里得距離 (也就是從上車到下車，計程車所行經的距離)：
點選「Check my progress」，確認目標已達成。
工作 3：使用新資料執行批次預測
主管想瞭解使用新資料執行模型的成效如何。在這個情境中，使用的是 2015 年收集的所有資料，存放在 taxirides.report_prediction_data 中。資料表只納入預測時已知的值。
- 請使用
ML.PREDICT和您的模型預測，然後將結果儲存至名稱為 2015_fare_amount_predictions的資料表。
點選「Check my progress」，確認目標已達成。2015_fare_amount_predictions
恭喜！
取得下一枚技能徽章
這個自學實驗室屬於「使用 BigQuery ML 為預測模型進行資料工程」技能徽章課程的一部分。完成這個課程即可取得上方徽章，獲得肯定。您可以在履歷表和社群平台張貼徽章，並加上 #GoogleCloudBadge 公開這項成就。
這個技能徽章課程屬於 Google Cloud 資料工程師學習路徑。如果您已完成這個學習路徑中的所有技能徽章課程，歡迎瀏覽目錄，找出其他可以參加的技能徽章課程。
Google Cloud 教育訓練與認證
協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。
使用手冊上次更新日期：2024 年 3 月 25 日
實驗室上次測試日期：2023 年 9 月 11 日
Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。
