是否有一些云解决方案可以在 Python 中训练模型而不是在 GBQ 中导入结果？
Is there some cloud solutions to train model in Python and than import result in GBQ?
我使用 pd.read_gbq() 从 Jupiter Notebook 中的 GBQ 加载数据。然后我对它们进行预处理并建立 ML 模型（我知道 BigQueryML，但这还不足以完成我的任务）。我知道如何在 GBQ 中加载结果，但我不知道如何自动加载结果。我需要训练模型并每天进行预测。云服务有一些机会吗？也许使用 Colab？
使用 Google AI Platform，您可以完全在线训练和请求预测。您可以使用通过 Tensorflow、scikit-learn 或 XGBoost 创建的模型，并进行批量（仅限 Tensorflow）和在线预测。您还可以创建、存储和质疑同一模型的不同版本。
您可以使用 Google Cloud Composer，是一项允许用户管理工作流编排的服务，可以让您安排和监控管道，它建立在 Apache Airflow 之上，您可以使用 Python 编写复杂的工作流。
Composer使用DAG's（有向无环图），DAG的每个顶点代表一个任务，边代表下一个任务的方向。
因此，您可以安排一个 DAG 从 BigQuery 加载数据，训练您的 ML 模型，然后将结果加载到 BigQuery。
我给你写一个DAG with python的指南，Python运算符也有与BigQuery或Tensoflow交互的包。
我使用 pd.read_gbq() 从 Jupiter Notebook 中的 GBQ 加载数据。然后我对它们进行预处理并建立 ML 模型（我知道 BigQueryML，但这还不足以完成我的任务）。我知道如何在 GBQ 中加载结果，但我不知道如何自动加载结果。我需要训练模型并每天进行预测。云服务有一些机会吗？也许使用 Colab？
使用 Google AI Platform，您可以完全在线训练和请求预测。您可以使用通过 Tensorflow、scikit-learn 或 XGBoost 创建的模型，并进行批量（仅限 Tensorflow）和在线预测。您还可以创建、存储和质疑同一模型的不同版本。
您可以使用 Google Cloud Composer，是一项允许用户管理工作流编排的服务，可以让您安排和监控管道，它建立在 Apache Airflow 之上，您可以使用 Python 编写复杂的工作流。
Composer使用DAG's（有向无环图），DAG的每个顶点代表一个任务，边代表下一个任务的方向。
因此，您可以安排一个 DAG 从 BigQuery 加载数据，训练您的 ML 模型，然后将结果加载到 BigQuery。
我给你写一个DAG with python的指南，Python运算符也有与BigQuery或Tensoflow交互的包。