Accéder au contenu principal

Sélection

Gemma, la nouvelle famille de modèles de Google

 Gemma, la nouvelle famille de modèles ouverts et légers de Google. Hello la team #TheDayInfo, le 21 février 2024, Google a dévoilé Gemma, une nouvelle famille de modèles ouverts et légers dont la conception repose sur les mêmes recherches et technologies qui ont servi à créer Gemini(Ancien Bard).  Le petit frère de Gemini? 😒 Humm, on peut le dire ainsi mais pas tout à fait car son utilisation est plus axé sur la création de modèles ML pour le traitement naturel du langage(NLP) donc pour les développeurs plutôt que sur la collaboration IA comme Gemini.   Introduction à Gemma Les modèles de la famille Gemma sont en deux versions 2B et 7B.  Le modèle Gemma 2B(Deux milliards de paramètres) est destiné aux CPU et applications sur appareils tandis que le modèle Gemma 7B(Sept milliards de paramètres) est destiné aux déploiements efficients et déploiements sur CPU et GPU.  Ces nouveaux modèles sont utilisés dans la conception des modèles de machine learning en NLP(Natural Language processin

Utiliser BigQuery sur Google Cloud platform pour traiter ses données

Big Query sur Google Cloud Platform

Hello la team Geek😉, heureux de vous retrouver en ce jour pour un nouvel article sur Google Cloud Platform. 

Vous pouvez avoir les détails dans mon article précédent sur le cloud computing.



Aujourd'hui, nous allons parler de BigQuery qui est un outil d'entrepôt de données sans serveur, relativement moins cher et qui dispose d'un service d'analyse(extraction, interrogation, chargement) de données en mémoire. 
Il intègre aussi des fonctionnalités Machine Learning et est entièrement géré par Google. 

Vouloir montrer tout le potentiel de BigQuery dans cet article est impossible. Alors, nous allons voir comment charger des données dans BigQuery, ensuite les interroger avec SQL et analyser les résultats. 

Charger les données dans BigQuery sur GCP

Nous allons nous connecter sur notre compte Google Cloud platform. Ensuite, cliquez sur console. 
Vous serez diriger sur le tableau et cliquez sur les 3 traits horizontaux en haut à gauche. 
Déroulez jusqu'à trouver BigQuery

Allez dans la zone de gauche, vérifiez bien que vous êtes sur le bon projet. Ensuite cliquez là-dessus . 


Normalement vous ne verrez rien chez vous parce que vous n'avez pas encore de base de données. Chez moi la base de données y est déjà. 


Nous allons créer maintenant notre ensemble de données en cliquant à droite sur "Créer un ensemble de données". 



Pour l'ID, je choisis "theday" et je clique sur "Créer un ensemble de données" en bas. 

Maintenant, créons notre table. Je vais l'appeler "script". cliquez sur le nom de l'ensemble de données. 

Ensuite, dans la partie Source, vous avez "Créez un tableau à partir de", choisissez d'où vous voulez importer les tables. Je choisis "importer" car j'ai une table déjà prête. Après je sélectionne mon fichier en cliquant sur "Parcourir" et je choisis mon fichier. 

Enfin, je choisis le format de mon fichier qui est CSV et je renseigne le nom de ma table qui "script".  

On clique sur "Créer une table". 


Interroger la base de données avec SQL

La dernière étape est d'interroger la base de données avec des requêtes SQL. 
Pour cela nous rendre sur l'éditeur de requête. 

C'est ici que nous allons interroger notre table. Voici le code que je vais utiliser pour cela: 

#standardSQL
SELECT
  code_commune
  
FROM
  `qwiklabs-gcp-f53375578cd2e56-1.theday.script`




Vous pouvez voir la taille de données que la requête pourra traiter. Nous allons maintenant voir le résultat de cette requête juste en dessous. 




Nous venons de créer un ensemble de données, de charger des données et de les interroger avec BigQuery sur Google Cloud Platform. 

Voilà😊c'est tout pour aujourd'hui, nous nous donnons rendez-vous ce vendredi pour un article spécial. 

D'ici là, je vous souhaite une excellente semaine 👊. 





Commentaires

Articles les plus consultés

Follow @ArmelYara