数据 Agent:自动化与加速

Year: 2025 · ▶ 在 YouTube 观看

Jeff Nelson (Developer Advocate)

Switch language → en

话题段落 (5)

  • 00:00:05 · 数据代理简介 — Jeff Nelson
    • 演讲者介绍了处理原始数据的挑战，并为关于新型数据科学代理如何提供帮助的演示做了铺垫。
  • 00:41:00 · 演示：构建销售预测 — Jeff Nelson
    • 演示从 BigQuery notebook 开始，展示如何使用 SQL 和 Python (BigFrames) 查询和准备销售数据。
  • 01:55:00 · 演示：使用 Gemini 数据科学代理 — Jeff Nelson
    • 演讲者使用自然语言提示来指示内置的 Gemini 代理执行特征工程并生成销售预测。
  • 03:51:00 · 演示：创建数据应用 — Jeff Nelson
    • 演讲者只需单击一下，即可将 notebook 的可视化内容转变为一个完全部署、可交互且可共享的网络应用程序。
  • 04:54:00 · 宣布更多的数据代理 — Jeff Nelson
    • 演讲者宣布推出用于数据工程和对话式分析的专门代理，从而扩展了代理生态系统。

产品发布 (6)

  • 00:28 · BigQuery 中的数据科学代理 (New)
    • 使用自然语言将原始数据转化为数据应用。 · 直接集成到 BigQuery notebooks 中。 · 基于聊天的协作界面。
    • 即将登陆 BigQuery notebooks。
  • 02:27 · BigQuery 中的无服务器 Spark 引擎 (New)
    • 直接在 BigQuery 中运行 Spark 代码。 · 在 SQL、Spark 和 Python 之间无缝切换。 · 无需基础设施管理。
    • 现已推出。
  • 02:55 · TimesFM 基础模型 (New)
    • 在海量时间序列数据集上进行预训练以用于预测。 · 通过 AI.FORECAST 函数直接在 BigQuery 中访问。 · 无需模型训练即可生成带置信区间的预测。
    • 现已在 BigQuery 中推出。
  • 03:53 · 从 BigQuery Notebooks 创建数据应用 (New)
    • 从 notebook 单元格一键创建可共享的 Web 应用。 · 自动打包资产并提供外部链接。 · 无需应用程序开发经验。
    • 现已推出。
  • 04:55 · 数据工程代理 (Preview)
    • 用于数据工程任务的专门代理。
    • 预览版。
  • 04:55 · 对话式分析代理 (Preview)
    • 为数据分析师和业务用户设计的专门代理。
    • 预览版。

演示 (1)

  • 00:41:00 ✓ · Building a Sales Forecast App with Data Agents — Jeff Nelson
    • 演示了从 BigQuery 中的原始数据表到完全部署的交互式预测 Web 应用程序的整个工作流程，结合使用了 SQL、Python、Gemini 数据科学代理和一键式应用创建功能。

金句 (3)

  • 00:22:00 — Jeff Nelson:

    Original (EN): I know firsthand just how hard it is to turn that raw data into something useful. 我亲身体会过，将原始数据转化为有用的东西是多么困难。

  • 03:48:00 — Jeff Nelson:

    Original (EN): But here’s a secret: I don’t really like building apps. 但这里有个秘密：我其实不太喜欢构建应用程序。

  • 04:32:00 — Jeff Nelson:

    Original (EN): Now that’s powerful. 这才是真正的强大。

视觉信号

On-screen (5)

  • 00:05:00 · 数据代理：自动化与加速
    • 这是演示的官方标题。
  • 00:11:00 · Jeff Nelson 开发者倡导者 Google Cloud
    • 标明演讲者及其角色。
  • 04:35:00 · 一个流程图，显示：原始数据 -> 数据科学代理 -> 数据应用
    • 直观地总结了所演示的端到端工作流程。
  • 04:55:00 · 一个扩展的流程图，显示处于预览阶段的“数据工程代理”和“对话式分析代理”。
    • 宣布新的专门代理及其预览状态。
  • 05:03:00 · 在 Colab 中试用数据科学代理 [二维码] goo.gle/data-science-agent
    • 为观众提供直接的行动号召，鼓励他们试用该技术。

Stage (2)

  • 00:07:00 · Jeff Nelson 在掌声中走上主舞台。
  • 04:35:00 · 在端到端演示成功完成后，观众鼓掌。

Visual demos (6)

  • 00:42:00 · BigQuery Notebook 用户界面
    • Google Cloud 控制台内一个类似 Colab 风格的 notebook 界面。演讲者在单元格中粘贴并运行 SQL 和 Python 代码。
  • 01:38:00 · Notebook 中的数据可视化
    • notebook 的输出从数据表切换到“图表”视图，显示销售趋势的折线图和按州划分的销售额条形图。
  • 01:57:00 · Gemini 数据科学代理聊天
    • 出现一个“询问代理”的聊天框。演讲者粘贴了一个详细的自然语言提示，要求代理生成销售预测。
  • 02:05:00 · 代理代码生成
    • 代理进行思考，然后自动生成并插入多个 Python/Spark 和 SQL 代码单元格，以执行特征工程和预测。
  • 03:54:00 · 创建数据应用向导
    • 演讲者点击“创建数据应用”按钮，弹出一个模态对话框，用于在部署前选择单元格和配置应用程序。
  • 04:15:00 · 已部署的数据应用
    • 一个新的浏览器标签页打开，带有一个 URL，显示最终的交互式 Web 应用程序。该应用具有下拉筛选器和预测图表，非技术用户也可以使用。

关键主题

数据代理 · 生成式 AI · Google BigQuery · 数据科学 · 销售预测 · 时间序列分析 · 无服务器 Spark · 数据应用 · 低代码开发 · 自然语言处理 · Gemini · 基础模型 · 数据可视化

要点

  • 谷歌正在推出由 Gemini 提供支持的“数据代理”，以在 BigQuery 中直接自动化复杂的数据工作流。
  • 新的数据科学代理使用自然语言生成用于数据准备、分析和模型构建的代码，从而大大减少了手动工作。
  • BigQuery 现在具有无服务器 Spark 引擎，允许在统一环境中无缝使用 SQL、Spark 和 Python。
  • 一种新的基础模型 TimesFM 现已在 BigQuery 中提供，用于高质量、预训练的时间序列预测，无需训练模型。
  • 用户只需单击一下，即可将 notebook 可视化转换为可共享的交互式数据应用程序，从而使数据洞察的获取大众化。
  • 从原始数据到已部署应用程序的整个过程被简化为 Google Cloud 生态系统中的单个集成工作流。
  • 谷歌正在通过专门的数据工程和对话式分析代理来扩展其代理产品，目前处于预览阶段。