服务帐号是一个特殊的用户帐号，用于允许应用程序访问Google Cloud 服务，并包含一系列身份信息。我们需要特别关注其中两个信息：
- 连接ID：这是我们必须保存的路径，并且在使用CREATE MODEL 函数时我们将使用它作为“端点”。
- 服务帐号ID：这是用于在Google Cloud 中标识此连接的电子邮件地址。印度尼西亚WhatsApp 号码数据您需要使用此电子邮件地址来授予BigQuery 访问任何内容（主要是Vertes AI）的权限。
您必须复制服务帐户ID（电子邮件格式的ID）。
然后，前往IAM（Google Cloud Tools 菜单）并“授予此帐户新的访问权限”。
我们将在“主页”中指示复制的电子邮件（用于标识服务帐户的电子邮件），并授予其“Vertex AI 用户”角色。
退出IAM 部分之前，请确认您的新连接出现在列表中。
现在，请至少等待2 分钟再执行任何操作（即使您在仪表板中看到已创建的连接和权限，Google Cloud 也需要一段时间才能完成所有更改）。
创建连接并为服务分配适当的角色后，您现在可以在BigQuery 中 通过交易产生销售线索 – 例如 Under Armour 创建使用与Vertex AI 的连接模型。
您刚刚向BigQuery 开放了大量预先训练的AI 和模型！
一切就绪，立即开始工作吧！
现在，您已准备好使用BigQuery ML。让我们回顾一下您现有的所有内容：
- 已启用创建模型的API 和权限。
- 与Vertex AI 的连接，具有对Vertex 具有权限的服务帐户，并允许您创建内部和外部模型。
- 了解CREATE MODEL 函数以及表函数（在FROM 中），然后启动模型。
- 参考现有功能进行尝试，并参考Google 自己的文档来了解您可以做什么。
- 关于如何控制成本和避免意外的指南（简短，但有用）。
现在就剩下应用模型了，对吧？接下来的文章会详细讲解这个。
- 在BigQuery ML 中使用Gemini 的教程（待定，即将推出）。
- BigQuery ML 中使用K-means 进行自动聚类的教程（待定，即将推出）。
- 在BigQuery ML 中使用嵌入的教程（待定，即将推出）。
- BigQuery ML 中的指标预测教程（待定，即将推出）。
- 在BigQuery ML 中使用NLP 进行分析的教程（待定，即将推出）。
- 使用BigQuery ML 中的ML 进行自动分类教程（待定，即将推出）。
结论
BigQuery ML 是一款强大的工具，它让机器学习触手可及商业带领（至少对于我们这些刚接触BigQuery 的人来说）。借助BQML，您无需编写代码即可执行高级分析，充分利用BigQuery 的可扩展性和易用性。如果您从事数据工作，并希望将AI 应用于日常工作，BQML 是一个绝佳的选择。
你需要学习一些东西，也需要熟悉一下Google Cloud，但只需一个下午，你就能将模型应用到你的数据中。还在等什么？
欢迎继续阅读我们的IKAUE 博客，了解更多关于BigQuery ML 和其他数据分析工具的信息。如果您有任何疑问或需要项目帮助，请随时联系我们。