我有来自Firestore中网络用户的数据。
我已经在Google BigQuery中插入了一些数据，以便运行机器学习模型。
我有训练机器学习模型的经验，但是一旦训练了模型，我就没有获得新数据预测的经验。
我已经读到可以将经过训练的模型上传到Google云存储中，然后将其放入AI平台中，但是我不知道必须遵循的过程，因为新数据将被插入到Bigquery中，借助这些新数据，我想进行预测，然后选择这些预测，然后再次将它们放入Firstore。
我认为可以通过Dataflow（Apache Beam）或Data composer（Airflow）来完成，我可以在其中自动化该过程并将其安排为每周运行所有过程，但是我没有使用该技术的经验，有人可以推荐我哪种技术对这种特殊情况更好，以查找有关如何使用它的信息？
一种可能性是将模型保存在AI平台或Google云存储中，并通过云功能调用此保存的模型并做出预测以将其保存在Firestore中？
答案 0 :(得分：2)
Bigquery ML支持外部Tensorflow模型。
TensorFlow模型导入。此功能可让您创建BigQuery 来自先前训练过的TensorFlow模型的ML模型，然后执行 BigQuery ML中的预测。 See the CREATE MODEL statement的 导入TensorFlow模型以获取更多信息。
所以你想要实现的是
随着新数据进入BigQuery，您可以
-重新训练模型（外部或内部取决于您使用的算法类型）
-在预测中使用新行
答案 1 :(得分：1)
为此，您需要两项服务：
就个人而言，我不建议您今天将模型存储在AI平台中（应该在月底发布一个新版本，但是今天不行！）。我wrote an article for hosting a Tensorflow model in Cloud Run。它应该可以在另一个框架上工作，但是我只建立了一个张量流模型，并且将其用于测试。
如果新数据在BigQuery中并且模型在tensorflow中，则最佳解决方案是在BigQuery中加载模型。预测是免费的，您只需为查询中的数据付费（我也在写一篇文章，但是我正在等待新的AI平台版本提供两种解决方案之间的正确比较）。
获得预测后（BigQuery的结果+调用Cloud Run的结果或使用带有预测子句的BigQuery的结果），您必须迭代结果以将其存储到firestore中。我建议您使用batch write to firestore
答案 2 :(得分：-1)
我已阅读到可以将经过训练的模型上传到Google云存储中
如果要执行此操作，可以使用Dataflow。您可以编写管道来从BigQuery读取数据，然后将其写入GCS。
（我不确定我是否了解您希望您的工作如何与AI平台和Firestore交互）