SQL ile makine öğrenmesi ve üretken YZ: BigQuery ML ve benzerleri

Bu sayfa dersin okuma sürümüdür. Metin bir kutuyu çalıştırmanı ya da adıma geçmeni söylüyorsa dersi uygulamada aç.

Modeli verinin yanına götürmek

Bazı platformlar makine öğrenmesi modellerini yalnızca SQL ile eğitip kullanmana izin verir. Veriyi dışarı aktarmadan, analistin bildiği dille tahmin yapılabilir.

BigQuery ML: müşteri kaybı tahmini

-- 1) Eğit
CREATE OR REPLACE MODEL anadolu.churn_model
OPTIONS (model_type = 'logistic_reg', input_label_cols = ['kayip']) AS
SELECT segment, siparis_sayisi, ort_sepet, gun_once, kayip
FROM anadolu.musteri_ozellikleri;

-- 2) Değerlendir
SELECT * FROM ML.EVALUATE(MODEL anadolu.churn_model);

-- 3) Tahmin et
SELECT customer_id, predicted_kayip, predicted_kayip_probs
FROM ML.PREDICT(MODEL anadolu.churn_model,
                (SELECT * FROM anadolu.musteri_ozellikleri));

Desteklenen model türleri arasında doğrusal/lojistik regresyon, k-ortalamalar kümeleme, zaman serisi tahmini (ARIMA_PLUS) ve ağaç tabanlı modeller vardır.

SQL içinden büyük dil modeli

-- BigQuery: müşteri yorumlarını tek satırlık Türkçe özetle
SELECT yorum_id,
       ml_generate_text_llm_result AS ozet
FROM ML.GENERATE_TEXT(
  MODEL anadolu.gemini_model,
  (SELECT yorum_id, CONCAT('Bu yorumu tek cümlede özetle: ', yorum) AS prompt FROM anadolu.yorumlar),
  STRUCT(TRUE AS flatten_json_output));

Platform	SQL'den YZ
BigQuery	BigQuery ML (`CREATE MODEL`, `ML.PREDICT`, `ML.GENERATE_TEXT`)
Snowflake	Cortex fonksiyonları (ör. `SNOWFLAKE.CORTEX.COMPLETE`, `SENTIMENT`)
Databricks SQL	`ai_query()` ve hazır `ai_*` fonksiyonları
SQL Server 2025	Dış modellerle `AI_GENERATE_EMBEDDINGS`; Machine Learning Services ile R/Python
PostgreSQL	pgvector, pgai gibi eklentiler

SQL'in asıl işi: özellik tablosu

Model hangi platformda eğitilirse eğitilsin, verinin hazırlanması (her müşteri için bir satır, sızıntısız özellikler) SQL ile yapılır. Aşağıdaki alıştırma, yukarıdaki modelin besleneceği tabloyu üretiyor.