Você treinará um modelo BigQuery ML com pré-processamento SQL, mas executará previsões em dados de entrada brutos e não transformados. Como você deve estruturar o treinamento e a previsão para evitar distorção de dados no momento da previsão?

A opção correta é usar a cláusula TRANSFORM do BigQuery ML durante o treinamento. Isso garante que as mesmas etapas de pré-processamento aplicadas aos dados de treinamento sejam automaticamente aplicadas aos dados de entrada brutos no momento da previsão. Essa abordagem evita a distorção de dados (skew) entre treinamento e previsão, pois o modelo "aprende" as transformações e as aplica consistentemente. As outras opções estão incorretas porque: Transformar os dados brutos manualmente antes da previsão (usando uma consulta salva ou Dataflow) pode introduzir inconsistências se as transformações não forem idênticas às usadas no treinamento, levando a distorção. Usar uma view para pré-processamento no treinamento e depois prever em dados brutos sem transformações adicionais também causaria distorção, pois as transformações da view não seriam aplicadas na previsão.