Usted entrenará un modelo de BigQuery ML con preprocesamiento SQL, pero ejecutará las predicciones sobre datos de entrada sin procesar y sin transformar. ¿Cómo debe estructurar el entrenamiento y la predicción para evitar la asimetría de datos en el momento de la predicción?

La opción correcta es usar la cláusula TRANSFORM de BigQuery ML durante la creación del modelo. Esto incrusta las transformaciones de preprocesamiento directamente en el modelo. Cuando se realizan predicciones con ML.PREDICT (o ML.EVALUATE para evaluación), BigQuery ML aplica automáticamente estas transformaciones a los datos de entrada sin procesar, asegurando que los datos de predicción se procesen de la misma manera que los datos de entrenamiento. Esto evita la asimetría de datos (skew) entre el entrenamiento y la predicción. Las otras opciones son incorrectas porque: Transformar los datos de entrada antes de la predicción con una consulta guardada o Dataflow introduce un paso manual que puede no replicar exactamente las transformaciones del entrenamiento, llevando a asimetría. Usar una vista para el preprocesamiento durante el entrenamiento no incrusta las transformaciones en el modelo, lo que significa que las predicciones sobre datos sin procesar no aplicarían las mismas transformaciones.