Google BigQuery ML. Analisi comparativa di un nuovo framework per il Machine Learning

La crescita esponenziale nella digitalizzazione dei processi, lo sviluppo dei canali digitali e laconseguente crescita del volume e della variet`a dei dati operativi, unitamente e al miglioramentodelle tecnologie e capacit`a computazionali ha permesso di registrare notevoli progressi in ambitoMachine Learning. Le tecniche sviluppate all’interno di questo campo sono ora in grado dianalizzare e apprendere da enormi quantit`a di esempi del mondo reale. Il numero di algoritmi diMachine Learning `e ampio e in crescita cos`ı come le loro implementazioni attraverso frameworke librerie. Lo sviluppo di applicativi `e altrettanto frenetico con un gran numero di softwareopen source provenienti da universit`a, industria, start-up o comunit`a di ricercatori.La tesi in questione si pone l’obbiettivo di illustrare le potenzialit`a, le possibili utilit`a e i limitidi un nuovo framework per il machine learning, BigQueryML, basato su linguaggio SQL esviluppato Google. Ad argomentazione della tesi viene riportata un’analisi comparativa, sustessi task, con tecnologie gi`a affermate e usate in ambito, quali la libreria di apprendimentoautomatico SciKitLearn e la piattaforma Tensorflow 2. Il lavoro `e strutturato in modo dafornire una prima introduzione delle tecnologie adoperate e una successiva descrizione dellemetodologie di comparazione, per poi riportare i risultati e le relative considerazioni finali.