変更要約: Professional Machine Learning Engineer 第1章を新規作成（ドメイン1「ローコード」: BigQuery ML(分類/回帰/ARIMA_PLUS/行列分解/ブーストツリー/オートエンコーダ・特徴量・ML.PREDICT)、AutoML(データ準備/ラベリング/Tabular Workflows/表形式・テキスト・画像・動画・予測モデル/デバッグ)、Model Garden の ML API、業種特化 API(Document AI/Retail)、RAG と Vertex AI Agent Builder）。
1.1BigQuery ML と AutoML
ビジネス課題に応じた BigQuery ML のモデル選択（線形/二項分類・回帰・時系列・行列分解・ブーストツリー・オートエンコーダ）、BigQuery ML での特徴量エンジニアリングと予測生成、AutoML（データ準備・ラベリング・Tabular Workflows・表形式 AutoML のカスタム/予測モデル・構成/デバッグ。※従来の AutoML テキストは Vertex AI の Gemini ベースモデルへ移行が進み非推奨化（画像/動画/表形式の AutoML は継続））を理解します。
Professional Machine Learning Engineer は、Google Cloud で AI を構築・訓練・本番化・最適化します。最初の柱がローコード＝コードを多く書かずに、データの場所や課題に合った最短ルートで ML を実現する選択眼です。
1.1.1BigQuery ML
データが BigQuery にあるなら、移動せず SQL で学習/予測できる BigQuery ML（BQML）が最短です。課題に応じてモデルを選びます：分類は ロジスティック回帰、数値予測は 線形回帰、需要予測など時系列は ARIMA_PLUS、レコメンドは 行列分解、高精度な表形式は ブーストツリー（XGBoost）、異常検知は オートエンコーダ など。特徴量エンジニアリング（TRANSFORM 句で前処理を学習に内包）や ML.PREDICT での 予測生成 も SQL で行います。「データが BigQuery にあり SQL で完結＝BigQuery ML」を結びます。
1.1.2AutoML
コードを書かずに高品質なカスタムモデルが欲しいなら AutoML（Vertex AI）を使います。表形式・画像・動画 のデータから（テキスト/音声系は Gemini・Speech API へ移行）、Google が自動でアーキテクチャ探索とハイパーパラメータ調整を行います。データは ラベリング と 特徴量選択 で準備し、表形式の高度な制御は Tabular Workflows を使います。需要/在庫などは AutoML の予測（forecasting）モデル を作成し、学習後はメトリクスを見て 構成/デバッグ します。「ノーコードで高品質なカスタムモデル＝AutoML」「SQL で素早く＝BigQuery ML」を使い分けます。
「課題/データ → 手段」が頻出。例：「データが BigQuery にあり SQL で素早く分類/回帰」＝BigQuery ML、「需要の時系列予測を SQL で」＝BigQuery ML の ARIMA_PLUS、「レコメンド」＝行列分解、「ノーコードで画像/テキストのカスタムモデル」＝AutoML、「表形式を高度に制御」＝Tabular Workflows、「ラベル付きデータが必要」＝データラベリング。
混同に注意：
①BigQuery ML（データが BigQuery・SQL）と AutoML（多様なデータ型・ノーコード GUI/SDK）を課題で使い分ける。
②時系列は ARIMA_PLUS、レコメンドは行列分解＝モデル種別を課題に合わせる。
③AutoML は学習にコスト/時間がかかる＝小規模/即時なら BQML や事前学習 API も検討。
1.1.3この節のまとめ
- データが BigQuery で SQL 完結＝BigQuery ML（分類/回帰/ARIMA_PLUS/行列分解/ブーストツリー）
- ノーコードで多様なデータ型の高品質カスタムモデル＝AutoML（Tabular Workflows/予測モデル）
- 課題（分類/回帰/時系列/レコメンド/異常）でモデル種別を選ぶ
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. データはすでに BigQuery にあり、SQL だけで素早く二項分類モデルを作って予測したい。最適なのはどれですか？
Q2. コードを書かずに、画像データから高品質なカスタム分類モデルを作りたい。最適なのはどれですか？
Q3. BigQuery 上で需要の時系列予測モデルを SQL で作りたい。使うモデルはどれですか？
Q4. ユーザーとアイテムの相互作用からレコメンドを作りたい。BigQuery ML のモデルはどれですか？
Q5. 表形式データの AutoML で、より高度な制御（特徴量変換やアーキテクチャの調整）を行いたい。最適なのはどれですか？