可以使用以下技巧优化 BigQuery ML 的模型创建时间：

1. 缩小数据集的范围：BigQuery ML 处理大量数据需要大量计算资源，会导致创建模型的速度变慢。因此，你可以缩小数据集的范围，只使用必要的数据。

在以下 SQL 示例中，我们用 LIMIT 语句限制数据集的大小：

CREATE MODEL mymodel
OPTIONS(
  model_type='linear_reg'
) AS 
SELECT * FROM mytable
LIMIT 10000

2. 多个模型创建任务并行运行：如果你需要训练多个模型，可以将这些模型创建任务并行运行，以提高模型创建的速度。

以下是一个使用 bq 命令行工具和 GNU Parallel 库的示例：

parallel --jobs 4 "bq query --nouse_legacy_sql 'CREATE MODEL mymodel_{1} OPTIONS(model_type=\"linear_reg\") AS SELECT * FROM mytable WHERE x = {1}'" ::: {1..4}

此示例创建了 4 个线性回归模型，分别使用了一个不同的 x 值。

3. 使用预选参数：BigQuery ML 支持一些预选参数，以便在模型创建时进行优化。例如，可以设置 learning_rate 参数，以控制学习速度。

以下是一个使用 learning_rate 参数的示例：

CREATE MODEL mymodel
OPTIONS(
  model_type='linear_reg',
  learning_rate=0.1
) AS 
SELECT * FROM mytable

4. 选择正确的模型类型：BigQuery ML 提供了多种模型类型，每种类型有其自己的优点和缺点。因此，你应该根据你的数据集属性和数据分布来选择正确的模型类型。

例如，如果你的数据集中包含分类变量，则使用逻