Plan Szkolenia

Wprowadzenie do BigQuery

  • Architektura i funkcje BigQuery
  • Model kosztów i struktura cenowa
  • Przegląd wykonywania zapytań i przechowywania

Optymalizacja zapytań i redukcja kosztów

  • Techniki dostrajania zapytań
  • Partitioned and clustered tables
  • Monitorowanie i analizowanie wydajności zapytań
  • Laboratorium praktyczne: optymalizowanie zapytań dla efektywności kosztowej

Wprowadzanie i transformowanie danych

  • Ładowanie danych z zewnętrznych źródeł
  • Używanie Dataflow i Dataprep do ETL
  • Materialized views i zaplanowane zapytania
  • Laboratorium praktyczne: budowanie pipeline raportów

Wprowadzenie do BigQuery ML

  • Przegląd uczenia maszynowego w BigQuery
  • Obsługiwane typy modeli (regresja liniowa, regresja logistyczna, klasteryzacja itp.)
  • Składnia SQL dla modeli ML
  • Laboratorium praktyczne: tworzenie i trenowanie modelu

Budowanie modeli predykcyjnych z BigQuery ML

  • Trenowanie i ocena modeli
  • Używanie ML.EVALUATE i ML.PREDICT
  • Integrowanie przewidywań z raportami
  • Laboratorium praktyczne: przepływ pracy z analityką predykcyjną

Najlepsze praktyki dla analizy korporacyjnej

  • Zarządzanie i kontrola dostępu
  • Zarządzanie dużymi zbiorami danych na dużą skalę
  • Strategie kontroli kosztów
  • Przykłady udanych wdrożeń

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowa wiedza na temat SQL
  • Zapoznanie z koncepcjami zarządzania danymi
  • Doświadczenie w korzystaniu z narzędzi do raportowania lub analityki

Grupa docelowa

  • Analitycy danych
  • Programiści BI
  • Inżynierowie danych
 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie