Kurzusleírás

Bevezetés a BigQuery-be

  • A BigQuery architektúrája és funkciói
  • Költségmodell és árképzési struktúra
  • Áttekintés a lekérdezés végrehajtásáról és tárolásáról

Lekérdezések optimalizálása és költségek csökkentése

  • Lekérdezés finomhangolási technikák
  • Particionált és klaszterezett táblák
  • Lekérdezési teljesítmény monitorozása és elemzése
  • Gyakorlati labor: lekérdezések optimalizálása költséghatékonyság érdekében

Adatbetöltés és átalakítás

  • Adatok betöltése külső forrásokból
  • A Dataflow és a Dataprep használata ETL-hez
  • Materializált nézetek és ütemezett lekérdezések
  • Gyakorlati labor: jelentéskészítési folyamat létrehozása

Bevezetés a BigQuery ML-be

  • Áttekintés a gépi tanulásról a BigQuery-ben
  • Támogatott modelltípusok (lineáris regresszió, logisztikus regresszió, klaszterezés stb.)
  • SQL szintaxis ML modellekhez
  • Gyakorlati labor: modell létrehozása és betanítása

Prediktív modellek építése a BigQuery ML-lel

  • Modellek betanítása és értékelése
  • A ML.EVALUATE és ML.PREDICT használata
  • Előrejelzések integrálása a jelentésekbe
  • Gyakorlati labor: prediktív analitikai munkafolyamat

Legjobb gyakorlatok a vállalati analitikához

  • Irányítás és hozzáférés-vezérlés
  • Nagyméretű adathalmazok kezelése skálázás során
  • Költségszabályozási stratégiák
  • Sikeres implementációk esettanulmányai

Összefoglalás és következő lépések

Követelmények

  • Alapvető SQL ismeretek
  • Ismeret az adatkezelés alapfogalmaival
  • Tapasztalat jelentéskészítő vagy analitikai eszközök használatában

Célközönség

  • Adatelemzők
  • BI fejlesztők
  • Adatmérnökök
 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák