Lépjen kapcsolatba velünk

Kurzusleírás

Bevezetés a BigQuerybe

  • A BigQuery architektúrája és funkciói
  • Költségmodell és árképzési struktúra
  • A lekérdezés-végrehajtás és a tárolás áttekintése

Lekérdezések optimalizálása és költségcsökkentés

  • Lekérdezés-hangolási technikák
  • Particionált és klaszterezett táblák
  • A lekérdezési teljesítmény figyelése és elemzése
  • Gyakorlati labor: lekérdezések optimalizálása a 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 építése

Bevezetés a BigQuery ML-be

  • A gépi tanulás áttekintése a BigQueryben
  • Támogatott modelltípusok (lineáris regresszió, logisztikus regresszió, klaszterezés stb.)
  • SQL-szintaxis az ML-modellekhez
  • Gyakorlati labor: modell létrehozása és betanítása

Prediktív modellek építése a BigQuery ML-lel

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

Legjobb gyakorlatok a vállalati analitikához

  • Irányítás és hozzáférés-szabályozás
  • Nagy adathalmazok kezelése skálázhatóan
  • Költségszabályozási stratégiák
  • Sikeres megvalósítások esettanulmányai

Összefoglalás és következő lépések

Követelmények

  • Alapvető SQL-ismeretek
  • Az adatkezelési fogalmak ismerete
  • Tapasztalat jelentéskészítő vagy analitikai eszközökkel

Célközönség

  • Adatelemzők
  • BI-fejlesztők
  • Adatmérnökök
 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák