Kerangka Materi

Pendahuluan tentang BigQuery

  • Arsitektur dan fitur BigQuery
  • Model biaya dan struktur penarifan
  • Tinjauan eksekusi query dan penyimpanan

Memaksimalkan Kinerja Query dan Mengenai Biaya

  • Teknik penyetelan query
  • Tabel terpartisi dan terkumpul
  • Pemantauan dan analisis kinerja query
  • Lab praktis: memaksimalkan kinerja query

Pemasukan dan Transformasi Data

  • Memuat data dari sumber eksternal
  • Menggunakan Dataflow dan Dataprep untuk ETL
  • Tampilan materi dan query terjadwal
  • Lab praktis: membangun pipa laporan

Pendahuluan tentang BigQuery ML

  • Tinjauan pemodelan mesin dalam BigQuery
  • Jenis model yang didukung (regressi linear, regresi logistik, clustering, dll.)
  • Sintaks SQL untuk model ML
  • Lab praktis: membuat dan melatih model

Membangun Model Prediktif dengan BigQuery ML

  • Melatih dan mengevaluasi model
  • Menggunakan ML.EVALUATE dan ML.PREDICT
  • Mengintegrasikan prediksi ke dalam laporan
  • Lab praktis: alur kerja analitik prediktif

Prinsip Terbaik untuk Analitik Perusahaan

  • Pengelolaan dan kontrol akses
  • Mengelola dataset besar dengan efisien
  • Strategi pengendalian biaya
  • Studi kasus implementasi yang berhasil

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengetahuan dasar SQL
  • Kemampuan dalam konsep manajemen data
  • Pengalaman dengan alat laporan atau analitik

Peserta

  • Analisis data
  • Pengembang BI
  • Insinyur data
 14 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait