Hubungi Kami

Kerangka Materi

Pengenalan BigQuery

  • Arsitektur dan fitur BigQuery
  • Model biaya dan struktur harga
  • Gambaran umum eksekusi kueri dan penyimpanan

Mengoptimalkan Kueri dan Mengurangi Biaya

  • Teknik penyetelan (tuning) kueri
  • Tabel terpartisi dan terklaster
  • Pemantauan dan analisis kinerja kueri
  • Laboratorium praktik: mengoptimalkan kueri untuk efisiensi biaya

Ingest dan Transformasi Data

  • Memuat data dari sumber eksternal
  • Menggunakan Dataflow dan Dataprep untuk ETL
  • View termaterialisasi dan kueri terjadwal
  • Laboratorium praktik: membangun pipeline pelaporan

Pengenalan BigQuery ML

  • Gambaran umum machine learning di BigQuery
  • Jenis model yang didukung (regresi linear, regresi logistik, clustering, dll.)
  • Sintaks SQL untuk model ML
  • Laboratorium praktik: 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
  • Laboratorium praktik: alur kerja analitik prediktif

Praktik Terbaik untuk Analitik Enterprise

  • Tata kelola dan pengendalian akses
  • Mengelola dataset besar secara berskala
  • Strategi pengendalian biaya
  • Studi kasus implementasi yang sukses

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengetahuan dasar tentang SQL
  • Familiaritas dengan konsep manajemen data
  • Pengalaman dengan alat pelaporan atau analitik

Audience

  • Analis data
  • Pengembang BI
  • Insinyur data
 14 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait