コース概要

BigQueryの概要

  • BigQueryのアーキテクチャと特徴
  • コストモデルと価格設定構造
  • クエリ実行とストレージの概要

クエリの最適化とコスト削減

  • クエリチューニング技術
  • 分割テーブルとクラスターテーブル
  • クエリパフォーマンスの監視と分析
  • 実践的なラボ:コスト効率の高いクエリの最適化

データ取り込みと変換

  • 外部ソースからのデータの読み込み
  • DataflowとDataprepを使用したETL
  • マテリアライズドビューとスケジュールクエリ
  • 実践的なラボ:レポートパイプラインの構築

BigQuery MLの概要

  • BigQueryでの機械学習の概要
  • サポートされるモデルタイプ(線形回帰、ロジスティック回帰、クラスタリングなど)
  • MLモデルのSQL構文
  • 実践的なラボ:モデルの作成と学習

BigQuery MLを使用した予測モデルの構築

  • モデルの学習と評価
  • ML.EVALUATEとML.PREDICTの使用
  • 予測をレポートに統合する
  • 実践的なラボ:予測アナリティクスワークフロー

エンタープライズアナリティクスのベストプラクティス

  • ガバナンスとアクセス制御
  • 大規模データセットの管理
  • コストコントロール戦略
  • 成功した実装事例の紹介

まとめと次回ステップ

要求

  • SQLの基本的な知識
  • データ管理概念に精通していること
  • レポートまたはアナリティクスツールの使用経験

対象者

  • データアナリスト
  • BI開発者
  • データエンジニア
 14 時間

参加者の人数


参加者1人当たりの料金

お客様の声 (3)

今後のコース

関連カテゴリー