Plan du cours

Introduction à BigQuery

  • Architecture et fonctionnalités de BigQuery
  • Modèle de coût et structure tarifaire
  • Vue d'ensemble de l'exécution des requêtes et du stockage

Optimisation des requêtes et réduction des coûts

  • Techniques d'optimisation des requêtes
  • Tables partitionnées et clusterisées
  • Surveillance et analyse des performances des requêtes
  • Labo pratique : optimisation des requêtes pour l'efficacité coûts

Ingestion et transformation de données

  • Chargement de données à partir de sources externes
  • Utilisation de Dataflow et Dataprep pour l'ETL (Extract, Transform, Load)
  • Vues matérielles et requêtes planifiées
  • Labo pratique : construction d'un pipeline de reporting

Introduction à BigQuery ML (Machine Learning)

  • Vue d'ensemble du machine learning dans BigQuery
  • Types de modèles supportés (régression linéaire, régression logistique, clustering, etc.)
  • Syntaxe SQL pour les modèles ML
  • Labo pratique : création et entraînement d'un modèle

Construction de modèles prédictifs avec BigQuery ML

  • Entraînement et évaluation des modèles
  • Utilisation de ML.EVALUATE et ML.PREDICT
  • Intégration des prédictions dans les rapports
  • Labo pratique : workflow d'analyse prédictive

Bonnes pratiques pour l'analyse d'entreprise

  • Gouvernance et contrôle d'accès
  • Gestion de grands ensembles de données à grande échelle
  • Stratégies de contrôle des coûts
  • Études de cas d'implémentations réussies

Résumé et étapes suivantes

Pré requis

  • Connaissances de base en SQL
  • Familiarité avec les concepts de gestion des données
  • Expérience avec des outils de reporting ou d'analyse

Audience

  • Analystes de données
  • Développeurs BI
  • Ingénieurs de données
 14 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires