AI & Data

Szkolenie Google BigQuery

Google BigQuery jest hurtownią danych dostępną w usłudze Google Cloud.

Czas trwania
16h / 2 dni · 2h
Zapytaj o program → Zobacz wszystkie
Dla kogo

Idealny dla zespołów, które…

1 Dla architektów rozwiązań i specjalistów w zakresie hurtowni danych
2 Dla analityków danych i osób zajmujących się przetwarzaniem danych.
3 Dla inżynierów danych odpowiedzialnych za tworzenie i utrzymanie infrastruktury.
4 Dla osób, które znają podstawy języka SQL.
Efekty po programie

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

✓

poznasz od podstaw działanie Google BigQuery – dynamicznie rozwijającej się hurtowni danych, będącej elementem chmury Google (Google Cloud Platform)

✓

nauczysz się podstaw pracy w BigQuery – pisania zapytań, tworzenia i zarządzania zbiorami danych oraz tabelami, tworzenia i projektowania procesów ETL i ELT z wykorzystaniem narzędzi dostępnych w chmurze Google

✓

dowiesz się, jak wizualizować dane zbierane w hurtowni danych w Looker Studio i Google Sheets, a także jak połączyć BigQuery z popularnymi narzędziami takimi jak PowerBI i Tableau

✓

poznasz praktyczne zastosowania BigQuery w codziennej pracy w obszarze data science oraz dowiesz się, jak w prosty sposób rozpocząć przygodę z uczeniem maszynowym dzięki wykorzystaniu funkcjonalności BigQuery ML

Program · 7 modułów

Co konkretnie robimy

M01
Moduł 1 – Wprowadzenie do Google Cloud Platform
  • · Google BigQuery jako część platformy Google Cloud Platform (GCP)
  • · komplementarne usługi GCP wykorzystywane razem z BigQuery (Google Cloud Storage, Cloud SQL, Cloud Functions, DataPrep i inne)
  • · omówienie podstawowych komponentów GCP potrzebnych w pracy z BigQuery (projekt, konto rozliczeniowe, uprawnienia użytkowników)
  • · wprowadzenie do hurtowni danych – idea działania, najważniejsze pojęcia i założenia
M02
Moduł 2 – Podstawy pracy z Google BigQuery
  • · zbiory danych, tabele i zapytania – jak wygląda praca z danymi w BigQuery
  • · edytor zapytań w interfejsie Google BigQuery
  • · Cloud Shell – praca z danymi w środowisku CLI (command line)
  • · pobieranie danych z wykorzystaniem podstawowych zapytań SELECT
  • · manipulowanie wynikami zapytań z wykorzystaniem filtrowania (WHERE), sortowania (ORDER BY)
  • · agregowanie danych (COUNT, SUM) z wykorzystaniem GROUP BY i HAVING
M03
Moduł 3 – Tworzenie i zarządzanie zbiorami danych i tabelami
  • · tworzenie i ustawienia zbiorów danych
  • · tworzenie tabeli w oparciu o schemat i zapytania CREATE OR REPLACE TABLE
  • · podstawowe typy danych i tryby kolumn
  • · praca z tablicami (arrays) i strukturami (structs) w BigQuery
  • · partycjonowanie danych i zapytania do wielu tabel z wykorzystaniem sufiksów (wildcard tables)
M04
Moduł 4 – Ładowanie danych do Google BigQuery
  • · wprowadzenie do procesów ETL i ELT na przykładzie hurtowni danych BigQuery
  • · publiczne zbiory danych (BigQuery Public Datasets)
  • · import danych z Google Cloud Storage do BigQuery
  • · wczytywanie danych z zewnętrznych źródeł danych – MySQL, PostgreSQL
  • · wczytywanie danych z Google Drive i Google Sheets
  • · logowanie danych w BigQuery za pomocą BigQuery API
  • · automatyzacja ładowania danych za pomocą Data Transfer Service i Scheduled Queries
M05
Moduł 5 – Pisanie zapytań SQL w BigQuery – ćwiczenia praktyczne
  • · łączenie danych z wielu tabel z wykorzystaniem JOINs
  • · Common Table Expressions z wykorzystaniem WITH w BigQuery
  • · praca z tablicami danych z wykorzystaniem funkcji ARRAY_AGG i UNNEST
  • · formatowanie daty i czasu – praca z danymi TIMESTAMP, DATETIME i DATE
  • · Saved Queries – zapisywanie zapytań i współpraca w zespole
M06
Moduł 6 – Wizualizacja danych i raportowanie z wykorzystaniem BigQuery
  • · eksport i analiza danych z BigQuery w Google Sheets
  • · tworzenie dashboardów w Looker Studio w oparciu o dane z Google BigQuery
  • · integracja BigQuery z innymi narzędziami do wizualizacji danych (PowerBI, Tableau)
M07
Moduł 7 – Praktyczne zastosowania BigQuery w codziennej pracy
  • · BigQuery API i biblioteki Google Cloud Client Libraries w popularnych językach programowania
  • · łączenie Google BigQuery z popularnymi narzędziami Data Science (Python, pandas, Jupyter)
  • · tworzenie konta serwisowego (service account) i korzystanie z danych w BigQuery w zewnętrznych programach na przykładzie DataGrip
  • · wprowadzenie i omówienie funkcjonalności uczenia maszynowego BigQuery ML – przykłady zastosowań w regresji liniowej i prognozy szeregów czasowych
Każdy moduł modyfikujemy pod Twój stack i kontekst. Powyższe to punkt wyjścia — nie sztywna agenda.
Jak pracujemy

Od briefu do retro w 30 dniach.

01

Brief i diagnoza

Rozmowa z liderem zespołu + krótka ankieta dla uczestników. Określamy cele, gap, kontekst.

02

Modyfikacja programu

Dostosowujemy moduły, case studies i przykłady kodu pod Twój stack. Akceptacja w 5 dni.

03

Warsztat

Sesje z trenerem, hands-on, code review. Mentor dostępny też pomiędzy sesjami.

04

Retro + raport

Raport z efektami dla zespołu i lidera. 30 dni konsultacji w cenie.

Zapytanie

Wyślij brief. Odezwiemy się w 1 dzień.

Po krótkim briefie przygotujemy program i wycenę. Bez zobowiązań — to tylko punkt wyjścia do rozmowy.

✓Wycena w 48h od briefu
✓Pierwsza sesja w 30 dni
✓Pilotaż przed pełną decyzją
✓Faktura VAT, możliwość płatności w transzach

Ochrona antyspamowa (Cloudflare Turnstile) zostanie aktywowana po wpięciu klucza.

Inne programy dla zespołów

Zobacz wszystkie →
AI & Data

AI dla analityków: od danych do decyzji

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

16h / 2 dni →
AI & Data

AI jako narzędzie wspierające modernizację aplikacji

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

3 godziny →
AI & Data

AI szkolenie ogólne

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

AI & Data →