Entreposage de données avec BigQuery : Conception du stockage, optimisation des requêtes et administration

Dans ce cours, vous découvrirez les composants internes de BigQuery et les meilleures pratiques pour la conception, l'optimisation et l'administration de votre entrepôt de données. Grâce à une combinaison de conférences, de démonstrations et de travaux pratiques, vous découvrirez l'architecture de BigQuery et comment concevoir un stockage et des schémas optimaux pour l'ingestion et les modifications de données. Ensuite, vous apprendrez des techniques pour améliorer les performances de lecture, optimiser les requêtes, gérer les charges de travail et utiliser les outils de journalisation et de surveillance. Vous découvrirez également les différents modèles de tarification. Enfin, vous apprendrez diverses méthodes pour sécuriser les données, automatiser les charges de travail et créer des modèles d'apprentissage automatique avec BigQuery ML.

✓ Formation officielle Google CloudNiveau Intermédiaire⏱️ 3 jours (21h)

Ce que vous allez apprendre

• Décrire les principes fondamentaux de l'architecture BigQuery.
• Mettre en œuvre des modèles de conception de stockage et de schéma pour améliorer les performances.
• Utiliser DML et planifier des transferts de données pour ingérer des données.
• Appliquer les meilleures pratiques pour améliorer l'efficacité de la lecture et optimiser les performances des requêtes.
• Gérer la capacité et automatiser les charges de travail.
• Comprendre les modèles par rapport aux anti-modèles pour optimiser les requêtes et améliorer les performances de lecture.
• Utiliser des outils de journalisation et de surveillance pour comprendre et optimiser les modèles d'utilisation.
• Appliquer les meilleures pratiques de sécurité pour gouverner les données et les ressources.
• Créer et déployer plusieurs catégories de modèles d'apprentissage automatique avec BigQuery ML.

Prérequis

• Introduction à l'ingénierie des données

Public cible

• Analystes de données, scientifiques des données, ingénieurs de données et développeurs qui effectuent des travaux à une échelle nécessitant une connaissance avancée des composants internes de BigQuery pour optimiser les performances.

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité