Corso From Data to Insights with Google Cloud

Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario

Il Corso From Data to Insights with Google Cloud guida i partecipanti attraverso tecniche avanzate e strumenti di Google Cloud per l’analisi e l’elaborazione dei dati. Attraverso un mix di lezioni teoriche, dimostrazioni pratiche e laboratori, il corso mira a fornire una solida comprensione di come utilizzare BigQuery per interrogare grandi dataset, come “pulire” e trasformare i dati con Dataprep e come visualizzare efficacemente le informazioni con Google Data Studio. Rivolto a chi cerca di acquisire competenze nell’analisi dei dati e nell’intelligenza aziendale, il programma copre anche le migliori pratiche per l’ingestion di dati e la progettazione di schemi dati che possono scalare efficacemente. Il corso contribuisce alla preparazione per l’esame di Certificazione Google Professional Data Engineer.

Obiettivi del corso

Di seguito una sintesi degli obiettivi principali del Corso From Data to Insights with Google Cloud:

• Derivare insight dai dati utilizzando strumenti di analisi e visualizzazione su Google Cloud.
• Caricare, pulire e trasformare dati su larga scala con Dataprep.
• Esplorare e visualizzare i dati con Google Data Studio.
• Risolvere problemi, ottimizzare e scrivere query ad alte prestazioni.
• Utilizzare API di ML pre-costruite per la comprensione di immagini e testi, e addestrare modelli di ML per la classificazione e la previsione utilizzando SQL in BigQuery ML.

Certificazione del corso

Esame Google Cloud Certified Professional Data Engineer; L’esame misura la capacità di progettare, costruire e gestire soluzioni di elaborazione dati sicure e scalabili su Google Cloud Platform. Testa conoscenze specialistiche in servizi come BigQuery per l’analisi di grandi dataset, Cloud Dataflow per la costruzione di pipeline di dati, e Cloud Dataproc per l’elaborazione di workload Hadoop/Spark. L’esame richiede anche competenze nella gestione di modelli di machine learning e nella scelta delle migliori strategie di storage e gestione dei dati. Candidati devono dimostrare l’uso efficace di Python e SQL per manipolare e analizzare i dati all’interno dell’ecosistema GCP.

Contenuti del corso

Module 01: Introduction to Data on Google Cloud

• Analytics Challenges Faced by Data Analysts
• Big Data On-premise Versus on the Cloud
• Real-world Use Cases of Companies Transformed Through Analytics on the Cloud
• Google Cloud Project Basics

Module 02: Analyzing Large Datasets with BigQuery

• Data Analyst Tasks, Challenges, and Google Cloud Data Tools
• Fundamental BigQuery Features
• Google Cloud Tools for Analysts, Data Scientists, and Data Engineers

Module 03: Exploring your Public Dataset with SQL

• Common Data Exploration Techniques
• Use SQL to Query Public Datasets

Module 04: Cleaning and Transforming your Data with Dataprep

• 5 Principles of Dataset Integrity
• Dataset Shape and Skew
• Clean and Transform Data using SQL
• Introducing Dataprep by Trifacta

Module 05: Visualizing Insights and Creating Scheduled Queries

• Data Visualization Principles
• Common Data Visualization Pitfalls
• Google Data Studio

Module 06: Storing and Ingesting New Datasets

• Permanent Versus Temporary Data Tables
• Ingesting New Datasets
• Differentiate between native BigQuery table storage and external data source connections
• Load new data into BigQuery

Module 07: Enriching your Data Warehouse with JOINs

• Merge Historical Data Tables with UNION
• Introduce Table Wildcards for Easy Merges
• Review Data Schemas: Linking Data Across Multiple Tables
• JOIN Examples and Pitfalls

Module 08: Advanced Features and Partitioning your Queries and Tables for Advanced Insights

• Advanced Functions (Statistical, Analytic, User-defined)
• Date-Partitioned Tables

Module 09: Designing Schemas that Scale: Arrays and Structs in BigQuery

• BigQuery Versus Traditional Relational Data Architecture
• ARRAY and STRUCT Syntax
• BigQuery Architecture

Module 10: Optimizing Queries for Performance

• BigQuery Performance Pitfalls
• Prevent Data Hotspots
• Diagnose Performance Issues with the Query Explanation Map

Module 11: Controlling Access with Data Security s

• Hashing Columns
• Authorized Views
• IAM and BigQuery Dataset Roles
• Access Pitfalls

Module 12: Predicting Visitor Return Purchases with BigQuery ML

• Machine Learning on Structured Data
• Scenario: Predicting Customer Lifetime Value
• Choosing the Right Model Type
• Creating ML models with SQL

Module 13: Deriving Insights From Unstructured Data Using Machine Learning

• ML Drives Business Value
• How does ML on unstructured data work?
• Choosing the Right ML Approach
• Pre-built AI Building Blocks
• Customizing Pre-built Models with AutoML
• Building a Custom Model

Tipologia

Corso di Formazione con Docente

Docenti

I docenti sono Istruttori accreditati Google Cloud e certificati in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Infrastruttura laboratoriale

Per tutte le tipologie di erogazione, il Corsista può accedere alle attrezzature e ai sistemi presenti nei Nostri laboratori o direttamente presso i data center del Vendor o dei suoi provider autorizzati in modalità remota h24. Ogni partecipante dispone di un accesso per implementare le varie configurazioni avendo così un riscontro pratico e immediato della teoria affrontata. Ecco di seguito alcuni scenari tratti dalle attività laboratoriali:

Dettagli del corso

Prerequisiti

Si consiglia la partecipazione al Corso Google Cloud Big Data and Machine Learning Fundamentals.

Durata del corso

• Durata Intensiva 3gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

• Corso From Data to Insights with Google Cloud (Formula Intensiva) – su Richiesta – 9:00 – 17:00

Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente.
L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].