Corso Data Engineering on Google Cloud

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

Il Corso Data Engineering on Google Cloud fornisce ai partecipanti le competenze necessarie per progettare e costruire sistemi di elaborazione dei dati, analizzare i dati e implementare il machine learning utilizzando Google Cloud. Il corso si concentra su dati strutturati, non strutturati e in streaming e richiede una conoscenza di base in SQL, modellazione dei dati, attività ETL e linguaggi di programmazione come Python. È ideale per gli sviluppatori che si occupano di elaborazione dei dati, analisi e machine learning. Durante il corso, i partecipanti approfondiranno vari argomenti, tra cui il ruolo di un ingegnere dei dati, BigQuery, data lakes, data warehouses e la collaborazione con altri team di dati. Le tecnologie che saranno esplorate includono Google Cloud, SQL, Python, BigQuery, data lakes e data warehouses. Infine, 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 Data Engineering on Google Cloud:

• Imparare a utilizzare Google Cloud per la progettazione e costruzione di soluzioni di data engineering.
• Esplorare le funzionalità avanzate di BigQuery per l’analisi di grandi dataset.
• Applicare tecniche di data modeling e processi ETL all’interno dell’ecosistema Google Cloud.
• Sviluppare competenze in machine learning con gli strumenti di Google Cloud.
• Integrare servizi di data lake e data warehouse per l’archiviazione e l’analisi dei dati su Google Cloud.

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 1: Introduction to Data Engineering

• Explore the role of a data engineer.
• Analyze data engineering challenges.
• Intro to BigQuery.
• Data Lakes and Data Warehouses.
• Demo: Federated Queries with BigQuery.
• Transactional Databases vs Data Warehouses.
• Website Demo: Finding PII in your dataset with DLP API.
• Partner effectively with other data teams.
• Manage data access and governance.
• Build production-ready pipelines.
• Review GCP customer case study.
• Lab: Analyzing Data with BigQuery.

Module 2: Building a Data Lake

• Introduction to Data Lakes.
• Data Storage and ETL options on GCP.
• Building a Data Lake using Cloud Storage.
• Optional Demo: Optimizing cost with Google Cloud Storage classes and Cloud Functions.
• Securing Cloud Storage.
• Storing All Sorts of Data Types.
• Video Demo: Running federated queries on Parquet and ORC files in BigQuery.
• Cloud SQL as a relational Data Lake.
• Lab: Loading Taxi Data into Cloud SQL.

Module 3: Building a Data Warehouse

• The modern data warehouse.
• Intro to BigQuery.
• Demo: Query TB+ of data in seconds.
• Getting Started.
• Loading Data.
• Video Demo: Querying Cloud SQL from BigQuery.
• Lab: Loading Data into BigQuery.
• Exploring Schemas.
• Demo: Exploring BigQuery Public Datasets with SQL using INFORMATION_SCHEMA.
• Schema Design.
• Nested and Repeated Fields.
• Demo: Nested and repeated fields in BigQuery.
• Lab: Working with JSON and Array data in BigQuery.
• Optimizing with Partitioning and Clustering.
• Demo: Partitioned and Clustered Tables in BigQuery.
• Preview: Transforming Batch and Streaming Data.

Module 4: Introduction to Building Batch Data Pipelines

• EL, ELT, ETL.
• Quality considerations.
• How to carry out operations in BigQuery.
• Demo: ELT to improve data quality in BigQuery.
• Shortcomings.
• ETL to solve data quality issues.

Module 5: Executing Spark on Cloud Dataproc

• The Hadoop ecosystem.
• Running Hadoop on Cloud Dataproc.
• GCS instead of HDFS.
• Optimizing Dataproc.
• Lab: Running Apache Spark jobs on Cloud Dataproc.

Module 6: Serverless Data Processing with Cloud Dataflow

• Cloud Dataflow.
• Why customers value Dataflow.
• Dataflow Pipelines.
• Lab: A Simple Dataflow Pipeline (Python/Java).
• Lab: MapReduce in Dataflow (Python/Java).
• Lab: Side Inputs (Python/Java).
• Dataflow Templates.
• Dataflow SQL.

Module 7: Manage Data Pipelines with Cloud Data Fusion and Cloud Composer

• Building Batch Data Pipelines visually with Cloud Data Fusion.
• Components.
• UI Overview.
• Building a Pipeline.
• Exploring Data using Wrangler.
• Lab: Building and executing a pipeline graph in Cloud Data Fusion.
• Orchestrating work between GCP services with Cloud Composer.
• Apache Airflow Environment.
• DAGs and Operators.
• Workflow Scheduling.
• Optional Long Demo: Event-triggered Loading of data with Cloud Composer, Cloud Functions, Cloud Storage, and BigQuery.
• Monitoring and Logging.
• Lab: An Introduction to Cloud Composer.

Module 8: Introduction to Processing Streaming Data

• Processing Streaming Data.

Module 9: Serverless Messaging with Cloud Pub/Sub

• Cloud Pub/Sub.
• Lab: Publish Streaming Data into Pub/Sub.

Module 10: Cloud Dataflow Streaming Features

• Cloud Dataflow Streaming Features.
• Lab: Streaming Data Pipelines.

Module 11: High-Throughput BigQuery and Bigtable Streaming Features

• BigQuery Streaming Features.
• Lab: Streaming Analytics and Dashboards.
• Cloud Bigtable.
• Lab: Streaming Data Pipelines into Bigtable.

Module 12: Advanced BigQuery Functionality and Performance

• Analytic Window Functions.
• Using With Clauses.
• GIS Functions.
• Demo: Mapping Fastest Growing Zip Codes with BigQuery GeoViz.
• Performance Considerations.
• Lab: Optimizing your BigQuery Queries for Performance.
• Optional Lab: Creating Date-Partitioned Tables in BigQuery.

Module 13: Introduction to Analytics and AI

• What is AI?.
• From Ad-hoc Data Analysis to Data Driven Decisions.
• Options for ML models on GCP.

Module 14: Prebuilt ML model APIs for Unstructured Data

• Unstructured Data is Hard.
• ML APIs for Enriching Data.
• Lab: Using the Natural Language API to Classify Unstructured Text.

Module 15: Big Data Analytics with Cloud AI Platform Notebooks

• Whats a Notebook.
• BigQuery Magic and Ties to Pandas.
• Lab: BigQuery in Jupyter Labs on AI Platform.

Module 16: Production ML Pipelines with Kubeflow

• Ways to do ML on GCP.
• Kubeflow.
• AI Hub.
• Lab: Running AI models on Kubeflow.

Module 17: Custom Model building with SQL in BigQuery ML

• BigQuery ML for Quick Model Building.
• Demo: Train a model with BigQuery ML to predict NYC taxi fares.
• Supported Models.
• Lab Option 1: Predict Bike Trip Duration with a Regression Model in BQML.
• Lab Option 2: Movie Recommendations in BigQuery ML.
• Module 18: Custom Model building with Cloud AutoML
• Why Auto ML?
• Auto ML Vision.
• Auto ML NLP.
• Auto ML Tables.

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 4gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

• Corso Data Engineering on 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].