نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
در این دوره میبینیم که چالشهای رایجی که تحلیلگران داده با آن مواجه هستند چیست و چگونه آنها را با ابزارهای کلان داده در Google Cloud حل کنیم. در این دوره میبینیم که چالشهای رایجی که تحلیلگران داده با آن مواجه هستند چیست و چگونه آنها را حل کنیم. ابزارهای کلان داده در Google Cloud. در طول مسیر مقداری SQL را انتخاب خواهید کرد و با استفاده از BigQuery و Dataprep برای تجزیه و تحلیل و تبدیل مجموعه داده های خود بسیار آشنا خواهید شد. این اولین دوره از سری از داده ها به اطلاعات بینش با Google Cloud است. پس از اتمام این دوره، در دوره Creating New BigQuery Datasets and Visualizing Insights ثبت نام کنید.
سرفصل ها و درس ها
به From Data to Insights with Google Cloud - کاوش و آماده سازی داده های خود خوش آمدید
Welcome to From Data to Insights with Google Cloud - Exploring and Preparing your Data
-
معرفی سری دوره ها
Course series introduction
مقدمه ای بر داده ها در Google Cloud
Introduction to Data on Google Cloud
-
چالش های تحلیلی که تحلیلگران داده با آن مواجه هستند
Analytics challenges faced by data analysts
-
داده های بزرگ در محل در مقابل در فضای ابری
Big data on-premises versus in the cloud
-
موارد استفاده در دنیای واقعی
Real-world use cases
-
مبانی پروژه Google Cloud
Google Cloud project basics
مروری بر ابزارهای کلان داده
Big Data Tools Overview
-
وظایف و چالش های تحلیلگر داده و ابزارهای داده Google Cloud
Data analyst tasks and challenges and Google Cloud data tools
-
9 ویژگی اساسی BigQuery
9 fundamental BigQuery features
-
راهنما: نمودار معماری داده
Walkthrough: Data architecture diagram
-
ابزارهای Google Cloud برای تحلیلگران، دانشمندان داده و مهندسان داده
Google Cloud tools for analysts data scientists and data engineers
-
Pluralsight: شروع به کار با GCP و Qwiklabs
Pluralsight: Getting Started with GCP and Qwiklabs
-
آزمایشگاه: کاوش یک مجموعه داده عمومی BigQuery
Lab: Exploring a BigQuery Public Dataset
کاوش داده های خود با SQL
Exploring your Data with SQL
-
مقدمه ای بر مجموعه داده های تجارت الکترونیک Google Analytics
Introduction to the Google Analytics ecommerce dataset
-
تکنیک های رایج کاوش داده ها
Common data exploration techniques
-
نمای کلی مجموعه داده های عمومی IRS
IRS public dataset overview
-
اصول پرس و جو
Query basics
-
مقدمه ای بر توابع
Introduction to functions
-
فیلترها، تجمعات و موارد تکراری
Filters, aggregates, and duplicates
-
انواع داده ها ، توابع تاریخ و تهی
Data types, date functions, and NULLs
-
فیلترهای Wildcard با LIKE
Wildcard filters with LIKE
-
آزمایشگاه: عیب یابی خطاهای رایج SQL با نسخه 1.5 BigQuery
Lab: Troubleshooting Common SQL Errors with BigQuery v1.5
قیمت گذاری BigQuery
BigQuery Pricing
-
مشاغل BigQuery
BigQuery jobs
-
مدیریت اندازه و هزینه
Sizing and cost management
-
پرس و جوها را برای هزینه بهینه کنید
Optimize queries for cost
پاکسازی و تبدیل داده های شما
Cleaning and Transforming Your Data
-
5 اصل یکپارچگی مجموعه داده
5 principles of dataset integrity
-
شکل و کج مجموعه داده
Dataset shape and skew
-
پاکسازی و تبدیل داده ها با استفاده از SQL
Clean and transform data using SQL
-
پاک کردن و تبدیل داده ها با استفاده از یک رابط کاربری جدید: معرفی Dataprep
Clean and transform data using a new UI: Introducing Dataprep
-
آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Cloud Dataprep نسخه 1.5
Lab: Exploring and Creating an Ecommerce Analytics Pipeline with Cloud Dataprep v1.5
-
اجزای Data Fusion
Components of Data Fusion
-
یک خط لوله بسازید
Build a pipeline
-
کاوش داده ها با استفاده از wrangler
Explore data using wrangler
-
آزمایشگاه: ایجاد تحولات و آماده سازی داده ها با Wrangler در Cloud Data Fusion
Lab: Building Transformations and Preparing Data with Wrangler in Cloud Data Fusion
خلاصه دوره
Course Summary
-
خلاصه دوره
Course summary
منابع دوره
Course Resources
-
منابع دوره
Course Resources
نمایش نظرات