Google Cloud Platform を使ったデータの分析や可視化を通してインサイトを導き出す方法がわかります。本コースには、参加者が多様な Google BigQuery データセットを使い、有用な情報の探索、掘り起こし、読み込み、可視化、抽出を行うインタラクティブなシナリオとハンズオンラボが用意されています。本コースでは、データの読み込み、クエリの実行、スキーマのモデル化、パフォーマンスの最適化、クエリの料金計算、データの可視化、機械学習を扱います。
330,000円（税込）／300,000円（税抜）
東京 3/3
3日間
SE、データアナリスト、データエンジニア
ANSI SQL の基本的なスキルをお持ちの方。
| 1日目 | AM | 1．モジュール 1: Google Cloud Platform 上のデータの概要 ・データ アナリストが直面している分析の課題を明らかにする ・オンプレミスとクラウドのビッグデータを比較する ・クラウドでの分析を通して変革した企業の実際のユースケースから学ぶ ・Google Cloud Platform プロジェクトの基本操作 ・ラボ: Google Cloud Platform の初歩 2．モジュール 2: ビッグデータ ツールの概要 ・データ アナリストのタスクと課題、Google Cloud Platform データツールの概要を学ぶ ・デモ: Google BigQuery で 100 億のレコードを分析する ・Google BigQuery の 9 つの基本機能を確認する ・アナリスト用、データ サイエンティスト用、データ エンジニア用の GCP ツールを比較する ・ラボ: Google BigQuery でデータセットを探索する 3．モジュール 3: SQL を使用したデータの探索 ・一般的なデータ探索手法を比較する ・高品質の標準 SQL のコーディング方法を学ぶ ・Google BigQuery の一般公開データセットを探索する ・可視化のプレビュー: Google データポータル ・ラボ: SQL の一般的なエラーのトラブルシューティング |
PM | 4．モジュール 4: Google BigQuery の料金体系 ・BigQuery ジョブの概要 ・BigQuery の料金: ストレージ、クエリ、ストリーミングの費用 ・費用を考慮してクエリを最適化する ・ラボ: Google BigQuery の料金を計算する 5．モジュール 5: データのクリーニングと変換 ・データセットの整合性を確保するための 5 つの原則を確認する ・データセットの分布形と歪度を明らかにする ・SQL を使用してデータのクリーニングと変換を行う ・新しい UI を使用してデータのクリーニングと変換を行う: Cloud Dataprep の概要 ・ラボ: Cloud Dataprep を使用してデータの探索とシェイプを行う 6．モジュール 6: データの保存とエクスポート ・永続テーブルと一時テーブルを比較する ・クエリ結果を保存してエクスポートする ・パフォーマンスのプレビュー: クエリ キャッシュ ・ラボ: 永続テーブルを新規作成する 7．モジュール 7: Google BigQuery への新しいデータセットの取り込み ・外部データソースからクエリを実行する ・データの取り込みで問題が発生しないようにする ・新しいデータを永続テーブルに取り込む ・ストリーミング挿入について学ぶ ・ラボ: 新しいデータセットに対してデータの取り込みとクエリを実行する | |
| 2日目 | AM | 8．モジュール 8: データの可視化 ・データ可視化の原則の概要 ・探索的分析と説明的分析のアプローチを比較する ・デモ: Google データポータルの UI ・Google データポータルを Google BigQuery に接続する ・ラボ: Google データポータルでデータセットを探索する 9．モジュール 9: データセットの結合と統合 ・過去のデータテーブルを UNION で結合する ・テーブル ワイルドカードを使用して結合を簡単にする方法を学ぶ ・データスキーマの復習: データを複数のテーブルにリンクする ・JOIN の例と問題の概要 ・ラボ: JOIN と UNION を使用して複数のテーブルを結合する |
PM | 10．モジュール 10: 高度な関数と句 ・SQL CASE ステートメントの復習 ・分析ウィンドウ関数の概要 ・一方向のフィールド暗号化でデータを保護する ・効果的なサブクエリと CTE の作成について学ぶ ・SQL と JavaScript の UDF を比較する ・ラボ: 高度な SQL 関数を使用して分析情報を得る 11．モジュール 11: スキーマの設計とネストされたデータ構造 ・Google BigQuery と従来の RDBMS データ アーキテクチャを比較する ・正規化と非正規化: パフォーマンスのトレードオフ ・スキーマの復習: 良い例、悪い例、ダメな例 ・Google BigQuery 内の配列とネストされたデータ ・ラボ: ネストされたデータと繰り返しデータにクエリを実行する | |
| 3日目 | AM | 12．モジュール 12: Google データポータルを使用した可視化の強化 ・CASE ステートメントと計算フィールドを作成する ・キャッシュを考慮してパフォーマンス上の問題を回避する ・ダッシュボードの共有とデータアクセス上の問題について学ぶ 13．モジュール 13: パフォーマンスの最適化 ・Google BigQuery のパフォーマンス上の問題を回避する ・データにホットスポットが生じないようにする ・クエリ説明マップを使用してパフォーマンス上の問題を診断する ・ラボ: クエリのパフォーマンスの最適化とトラブルシューティングを行う 14．モジュール 14: データアクセス ・IAM と BigQuery データセットの役割を比較する ・アクセス上の問題を回避する ・メンバー、役割、組織、アカウント管理、サービス アカウントについて復習する |
PM | 15．モジュール 15: クラウドのノートブック ・Cloud Datalab ・Compute Engine と Cloud Storage ・ラボ: レンタル VM で地震データを処理する ・BigQuery を使ったデータ分析 16．モジュール 16: 機械学習に初めて取り組む場合に必要な知識 ・分析のための機械学習の概要 ・画像とテキストを把握するためのトレーニング済み ML API の演習 ・ラボ: トレーニング済み ML API 17．モジュール 17: データセットへの機械学習の適用（BQML） ・機械学習データセットを構築して特徴を分析する ・BQML で分類モデルと予測モデルを作成する ・ラボ: BQML で分類モデルを使用して訪問者の購入を予測する ・ラボ: BigQuery ML 予測モデルを使用してタクシー運賃を予測する |
※※下記の必須手続きが完了していない場合は、ご受講頂けませんのでご注意ください。
本手続きが完了しておらず、当日ご受講頂けなかった際は有償キャンセルとなります。※※
既にNECのQwiklabアカウントをお持ちの方は再登録の必要はございません。
■重要なお願い■
＜Qwiklabアカウント作成のお願い＞
トレーニング受講前に、下記リンクよりトレーニングシステム「Qwiklab」アカウントを作成してください。
必ず、トレーニングお申込時のメールアドレスでアカウントを作成してください。
1.https://nec.qwiklab.com/ にアクセス
2.必要事項を入力し、作成ボタンをクリック
3.確認のためのメールが届きますので、メール本文内のリンクをクリック
4.サインインの確認
念のため、サインインできるかをご確認ください。
◎登録時のアカウントとパスワードは当日利用しますので、忘れないようにしてください。
「カートに追加」欄の追加をクリックすると、web申込が可能です。
申込期限およびキャンセル期限は、各締切日の16:30です。
◎・・・６名様以上、空いております。
○・・・１～５名様の空きがございます。
△・・・キャンセル待ちとなります。(ただし、備考欄に注記がある場合はキャンセル待ちではありませんので、注記をご参照ください)
空席状況は定期的に更新しています。◎○でも、既に満席の場合はご了承下さい。詳細な空席状況は研修申込センターにお問い合せください。