Developing Applications with Google Cloud Platform
Modalidade:
Online, Presencial
Na Matza Education, cada treinamento foi desenvolvido para oferecer conhecimento prático e relevante, conectando teoria e aplicação em cenários reais. Nosso objetivo é preparar profissionais para os desafios do mercado, fortalecendo habilidades técnicas e estratégicas em diferentes áreas da tecnologia e gestão.
Ao participar de um de nossos programas, você terá acesso a conteúdos atualizados, instrutores experientes e uma metodologia voltada para resultados. Independentemente do formato — presencial ou online — buscamos criar uma experiência de aprendizado dinâmica, acessível e de alto impacto.
Mais do que um curso, cada treinamento é uma oportunidade de evolução profissional e pessoal, ajudando você a conquistar certificações, ampliar suas competências e se destacar em um mercado cada vez mais competitivo.
Importante: você deve confirmar o e-mail recebido após a inscrição para validar sua participação.
- Analistas de dados, analistas de negócios, profissionais de inteligência de negócios.
- Engenheiros de dados em nuvem que farão parceria com analistas de dados para criar soluções de dados escalonáveis no Google Cloud Platform.
Descrição do Curso
Quer saber como consultar e processar petabytes de dados em segundos? Curioso sobre a análise de dados que faz escalonamento automático à medida que seus dados crescem? Bem-vindo ao curso “Insights de dados”. Esta aula de três dias ministrada por um instrutor ensina aos participantes do curso como receber insights por meio da análise e visualização de dados usando o Google Cloud Platform. Neste curso, são apresentados cenários interativos e laboratórios práticos em que os participantes exploram, minam, carregam, visualizam e extraem insights de diversos conjuntos de dados do Google BigQuery. Abordamos carregamento de dados, consulta, modelagem de esquemas, otimização do desempenho, preço das consultas, visualização de dados e machine learning.
Habilidades que os participantes aprenderão
- Receber insights de dados usando as ferramentas de análise e visualização no Google Cloud Platform.
- Consultar conjuntos de dados de maneira interativa usando o Google BigQuery.
- Carregar, limpar e transformar dados em escala.
- Visualizar dados usando o Google Data Studio e outras plataformas de terceiros.
- Distinguir entre análises exploratórias e explicativas e quando usar cada abordagem.
- Explorar novos conjuntos de dados e descobrir insights ocultos com rapidez e eficácia.
- Otimizar modelos de dados e consultas para preço e desempenho.
Critérios para Participação
- Proficiência básica em ANSI SQL
3 dias – 24 horas aula – Online ao Vivo
- Módulo 1: Introdução aos dados no Google Cloud Platform
- Destaques dos desafios enfrentados pelos analistas de dados
- Comparação do Big Data no local vs. na nuvem
- Aprenda com casos de uso reais de empresas transformadas por meio do Analytics na nuvem
- Navegação pelos itens básicos do projeto do Google Cloud Platform
- Laboratório: Primeiros passos com o Google Cloud Platform
- Módulo 2: Visão geral das ferramentas de Big Data
- Instruções para tarefas de análise de dados, desafios e introdução às ferramentas de dados do GCP
- Demonstração: Análise de 10 bilhões de registros com o Google BigQuery
- Investigação de nove recursos fundamentais do Google BigQuery
- Comparação das ferramentas do GCP para analistas, cientistas de dados e engenheiros de dados
- Laboratório: Investigação de conjuntos de dados com o Google BigQuery
- Módulo 3: Análise dos seus dados com SQL
- Comparação de técnicas comuns de exploração de dados
- Aprenda a codificar SQL padrão de alta qualidade
- Investigação dos conjuntos de dados públicos do Google BigQuery
- Pré-visualização: Google Data Studio
- Laboratório: Solução de erros comuns de SQL
- Módulo 4: Preços do Google BigQuery
- Instruções sobre jobs do BigQuery
- Cálculo do preço do BigQuery: armazenamento, consulta e custos de streaming
- Otimização de consultas em relação ao custo
- Laboratório: Cálculo do preço do Google BigQuery
- Módulo 5: Limpeza e transformação dos seus dados
- Análise dos cinco princípios da integridade do conjunto de dados
- Caracterização da forma e do desvio do conjunto de dados
- Limpeza e transformação de dados usando SQL
- Limpeza e transformação de dados usando Cloud Dataprep
- Laboratório: Explorar e modelar dados com o Cloud Dataprep
- Módulo 6: Armazenamento e exportação de dados
- Comparação de tabelas permanentes com temporárias
- Resgate e exportação de resultados da consulta
- Pré-visualização de desempenho: cache de consulta
- Laboratório: Como criar novas tabelas permanentes
- Módulo 7: Ingestão de novos conjuntos de dados no Google BigQuery
- Consulta a fontes de dados externas
- Prevenção contra armadilhas de ingestão de dados
- Ingestão de novos dados em tabelas permanentes
- Discussão sobre inserções de streaming
- Laboratório: Como ingerir e consultar novos conjuntos de dados
- Módulo 8: Visualização de dados
- Visão geral dos princípios de visualização de dados
- Abordagens de análise exploratória e explanatória
- Demonstração: IU do Google Data Studio
- Conexão do Google Data Studio ao Google BigQuery
- Laboratório: Como explorar um conjunto de dados no Google Data Studio
- Módulo 9: Junção e mesclagem de conjuntos de dados
- Mesclagem de tabelas de dados históricos com UNION
- Introdução a curingas de tabela para mesclagens fáceis
- Revisão de esquemas de dados: vinculação de dados em várias tabelas
- Instruções sobre exemplos e armadilhas com JOIN
- Laboratório: Como fazer Join e Union em dados de várias tabelas
- Módulo 10: Funções e cláusulas avançadas
- Revisão das instruções de caso SQL
- Introdução às funções da janela analítica
- Proteção de dados com criptografia de campo unidirecional
- Discussão de projeto de subconsulta e CTEs efetivos
- Comparação de UDFs SQL e JavaScript
- Laboratório: Como receber insights com funções SQL avançadas
- Módulo 11: Criação de esquemas e estruturas de dados aninhados
- Comparação do BigQuery com a arquitetura tradicional de dados do RDBMS
- Normalização e desnormalização: vantagens e desvantagens sobre o desempenho
- Revisão do esquema: o bom, o ruim e o feio
- Matrizes e dados aninhados no Google BigQuery
- Laboratório: Como consultar dados repetidos e aninhados
- Módulo 12: Mais visualizações com o Google Data Studio
- Como criar instruções CASE e campos calculados
- Como evitar armadilhas de desempenho com considerações sobre o cache
- Como compartilhar painéis e discussão de considerações sobre acesso a dados
- Módulo 13: Otimização para desempenho
- Evite as armadilhas de desempenho do Google BigQuery
- Prevenção contra uso excessivo dos pontos de acesso nos seus dados
- Diagnóstico de problemas de desempenho com o mapa de explicação de consulta
- Laboratório: Como otimizar e solucionar problemas de desempenho de consultas
- Módulo 14: Insights avançados
- Introdução ao Cloud Datalab
- Notebooks e células do Cloud Datalab
- Benefícios do Cloud Datalab
- Módulo 15: Acesso a dados
- Comparação de papéis do conjunto de dados do IAM e do BigQuery
- Evite as armadilhas de acesso
- Revisão de membros, papéis, organizações, administração de contas e contas de serviço