At Matza Education, each training course is designed to offer practical and relevant knowledge, connecting theory and application in real-life scenarios. Our aim is to prepare professionals for the challenges of the market, strengthening technical and strategic skills in different areas of technology and management.
By taking part in one of our programs, you will have access to up-to-date content, experienced instructors and a results-oriented methodology. Regardless of the format - face-to-face or online - we aim to create a dynamic, accessible and high-impact learning experience.
More than just a course, each training is an opportunity for professional and personal development, helping you to gain certifications, expand your skills and stand out in an increasingly competitive market.
Important: you must confirm the e-mail you received after registering to validate your participation.
- 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.
Course description
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