Big Data: Analiza danych przy użyciu SQL oraz BigQuery
What you'll learn
- Czym jest chmura?
- Chmura Google - Google Cloud Platform
- Konfiguracja konta Google
- BigQuery - hurtownia danych typu serverless na sterydach
- SQL - Strukturalny język zapytań
- Analiza danych przy użyciu SQL oraz BigQuery
- Typy danych w BigQuery
- Funkcje w BigQuery
- Wyrażenia warunkowe
- Case Study: Open Image Dataset
Requirements
- dostęp do internetu
- wolny czas i chęci do podjęcia kroku w big data
Description
Umiejętność analizowania dużych zbiorów danych (Big Data) jest niezwykle gorącym tematem i zarazem jedną z najbardziej poszukiwanych umiejętności na rynku. Ponieważ cały ekosystem rozwiązań Big Data jest dość kłopotliwy w administrowaniu i zarządzaniu wiele firm decyduje się na wykorzystanie rozwiązań chmurowych. Jest to obecnie naturalny trend dla większości przedsiębiorstw, które wykorzystują analitykę Big Data.
W tym kursie wykorzystamy świetne narzędzie do analizowania danych jakim jest usługa Google BigQuery. Jest to rozwiązanie typu serverless co oznacza, że nie musimy martwić się o zarządzanie i administrowanie. Od pierwszej minuty możemy od razu przejść do pracy.
Do analizy wykorzystamy strukturalny język zapytań SQL, który jest obowiązkowym punktem w CV każdego analityka danych.
Google BigQuery
BigQuery to w pełni zarządzana hurtownia danych, która pomaga zarządzać danymi i analizować je dzięki wbudowanym funkcjom, takim jak uczenie maszynowe, analiza geoprzestrzenna i analiza biznesowa. Bezserwerowa architektura BigQuery pozwala używać zapytań SQL do odpowiadania na najbardziej zawiłe pytania przy zerowym zarządzaniu infrastrukturą. Skalowalny, rozproszony silnik analizy BigQuery umożliwia wykonywanie zapytań dotyczących terabajtów w ciągu sekund i petabajtów w ciągu minut.
BigQuery maksymalizuje elastyczność, oddzielając silnik obliczeniowy analizujący dane od miejsca przechowywania danych. Możesz przechowywać i analizować swoje dane w BigQuery lub użyć BigQuery do oceny swoich danych tam, gdzie się znajdują. Zaawansowane narzędzia, takie jak BigQuery ML i BI Engine, pozwalają analizować i rozumieć te dane.
Interfejsy BigQuery obejmują interfejs Google Cloud Console i narzędzie wiersza poleceń BigQuery. Deweloperzy i analitycy danych mogą korzystać z bibliotek klienckich ze znanym językiem programowania (Python, Java, JavaScript, Go), a także z REST API i RPC API BigQuery do przekształcania danych i zarządzania nimi.
Who this course is for:
- dla osób, które chcą zgłębić swoją wiedzę na temat big data
- dla osób, które chcą zgłębić swoją wiedzę na temat rozwiązań chmurowych
- dla osób, które chcą zgłębić swoją wiedzę na temat hurtowni danych
- dla analityków danych
- dla data scientistów
- dla osób zainteresowanych big data
Instructor
EN
Python Developer/Data Scientist/Stockbroker
Founder at e-smartdata[.]org.
Big fan of new technologies!
Graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science and Big Data specialization.
Graduate of MA studies in Financial and Actuarial Mathematics at the Faculty of Mathematics and Computer Science at the University of Lodz. Former PhD student at the faculty of mathematics.
Stockbroker license holder (no 3073).
Lecturer at the GPW Foundation (technical analysis, behavioral finance and portfolio management).
PL
Data Scientist, Securities Broker
Założyciel platformy e-smartdata[.]org
Miłośnik nowych technologii, szczególnie w obszarze sztucznej inteligencji, języka Python oraz rozwiązań chmurowych.
Absolwent podyplomowych studiów na Polsko-Japońskiej Akademii Technik Komputerowych na kierunku Informatyka, spec. Big Data.
Absolwent studiów magisterskich z matematyki finansowej i aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego.
Od 2015 roku posiadacz licencji Maklera Papierów Wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego (nr 3073).
Wykładowca w Fundacji GPW prowadzący szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych.
Z doświadczeniem w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką.
Główne obszary zainteresowań to język Python, sztuczna inteligencja, web development oraz rynki finansowe.
IG: e_smartdata