GCP Looker'da LookML modelini ileri seviyeye taşı
GCP Looker'da LookML ile PDT/incremental, caching, symmetric aggregate, satır güvenliği ve BigQuery performans ayarını derinlemesine öğreten ileri seviye eğitim.
GCP Looker LookML: PDT/incremental, caching, güvenlik ve performans
Bu eğitim, Google Cloud Looker ortamında LookML ile ileri veri modelleme becerilerini kazandırır. Temel view/explore/join ötesinde kalıcı türetilmiş tablolar (PDT), incremental PDT ve native derived table ele alınır. datagroup ile caching ve yenileme politikaları, symmetric aggregate ile doğru toplamlar, BigQuery entegrasyonu ve maliyet farkındalığı işlenir. access_filter, user_attribute ile satır düzeyi güvenlik, model/explore erişim yönetimi ve Liquid ile dinamik SQL uygulanır. Performans ayarı, SQL inceleme ve LookML en iyi uygulamaları gösterilir. Katılımcılar, ölçeklenen ve güvenli bir GCP Looker modeli geliştirir.
4 Gün. Her gün dört modül; katılımcılar ileri modelleme, caching, güvenlik ve performansı aşamalı işler.
İleri Seviye — Google Cloud Looker'da LookML ile ileri veri modelleme: PDT/incremental, caching, güçlü birleştirme, güvenlik ve performans ayarının uygulamalı ele alınması.
Katılımcılar GCP Looker ve BigQuery ortamında PDT, erişim filtresi ve performans ayarını adım adım geliştirip SQL çıktısıyla doğrulayarak uygular.
PDT ve caching ile büyük veride sorgu sürelerini ve maliyeti düşürürsünüz.
access_filter ve user_attribute ile her kullanıcıya doğru satırları gösterirsiniz.
Symmetric aggregate ile fan-out join'lerde bile hatasız toplamalar üretirsiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
view, explore, dimension/measure ve join bilgisi gereklidir.
CTE, window ve alt sorgu seviyesinde SQL önerilir.
BigQuery ve GCP temel kavramlarına aşinalık faydalıdır.
Bir GCP Looker örneği ve geliştirme modu gerekir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
PDT ve NDT ile performanslı türetilmiş tablolar kurabilirsiniz.
Incremental PDT ile büyük tabloları verimli yenileyebilirsiniz.
datagroup ile caching politikaları tasarlayabilirsiniz.
Symmetric aggregate ile fan-out hatalarını önleyebilirsiniz.
access_filter ve user_attribute ile RLS kurabilirsiniz.
Liquid ile dinamik SQL ve sunum üretebilirsiniz.
BigQuery maliyet ve performansını optimize edebilirsiniz.
LookML standartlarıyla bakımı kolay model yazabilirsiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Veri stratejisi eğitimi: veri vizyonu, savunma-saldırı dengesi, olgunluk, işletim modeli, veri ürünleri, mesh, monetizasyon ve yol haritası. Uygulamalı DVA eğit
Detayları Gör →
Veri dönüşümü ve akış eğitimi: temizleme, birleştirme, pivot, DAG orkestrasyonu, zamanlama, idempotentlik, artımlı akış ve lineage. SQL ve Python ile DVA eğitim
Detayları Gör →
Veri dönüşümü eğitimi: tip dönüşümü, metin ve tarih işleme, JOIN, toplulaştırma, pencere fonksiyonları, pivot/unpivot ve JSON düzleştirme. SQL ve pandas ile DVA
Detayları Gör →
ETL/ELT boru hatları, Parquet/Avro biçimleri, CDC, idempotent yükleme, Airflow orkestrasyonu ve Kafka ile stream aktarımı uygulamalı öğrenin.
Detayları Gör →
SQL veri tipleri, birincil/yabancı anahtarlar, fonksiyonel bağımlılık ve 1NF–BCNF normalizasyonunu örneklerle uygulamalı öğrenin.
Detayları Gör →