{"course":{"productid":30792,"modality":1,"active":true,"language":"de","title":"Data Warehousing with BigQuery: Storage Design, Query Optimization, and Administration","productcode":"DWBQ-SDQA","vendorcode":"GO","vendorname":"Google","fullproductcode":"GO-DWBQ-SDQA","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/google-dwbq-sdqa","objective":"<ul>\n<li>Beschreiben Sie die Grundlagen der BigQuery-Architektur.<\/li><li>Implementierung von Speicher- und Schemaentwurfsmustern zur Verbesserung der Leistung.<\/li><li>Verwenden Sie DML und planen Sie Daten&uuml;bertragungen zum Einlesen von Daten.<\/li><li>Anwendung bew&auml;hrter Verfahren zur Verbesserung der Leseeffizienz und Optimierung der Abfrageleistung.<\/li><li>Verwalten Sie Kapazit&auml;ten und automatisieren Sie Arbeitslasten.<\/li><li>Verstehen von Mustern und Anti-Mustern zur Optimierung von Abfragen und Verbesserung der Leseleistung.<\/li><li>Verwenden Sie Protokollierungs- und &Uuml;berwachungstools, um Nutzungsmuster zu verstehen und zu optimieren.<\/li><li>Anwendung bew&auml;hrter Sicherheitsverfahren zur Verwaltung von Daten und Ressourcen.<\/li><li>Erstellen und Bereitstellen verschiedener Kategorien von Modellen f&uuml;r maschinelles Lernen mit BigQuery ML.<\/li><\/ul>","essentials":"<p>Grundlagen von Big Data und maschinellem Lernen<\/p>","contents":"<ul>\n<li>Grundlagen der BigQuery-Architektur<\/li><li>Speicher- und Schema-Optimierungen<\/li><li>Aufnahme von Daten<\/li><li>&Auml;ndern von Daten<\/li><li>Verbesserung der Leseleistung<\/li><li>Optimieren und Fehlerbehebung von Abfragen<\/li><li>Arbeitslastmanagement und Preisgestaltung<\/li><li>Protokollierung und &Uuml;berwachung<\/li><li>Sicherheit in BigQuery<\/li><li>Automatisieren von Arbeitsbelastungen<\/li><li>Maschinelles Lernen in BigQuery<\/li><\/ul>","outline":"<h5>Modul 01 Grundlagen der BigQuery-Architektur<\/h5><h6>Themen<\/h6><ul>\n<li>Einf&uuml;hrung<\/li><li>BigQuery-Kerninfrastruktur<\/li><li>BigQuery-Speicher<\/li><li>BigQuery-Abfrageverarbeitung<\/li><li>BigQuery-Daten-Mischung<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Erl&auml;utern Sie die Vorteile der s&auml;ulenf&ouml;rmigen Speicherung.<\/li><li>Verstehen, wie BigQuery Daten verarbeitet.<\/li><li>Lernen Sie die Grundlagen des Shuffle-Service von BigQuery kennen, um die Abfrageeffizienz zu verbessern.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul><h5>Modul 02 Speicher- und Schema-Optimierungen<\/h5><h6>Themen<\/h6><ul>\n<li>BigQuery-Speicher<\/li><li>Partitionierung und Clustering<\/li><li>Verschachtelte und wiederholte Felder<\/li><li>ARRAY- und STRUCT-Syntax<\/li><li>Bew&auml;hrte Praktiken<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Vergleichen Sie die Leistung verschiedener Schemata (Schneeflocken, denormalisierte, verschachtelte und wiederholte Felder).<\/li><li>Partitionieren und Clustern von Daten f&uuml;r bessere Leistung<\/li><li>Verbesserung des Schemadesigns durch verschachtelte und wiederholte Felder.<\/li><li>Beschreiben Sie zus&auml;tzliche bew&auml;hrte Verfahren wie den Ablauf von Tabellen und Partitionen<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul><h5>Modul 03 Dateneingabe<\/h5><h6>Themen<\/h6><ul>\n<li>Data Ingestion Options<\/li><li>Batch-Ingestion<\/li><li>Streaming-Ingestion<\/li><li>Veraltete Streaming-API<\/li><li>BigQuery-Speicher-Schreib-API<\/li><li>Materialisierung von Abfragen<\/li><li>Abfrage externer Datenquellen<\/li><li>Daten&uuml;bertragungsdienst<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Aufnahme von Batch- und Streaming-Daten.<\/li><li>Abfrage externer Datenquellen.<\/li><li>Planen Sie Daten&uuml;bertragungen.<\/li><li>Verstehen, wie man die Storage Write API verwendet.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul><h5>Modul 04 &Auml;ndern von Daten<\/h5><h6>Themen<\/h6><ul>\n<li>Verwaltung von &Auml;nderungen in Data Warehouses<\/li><li>Umgang mit sich langsam &auml;ndernden Abmessungen (SCD)<\/li><li>DML-Anweisungen<\/li><li>DML Best Practices und h&auml;ufige Probleme<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>DML-Anweisungen schreiben.<\/li><li>Behebung h&auml;ufiger DML-Leistungsprobleme und Engp&auml;sse.<\/li><li>Identifizieren Sie langsam wechselnde Dimensionen (SCD) in Ihren Daten und nehmen Sie Aktualisierungen vor.<\/li><\/ul><h5>Modul 05 Verbesserung der Leseleistung<\/h5><h6>Themen<\/h6><ul>\n<li>BigQuery&rsquo;s Cache<\/li><li>Materialisierte Ansichten<\/li><li>BI-Engine<\/li><li>Hoher Lesedurchsatz<\/li><li>BigQuery-Speicher-Lese-API<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Erforschen Sie den Cache von BigQuery.<\/li><li>Erstellen Sie materialisierte Ansichten.<\/li><li>Arbeiten Sie mit BI Engine, um Ihre SQL-Abfragen zu beschleunigen.<\/li><li>Verwenden Sie die Speicher-Lese-API f&uuml;r den schnellen Zugriff auf den von BigQuery verwalteten Speicher.<\/li><li>Erl&auml;utern Sie die Vorbehalte gegen die Verwendung externer Datenquellen.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul><h5>Modul 06 Optimierung und Fehlerbehebung von Abfragen<\/h5><h6>Themen<\/h6><ul>\n<li>Einfache Abfrage-Ausf&uuml;hrung<\/li><li>SELECTs und Aggregation<\/li><li>JOINs und Skewed JOINs<\/li><li>Filtern und Ordnen<\/li><li>Bew&auml;hrte Praktiken f&uuml;r Funktionen<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Interpretieren Sie BigQuery-Ausf&uuml;hrungsdetails und den Abfrageplan.<\/li><li>Optimieren Sie die Abfrageleistung mit Hilfe der vorgeschlagenen Methoden f&uuml;r SQL-Anweisungen und -Klauseln.<\/li><li>Demonstration von Best Practices f&uuml;r Funktionen in gesch&auml;ftlichen Anwendungsf&auml;llen.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul><h5>Modul 07 Arbeitslastmanagement und Preisgestaltung<\/h5><h6>Themen<\/h6><ul>\n<li>BigQuery-Steckpl&auml;tze<\/li><li>Preismodelle und Sch&auml;tzungen<\/li><li>Slot-Reservierungen<\/li><li>Kostenkontrolle<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Definieren Sie einen BigQuery-Slot.<\/li><li>Erl&auml;uterung von Preismodellen und Preissch&auml;tzungen (BigQuery UI, bq dry_run, jobs API).<\/li><li>Verstehen Sie Slot-Reservierungen, Verpflichtungen und Zuweisungen.<\/li><li>Ermittlung der besten Praktiken zur Kostenkontrolle.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Demos<\/li><\/ul><h5>Modul 08 Protokollierung und &Uuml;berwachung<\/h5><h6>Themen<\/h6><ul>\n<li>Cloud-&Uuml;berwachung<\/li><li>BigQuery-Verwaltungsbereich<\/li><li>Cloud Audit Logs<\/li><li>INFORMATION_SCHEMA<\/li><li>Abfragepfad und h&auml;ufige Fehler<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Verwenden Sie Cloud Monitoring, um BigQuery-Metriken anzuzeigen.<\/li><li>Erkunden Sie das BigQuery-Verwaltungsfeld.<\/li><li>Verwenden Sie Cloud Audit-Protokolle.<\/li><li>Arbeiten Sie mit INFORMATION_SCHEMA-Tabellen, um Einblicke in Ihre BigQuery-Entit&auml;ten zu erhalten.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul><h5>Modul 09 Sicherheit in BigQuery<\/h5><h6>Themen<\/h6><ul>\n<li>Sichere Ressourcen mit IAM<\/li><li>Autorisierte Ansichten<\/li><li>Sichere Daten durch Klassifizierung<\/li><li>Verschl&uuml;sselung<\/li><li>Datenermittlung und -verwaltung<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Erkunden Sie die Datenerkennung mit Data Catalog.<\/li><li>Er&ouml;rterung der Datenverwaltung mit DLP API und Datenkatalog.<\/li><li>Erstellen Sie IAM-Richtlinien (z. B. autorisierte Ansichten), um Ressourcen zu sichern.<\/li><li>Sichern Sie Daten mit Klassifizierungen (z. B. Richtlinien auf Zeilenebene).<\/li><li>Verstehen, wie BigQuery Verschl&uuml;sselung verwendet.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul><h5>Modul 10 Automatisieren von Arbeitsbelastungen<\/h5><h6>Themen<\/h6><ul>\n<li>Terminierungsabfragen<\/li><li>Skripting<\/li><li>Gespeicherte Prozeduren<\/li><li>Integration mit Big Data-Produkten<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Zeitplanabfragen.<\/li><li>Verwenden Sie Skripterstellung und gespeicherte Prozeduren, um benutzerdefinierte Transformationen zu erstellen.<\/li><li>Beschreiben Sie, wie Sie BigQuery-Workloads mit anderen Google Cloud Big Data-Produkten integrieren k&ouml;nnen.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Demos<\/li><\/ul><h5>Modul 11 Maschinelles Lernen in BigQuery<\/h5><h6>Themen<\/h6><ul>\n<li>Einf&uuml;hrung in BigQuery ML<\/li><li>Wie man mit BigQuery ML Vorhersagen macht<\/li><li>Wie man ein Empfehlungssystem mit BigQuery ML erstellt und einsetzt<\/li><li>Erstellen und Bereitstellen einer L&ouml;sung f&uuml;r die Nachfrageprognose mit BigQuery ML<\/li><li>Zeitreihenmodelle mit BigQuery ML<\/li><li>BigQuery ML-Erkl&auml;rbarkeit<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Beschreiben Sie einige der verschiedenen Anwendungen von BigQuery ML.<\/li><li>Erstellen und Bereitstellen verschiedener Kategorien von Modellen f&uuml;r maschinelles Lernen mit BigQuery ML.<\/li><li>Verwenden Sie AutoML-Tabellen zur L&ouml;sung hochwertiger Gesch&auml;ftsprobleme.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Labore und Demos<\/li><\/ul>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/google-dwbq-sdqa\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>In diesem Kurs lernen Sie die Interna von BigQuery und die besten Praktiken f&uuml;r den Entwurf, die Optimierung und die Verwaltung Ihres Data Warehouse kennen. Durch eine Kombination aus Vorlesungen, Demos und &Uuml;bungen lernen Sie die BigQuery-Architektur kennen und erfahren, wie Sie optimale Speicher und Schemata f&uuml;r die Dateneingabe und -&auml;nderung entwerfen. Anschliessend lernen Sie Techniken zur Verbesserung der Leseleistung, zur Optimierung von Abfragen, zur Verwaltung von Arbeitslasten und zur Verwendung von Protokollierungs- und &Uuml;berwachungstools. Sie lernen auch die verschiedenen Preismodelle kennen. Schliesslich lernen Sie verschiedene Methoden zum Sichern von Daten, Automatisieren von Arbeitslasten und Erstellen von Modellen f&uuml;r maschinelles Lernen mit BigQuery ML kennen.<\/p>","objective_plain":"- Beschreiben Sie die Grundlagen der BigQuery-Architektur.\n- Implementierung von Speicher- und Schemaentwurfsmustern zur Verbesserung der Leistung.\n- Verwenden Sie DML und planen Sie Daten\u00fcbertragungen zum Einlesen von Daten.\n- Anwendung bew\u00e4hrter Verfahren zur Verbesserung der Leseeffizienz und Optimierung der Abfrageleistung.\n- Verwalten Sie Kapazit\u00e4ten und automatisieren Sie Arbeitslasten.\n- Verstehen von Mustern und Anti-Mustern zur Optimierung von Abfragen und Verbesserung der Leseleistung.\n- Verwenden Sie Protokollierungs- und \u00dcberwachungstools, um Nutzungsmuster zu verstehen und zu optimieren.\n- Anwendung bew\u00e4hrter Sicherheitsverfahren zur Verwaltung von Daten und Ressourcen.\n- Erstellen und Bereitstellen verschiedener Kategorien von Modellen f\u00fcr maschinelles Lernen mit BigQuery ML.","essentials_plain":"Grundlagen von Big Data und maschinellem Lernen","contents_plain":"- Grundlagen der BigQuery-Architektur\n- Speicher- und Schema-Optimierungen\n- Aufnahme von Daten\n- \u00c4ndern von Daten\n- Verbesserung der Leseleistung\n- Optimieren und Fehlerbehebung von Abfragen\n- Arbeitslastmanagement und Preisgestaltung\n- Protokollierung und \u00dcberwachung\n- Sicherheit in BigQuery\n- Automatisieren von Arbeitsbelastungen\n- Maschinelles Lernen in BigQuery","outline_plain":"Modul 01 Grundlagen der BigQuery-Architektur\n\nThemen\n\n\n- Einf\u00fchrung\n- BigQuery-Kerninfrastruktur\n- BigQuery-Speicher\n- BigQuery-Abfrageverarbeitung\n- BigQuery-Daten-Mischung\nZielsetzungen\n\n\n- Erl\u00e4utern Sie die Vorteile der s\u00e4ulenf\u00f6rmigen Speicherung.\n- Verstehen, wie BigQuery Daten verarbeitet.\n- Lernen Sie die Grundlagen des Shuffle-Service von BigQuery kennen, um die Abfrageeffizienz zu verbessern.\nAktivit\u00e4ten\n\n\n- Labore und Demos\nModul 02 Speicher- und Schema-Optimierungen\n\nThemen\n\n\n- BigQuery-Speicher\n- Partitionierung und Clustering\n- Verschachtelte und wiederholte Felder\n- ARRAY- und STRUCT-Syntax\n- Bew\u00e4hrte Praktiken\nZielsetzungen\n\n\n- Vergleichen Sie die Leistung verschiedener Schemata (Schneeflocken, denormalisierte, verschachtelte und wiederholte Felder).\n- Partitionieren und Clustern von Daten f\u00fcr bessere Leistung\n- Verbesserung des Schemadesigns durch verschachtelte und wiederholte Felder.\n- Beschreiben Sie zus\u00e4tzliche bew\u00e4hrte Verfahren wie den Ablauf von Tabellen und Partitionen\nAktivit\u00e4ten\n\n\n- Labore und Demos\nModul 03 Dateneingabe\n\nThemen\n\n\n- Data Ingestion Options\n- Batch-Ingestion\n- Streaming-Ingestion\n- Veraltete Streaming-API\n- BigQuery-Speicher-Schreib-API\n- Materialisierung von Abfragen\n- Abfrage externer Datenquellen\n- Daten\u00fcbertragungsdienst\nZielsetzungen\n\n\n- Aufnahme von Batch- und Streaming-Daten.\n- Abfrage externer Datenquellen.\n- Planen Sie Daten\u00fcbertragungen.\n- Verstehen, wie man die Storage Write API verwendet.\nAktivit\u00e4ten\n\n\n- Labore und Demos\nModul 04 \u00c4ndern von Daten\n\nThemen\n\n\n- Verwaltung von \u00c4nderungen in Data Warehouses\n- Umgang mit sich langsam \u00e4ndernden Abmessungen (SCD)\n- DML-Anweisungen\n- DML Best Practices und h\u00e4ufige Probleme\nZielsetzungen\n\n\n- DML-Anweisungen schreiben.\n- Behebung h\u00e4ufiger DML-Leistungsprobleme und Engp\u00e4sse.\n- Identifizieren Sie langsam wechselnde Dimensionen (SCD) in Ihren Daten und nehmen Sie Aktualisierungen vor.\nModul 05 Verbesserung der Leseleistung\n\nThemen\n\n\n- BigQuery\u2019s Cache\n- Materialisierte Ansichten\n- BI-Engine\n- Hoher Lesedurchsatz\n- BigQuery-Speicher-Lese-API\nZielsetzungen\n\n\n- Erforschen Sie den Cache von BigQuery.\n- Erstellen Sie materialisierte Ansichten.\n- Arbeiten Sie mit BI Engine, um Ihre SQL-Abfragen zu beschleunigen.\n- Verwenden Sie die Speicher-Lese-API f\u00fcr den schnellen Zugriff auf den von BigQuery verwalteten Speicher.\n- Erl\u00e4utern Sie die Vorbehalte gegen die Verwendung externer Datenquellen.\nAktivit\u00e4ten\n\n\n- Labore und Demos\nModul 06 Optimierung und Fehlerbehebung von Abfragen\n\nThemen\n\n\n- Einfache Abfrage-Ausf\u00fchrung\n- SELECTs und Aggregation\n- JOINs und Skewed JOINs\n- Filtern und Ordnen\n- Bew\u00e4hrte Praktiken f\u00fcr Funktionen\nZielsetzungen\n\n\n- Interpretieren Sie BigQuery-Ausf\u00fchrungsdetails und den Abfrageplan.\n- Optimieren Sie die Abfrageleistung mit Hilfe der vorgeschlagenen Methoden f\u00fcr SQL-Anweisungen und -Klauseln.\n- Demonstration von Best Practices f\u00fcr Funktionen in gesch\u00e4ftlichen Anwendungsf\u00e4llen.\nAktivit\u00e4ten\n\n\n- Labore und Demos\nModul 07 Arbeitslastmanagement und Preisgestaltung\n\nThemen\n\n\n- BigQuery-Steckpl\u00e4tze\n- Preismodelle und Sch\u00e4tzungen\n- Slot-Reservierungen\n- Kostenkontrolle\nZielsetzungen\n\n\n- Definieren Sie einen BigQuery-Slot.\n- Erl\u00e4uterung von Preismodellen und Preissch\u00e4tzungen (BigQuery UI, bq dry_run, jobs API).\n- Verstehen Sie Slot-Reservierungen, Verpflichtungen und Zuweisungen.\n- Ermittlung der besten Praktiken zur Kostenkontrolle.\nAktivit\u00e4ten\n\n\n- Demos\nModul 08 Protokollierung und \u00dcberwachung\n\nThemen\n\n\n- Cloud-\u00dcberwachung\n- BigQuery-Verwaltungsbereich\n- Cloud Audit Logs\n- INFORMATION_SCHEMA\n- Abfragepfad und h\u00e4ufige Fehler\nZielsetzungen\n\n\n- Verwenden Sie Cloud Monitoring, um BigQuery-Metriken anzuzeigen.\n- Erkunden Sie das BigQuery-Verwaltungsfeld.\n- Verwenden Sie Cloud Audit-Protokolle.\n- Arbeiten Sie mit INFORMATION_SCHEMA-Tabellen, um Einblicke in Ihre BigQuery-Entit\u00e4ten zu erhalten.\nAktivit\u00e4ten\n\n\n- Labore und Demos\nModul 09 Sicherheit in BigQuery\n\nThemen\n\n\n- Sichere Ressourcen mit IAM\n- Autorisierte Ansichten\n- Sichere Daten durch Klassifizierung\n- Verschl\u00fcsselung\n- Datenermittlung und -verwaltung\nZielsetzungen\n\n\n- Erkunden Sie die Datenerkennung mit Data Catalog.\n- Er\u00f6rterung der Datenverwaltung mit DLP API und Datenkatalog.\n- Erstellen Sie IAM-Richtlinien (z. B. autorisierte Ansichten), um Ressourcen zu sichern.\n- Sichern Sie Daten mit Klassifizierungen (z. B. Richtlinien auf Zeilenebene).\n- Verstehen, wie BigQuery Verschl\u00fcsselung verwendet.\nAktivit\u00e4ten\n\n\n- Labore und Demos\nModul 10 Automatisieren von Arbeitsbelastungen\n\nThemen\n\n\n- Terminierungsabfragen\n- Skripting\n- Gespeicherte Prozeduren\n- Integration mit Big Data-Produkten\nZielsetzungen\n\n\n- Zeitplanabfragen.\n- Verwenden Sie Skripterstellung und gespeicherte Prozeduren, um benutzerdefinierte Transformationen zu erstellen.\n- Beschreiben Sie, wie Sie BigQuery-Workloads mit anderen Google Cloud Big Data-Produkten integrieren k\u00f6nnen.\nAktivit\u00e4ten\n\n\n- Demos\nModul 11 Maschinelles Lernen in BigQuery\n\nThemen\n\n\n- Einf\u00fchrung in BigQuery ML\n- Wie man mit BigQuery ML Vorhersagen macht\n- Wie man ein Empfehlungssystem mit BigQuery ML erstellt und einsetzt\n- Erstellen und Bereitstellen einer L\u00f6sung f\u00fcr die Nachfrageprognose mit BigQuery ML\n- Zeitreihenmodelle mit BigQuery ML\n- BigQuery ML-Erkl\u00e4rbarkeit\nZielsetzungen\n\n\n- Beschreiben Sie einige der verschiedenen Anwendungen von BigQuery ML.\n- Erstellen und Bereitstellen verschiedener Kategorien von Modellen f\u00fcr maschinelles Lernen mit BigQuery ML.\n- Verwenden Sie AutoML-Tabellen zur L\u00f6sung hochwertiger Gesch\u00e4ftsprobleme.\nAktivit\u00e4ten\n\n\n- Labore und Demos","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs lernen Sie die Interna von BigQuery und die besten Praktiken f\u00fcr den Entwurf, die Optimierung und die Verwaltung Ihres Data Warehouse kennen. Durch eine Kombination aus Vorlesungen, Demos und \u00dcbungen lernen Sie die BigQuery-Architektur kennen und erfahren, wie Sie optimale Speicher und Schemata f\u00fcr die Dateneingabe und -\u00e4nderung entwerfen. Anschliessend lernen Sie Techniken zur Verbesserung der Leseleistung, zur Optimierung von Abfragen, zur Verwaltung von Arbeitslasten und zur Verwendung von Protokollierungs- und \u00dcberwachungstools. Sie lernen auch die verschiedenen Preismodelle kennen. Schliesslich lernen Sie verschiedene Methoden zum Sichern von Daten, Automatisieren von Arbeitslasten und Erstellen von Modellen f\u00fcr maschinelles Lernen mit BigQuery ML kennen.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":3,"formatted":"3 Tage"},"pricelist":{"List Price":{"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":1950},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":1950},"US":{"country":"US","currency":"USD","taxrate":null,"price":1995},"NL":{"country":"NL","currency":"EUR","taxrate":21,"price":2095},"BE":{"country":"BE","currency":"EUR","taxrate":21,"price":2095},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":2220},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":1950},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":1950},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":1980},"IL":{"country":"IL","currency":"ILS","taxrate":17,"price":6770},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":1950},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":2755},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":2450}}},"lastchanged":"2025-10-24T17:10:32+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/30792","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/google-dwbq-sdqa"}}