ホーム > Data Engineering on Google Cloud

Data Engineering on Google Cloud


期間  4日間 時間  9:30~17:30
価格(税込)  352,000円(税込) 主催  トレノケート
形式  講義+ハンズオン コースコード  GGC0022V
日程 会場 空席状況 実施状況 選択

2025年3月11日(火) ~ 2025年3月14日(金)

オンラインLive

  空席あり

2025年5月27日(火) ~ 2025年5月30日(金)

オンラインLive

  空席あり

2025年7月1日(火) ~ 2025年7月4日(金)

オンラインLive

  空席あり

2025年9月2日(火) ~ 2025年9月5日(金)

オンラインLive

  空席あり

※「キャンセル待ち」でお申し込みの方には、別途メールにてご連絡いたします。
※「実施確定」表示のない日程は、お申し込み状況により開催中止になる場合がございます。
※ お申込期日が過ぎた日程は、「お問い合わせください」と表示されます。
※ トレノケート主催コース以外の空席状況は、残席数に関わらず「お申し込み後確認」と表示されます。
※ トレノケート主催コース以外では、主催会社のお席を確保した後に受付確定となります。
お申込みに関するお問い合わせはこちらから

重要なご連絡・ご確認事項

※下記の事前必須手続きが完了していない場合は、ご受講いただけません。手続きが未完了で当日受講出来なかった場合は、有償キャンセルとなりますのでご注意ください。


【ご受講前の必須手続き】
ご受講日までに、下記リンクからプライバシーポリシーと利用規約に同意の上、トレーニングシステム「Qwiklabs」のアカウントを作成してください。
Qwiklabsアカウントとコース申込時の受講者メールアドレスは、同じものをご使用ください。

https://trainocate.qwiklabs.com/?locale=ja

※自動返信メールには「globalknowledge-jp.qwiklabs.comからアクセスしてください」と表示される場合がありますが、同一のサイトですので問題ありません。
※既にtrainocate.qwiklabs.comのQwiklabsアカウントをお持ちの方は再作成の必要はありません。


※受講証明書発行には、全日程の80%以上の出席率または、最低80%以上のラボの完了が必須となりますのでご注意ください。


【本コースはオンライン対応です】

会場が「オンラインLive」または「教室Live配信」の日程は、オンラインでご参加いただけます。

  • オンラインLive:受講者の方はオンラインのみとなります。
  • 教室Live配信:教室・オンラインから受講される方が混在します。

★オンラインLiveトレーニングの詳細はこちら

※本コースはプレイバックサービスの対象外です。

対象者情報

対象者
・次のようなビッグデータ分析を担当する開発者
- データの抽出、読み込み、変換、クリーニング、検証
- データ処理のためのパイプラインとアーキテクチャの設計
- 機械学習と統計モデルの作成と維持
- データセットのクエリ、クエリ結果の視覚化、レポートの作成
前提条件
□Google Cloud Big Data & Machine Learning Fundamentals を受講しているか、同等の経験があること
□データモデリング、抽出、変換などのSQLエクスペリエンスの基本的な知識
□Python などの一般的なプログラミング言語を使用した開発知識

学習内容の詳細

コース概要
この 4 日間のクラスでは、Google Cloud でデータ パイプラインの設計および実践的な構築をハンズオンで学習します。講義、デモ、ハンズオンラボの組み合わせにより、データ処理システムの設計方法、データ パイプラインの構築方法、データの分析方法、およびインサイトの引き出し方を学びます。
Google Cloud でのデータ分析と機械学習について詳細に学ぶことができるコースですが、他の 2 コースに比べ内容はやや難しく、理解するためにはデータ分析や機械学習についての基礎知識が必要です。
基礎知識に自信がなければ、Google Cloud Big Data & Machine Learning Fundamentals もしくは From Data to Insights with Google Cloud を先にご受講されることをお勧めします。
学習目標
● Google Cloud でデータ処理システムを設計して構築する
● BigQuery を使用して非常に大規模なデータセットからビジネスインサイトを引き出す
● Cloud Dataflow で自動スケーリングデータパイプラインを実装し、バッチデータとストリーミングデータを処理する
● Cloud Dataproc を使用して、既存の Hadoop ワークロードをクラウドにリフト&シフトする
● BigQuery ML を使用してさまざまな種類の ML モデルを構築する方法を学ぶ
● 構築済み ML API を使用して非構造化データを活用する方法を学ぶ
● Cloud AutoML を使用してコーディングなしで高度なモデルを作成する方法を学ぶ
学習内容
モジュール 1: データエンジニアリングの概要

モジュール 2: データレイクの構築

モジュール 3: データウェアハウスの構築

モジュール 4: バッチデータパイプラインの構築の概要

モジュール 5: Dataproc での Spark の実行

モジュール 6: Dataflow を使用したサーバーレスデータ処理

モジュール 7: Cloud Data Fusion と Cloud Composer を使用したデータパイプラインの管理

モジュール 8: ストリーミングデータの処理の概要

モジュール 9: Pub / Sub を使用したサーバーレスメッセージング

モジュール 10: Dataflow のストリーミング機能

モジュール 11: 高スループットの BigQuery と Bigtable ストリーミング機能

モジュール 12: 高度な BigQuery の機能とパフォーマンス

モジュール 13: 分析と AI:はじめに

モジュール 14: 非構造化データ用の事前構築済み ML モデル API

モジュール 15: Notebooks を使用したビッグデータ分析

モジュール 16: Kubeflow を使用した本番環境の ML パイプライン

モジュール 17: BigQuery ML で SQL を使用したカスタムモデルの構築

モジュール 18: AutoML を使用したカスタムモデルの構築

実習/演習内容詳細

演習/デモ内容
ラボ 1: BigQuery を使用したデータの分析
ラボ 2: Cloud SQL へのタクシーデータの読み込み
ラボ 3: BigQuery へのデータの読み込み
ラボ 4: BigQuery での JSON や配列データの操作
ラボ 5: Dataproc での Apache Spark ジョブを実行
ラボ 6: Cloud Data Fusion でパイプライングラフを作成して実行する
ラボ 7: Cloud Composerの概要
ラボ 8: シンプルな Dataflow パイプライン(Python / Java)
ラボ 9: Beam での MapReduce(Python / Java)
ラボ 10: 副入力(Python / Java)
ラボ 11: Pub/Sub へのストリーミングデータのパブリッシュ
ラボ 12: ストリーミングデータ パイプライン
ラボ 13: ストリーミング分析とダッシュボード
ラボ 14: Bigtable へのストリーミングデータパイプライン
ラボ 15: BigQuery クエリを最適化してパフォーマンスを高める
ラボ(オプション): BigQuery のパーティション分割テーブル
ラボ 16: Natural Language API を使用した非構造化テキストの分類
ラボ 17: Vertex AIの JupyterLab で BigQuery を利用する
ラボ 18: Kubeflow での ML パイプラインの実行
ラボ(オプション): BQML の回帰モデルを使用した自転車レンタル時間の予測
ラボ(オプション): BigQuery ML を使用した映画のレコメンデーション

ご注意・ご連絡事項

事前必須手続きが完了していない場合は、ご受講いただけません。手続きが未完了で当日受講出来なかった場合は、有償キャンセルとなりますのでご注意ください。
【事前必須手続き】
・リンクよりトレーニングシステム「Qwiklab」アカウントを作成してください。
・Qwiklabsアカウントとコース申込時の受講者メールアドレスは、同じものをご使用ください。
受講証明書発行には、全日程の80%以上の出席率または、最低80%以上のラボの完了が必須となりますのでご注意ください。
【本コースはオンライン対応です】
会場が「オンラインLive」または「教室Live配信」の日程は、オンラインでご参加いただけます。
・オンラインLive:受講者の方はオンラインのみとなります。
・教室Live配信:教室・オンラインから受講される方が混在します。
※本コースはプレイバックサービスの対象外です。

おすすめのコースフロー図を見る