or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
เริ่มต้นสำรวจพื้นฐาน data modeling ใน Snowflake และเรียนรู้วิธีจัดระเบียบข้อมูลอย่างมีประสิทธิภาพ ทำความเข้าใจแนวคิดหลักของ data modeling ความสำคัญในยุคที่ขับเคลื่อนด้วยข้อมูล และวิธีแสดงและจัดเก็บข้อมูลอย่างเหมาะสม การมองภาพรวมของการจัดระเบียบข้อมูลในขนาดใหญ่จะช่วยให้เข้าใจว่าเหตุใด data model ที่มีโครงสร้างดีจึงช่วยให้การ query และวิเคราะห์ข้อมูลง่ายขึ้น
เจาะลึกหลักการจัดระเบียบและบริหารข้อมูลอย่างมีประสิทธิภาพ โดยเน้นบทบาทสำคัญของ key ในความสัมพันธ์ของข้อมูล และหลักการพื้นฐานของ data normalization ใน Snowflake ทำความเข้าใจโครงสร้างของข้อมูลเชิงสัมพันธ์ รวมถึงความสำคัญของ primary key และ foreign key ในการเชื่อมโยง data entity จากนั้นเรียนรู้กระบวนการ normalization ตั้งแต่ 1NF เพื่อกำจัดข้อมูลซ้ำ ต่อด้วย 2NF เพื่อแก้ partial dependency และสิ้นสุดที่ 3NF เพื่อกำจัด transitive dependency
เจาะลึกกลยุทธ์ data warehousing ใน Snowflake ผ่านแนวทาง data modeling 3 รูปแบบหลัก ได้แก่ Entity-Relationship Model, Dimensional Modeling และ Data Vault เริ่มด้วยการจับคู่ความสัมพันธ์ที่ซับซ้อนในระบบมหาวิทยาลัยด้วย Entity-Relationship Model ซึ่งเหมาะสำหรับการมองภาพปฏิสัมพันธ์ของข้อมูล จากนั้นเรียนรู้ Dimensional Modeling เพื่อลดความซับซ้อนในการวิเคราะห์ข้อมูลผ่าน fact table และ dimension table ที่เหมาะกับการรายงาน แล้วต่อด้วย Data Vault ซึ่งเป็นกรอบงานที่แข็งแกร่งสำหรับการติดตามข้อมูลย้อนหลังและรองรับการเปลี่ยนแปลง
แบบฝึกหัดปัจจุบัน
ปลดล็อกศักยภาพสถาปัตยกรรมของ Snowflake เพื่อเพิ่มประสิทธิภาพการ query และยกระดับความเร็วในการประมวลผล data model สำรวจข้อดีของ columnar storage, Massively Parallel Processing (MPP) และ micro-partition ใน Snowflake เปรียบเทียบกับฐานข้อมูลแบบดั้งเดิม ทำความรู้จัก data object ของ Snowflake ไม่ว่าจะเป็น virtual warehouse, table, view และอื่น ๆ เพื่อจัดระเบียบข้อมูลอย่างชาญฉลาด รวมถึงเทคนิคการปรับแต่ง query การใช้ subquery และ Common Table Expression (CTE) เพื่อเพิ่มประสิทธิภาพการประมวลผลข้อมูล