BigQuery のインタラクティブなチュートリアルと動画

BigQuery のインタラクティブなチュートリアル

次のインタラクティブなチュートリアルは、BigQuery の使用を開始するのに役立ちます。

始める前に

アカウントにログインします。 Google Cloud を初めて使用する場合は、 アカウントを作成して、実際のシナリオで Google プロダクトのパフォーマンスを評価してください。 Google Cloud新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

1. BigQuery API を有効にします。

   API を有効にするために必要なロール

   API を有効にするには、serviceusage.services.enable 権限を含む Service Usage 管理者 IAM ロール（roles/serviceusage.serviceUsageAdmin）が必要です。詳しくは、ロールを付与する方法をご覧ください。

   API の有効化

   新しいプロジェクトでは、BigQuery API が 自動的に有効になります。

2. （省略可）プロジェクトに対する課金を有効にします。課金を有効にしない場合や、クレジット カードを指定しない場合でも、このドキュメントの手順は行えます。BigQuery には、この手順を実施するためのサンドボックスが用意されています。詳細については、BigQuery サンドボックスを有効にするをご覧ください。
   注: プロジェクトに請求先アカウントがあり、 BigQuery サンドボックスを使用する場合は、 プロジェクトの課金を無効にしてください。

これらのチュートリアルは、 Google Cloud コンソールで開始されます。リンクをクリックして、インタラクティブなチュートリアルを開始します。

タイトル	説明
データの読み込みとクエリ
BigQuery Studio で一般公開データセットに対してクエリを実行する	BigQuery サンドボックスを使用して、一般公開データセットのデータをクエリして可視化します 。
BigQuery Studio を使用してデータを読み込んでクエリを実行する	BigQuery Studio を使用して、データセットの作成、データの読み込み、 データのクエリを行います。
bq コマンドライン ツールでデータを読み込んでクエリを実行する	BigQuery コマンドライン ツールを使用して、データセットの作成、 データの読み込み、データのクエリを行います。
Cloud Storage から BigQuery にデータをインポートする	コンソールを使用して、Cloud Storage から BigQuery にデータをインポートし、データをクエリします。 Google Cloud
ワークロード管理
予約を使ってみる	Google Cloud コンソールを使用して、スロットの購入、予約の作成、 予約へのプロジェクトの割り当てを行います。
AI
Gemini のアシスタント機能を使用してクエリを作成する	BigQuery で Gemini の AI を活用したアシスタント機能を使用して、 SQL クエリと Python コードでデータをクエリします。
クライアント ライブラリ
C# のツアー	BigQuery C# クライアント ライブラリを使用して一般公開データセットに対してクエリを実行します。
Go の手順を見る	BigQuery Go クライアント ライブラリを使用して一般公開データセットに対してクエリを実行します。
Java ツアー	BigQuery Java クライアント ライブラリを使用して一般公開データセットに対してクエリを実行します。
Node.js のツアー	BigQuery Node.js クライアント ライブラリを使用して一般公開データセットに対してクエリを実行します。
PHP ツアー	BigQuery PHP クライアント ライブラリを使用して一般公開データセットに対してクエリを実行します。
Python のツアー	BigQuery Python クライアント ライブラリを使用して一般公開データセットに対してクエリを実行します。
Ruby の手順を見る	BigQuery Ruby クライアント ライブラリを使用して一般公開データセットに対してクエリを実行します。

BigQuery の動画

次の動画チュートリアルでは、BigQuery について詳しく説明します。その他の Google Cloud 動画については、Google Cloud Tech YouTube チャンネルにご登録ください。

タイトル	説明
プロダクトの概要
1 分でわかる BigQuery（1:26）	Google のフルマネージド データ ウェアハウスである BigQuery の概要。
1 分でわかる BigQuery ML（1:40）	BigQuery ML の概要。BigQuery ML を使用すると、時系列予測、異常検出、分類、回帰、クラスタリング、次元削減、推奨事項などのタスクに対して、モデルのトレーニング、評価、推論を行えます。
AI
Gemini AI と BigQuery でのデータ分析の概要（3:42）	Gemini in BigQuery の概要。Gemini in BigQuery は、データ ライフサイクル全体にわたってワークフローを効率化するのに役立つ AI とデータ分析機能を提供します。
BigQuery と Gemini AI を使用してデータ分析を行う （7:00）	Gemini モデルを使用して、新しい分析情報を生成し、データセットを充実させ、画像、動画、テキストなどのマルチモーダル コンテンツを分析する方法の概要。
BigQuery データ エンジニアリング エージェントの概要（6:19）	データ アナリストがコーディング、スキーマ マッピング、メタデータの作成にかかる時間を短縮できる BigQuery データ エンジニアリング エージェントの概要 。
BigQuery データ キャンバスの概要（6:03）	AI を活用した BigQuery データ キャンバスの概要。この自然言語中心のツールを使用すると、データの検索、クエリ、および可視化のプロセスをシンプルにできます。
データのクエリと可視化
BigQuery と Cloud Logging にパイプ構文を導入（5:00）	BigQuery のパイプ構文を使用すると、コードをより直感的に 構造化できます。パイプ構文を使用すると、探索的 分析と複雑なログ分析タスクの両方を簡素化し、分析情報を迅速に取得できます。
Colab で BigQuery の地理空間データを可視化する（10:00）	BigQuery では、標準 SQL を使用して地理空間データを保存して分析できます。また、そのデータを Colab ノートブックに取り込むことで、BigQuery の機能を一般的な Python 可視化ライブラリと柔軟に組み合わせることができます。
Looker で BigQuery データを可視化する（3:00）	Looker の使いやすいインターフェースと強力なセマンティック モデリング機能を使用して、 BigQuery データにシームレスに接続して可視化する方法の概要。
BigQuery ストレージ
BigQuery テーブルの概要（6:55）	BigQuery のさまざまな種類のテーブルの概要。 マネージド テーブル、外部テーブル、論理ビューとマテリアライズド ビューを含む仮想テーブルなど。
BigQuery でのデータの格納方法（8:19）	BigQuery でデータを保存する方法の概要。BigQuery ストレージを最適化する方法について 十分な情報に基づいて判断できます。パーティショニングとクラスタリングの概要が含まれます。
モニタリングとロギング
BigQuery でのモニタリング（7:43）	データ ウェアハウスをモニタリングして費用を最適化し、 最適化が必要なクエリを特定し、 データ共有とアクセスを監査する方法の概要。