# BigQuery & Cloud Data (Data Science & ML)

> BigQuery, การคิวรี SQL ขนาดใหญ่, การแบ่งพาร์ติชัน, ชุดข้อมูลสาธารณะ, ต้นทุน, การเพิ่มประสิทธิภาพ

- 18 คำถามสัมภาษณ์
- Mid-Level
- [คำถามสัมภาษณ์: Data Science & ML](https://sharpskill.dev/th/technologies/data-science/interview-questions.md)

## 1. Google BigQuery คืออะไร?

**คำตอบ**

BigQuery เป็น data warehouse แบบ serverless ที่ปรับขนาดได้สูงและคุ้มค่าซึ่งให้บริการโดย Google Cloud Platform ช่วยให้สามารถรันคิวรี SQL เชิงวิเคราะห์บนข้อมูลระดับเพตะไบต์ได้ในไม่กี่วินาทีด้วยสถาปัตยกรรมแบบกระจาย ต่างจากฐานข้อมูลแบบดั้งเดิม BigQuery แยกการจัดเก็บออกจากการประมวลผล ทำให้สามารถคิดค่าใช้จ่ายตามการใช้งานและขยายขนาดได้แทบไม่จำกัด

## 2. อะไรคือข้อได้เปรียบหลักของสถาปัตยกรรม serverless ของ BigQuery?

**คำตอบ**

สถาปัตยกรรม serverless ของ BigQuery หมายความว่าไม่มีโครงสร้างพื้นฐานที่ต้องจัดการ: ไม่ต้องจัดเตรียมเซิร์ฟเวอร์ ไม่ต้องกำหนดค่าคลัสเตอร์ ไม่ต้องบำรุงรักษา Google จัดการทรัพยากรโดยอัตโนมัติตามความต้องการ สิ่งนี้ช่วยให้สามารถมุ่งเน้นไปที่การคิวรีและการวิเคราะห์แทนการดูแลระบบ พร้อมรับประโยชน์จากความสามารถในการปรับขนาดอัตโนมัติ

## 3. BigQuery คิดค่าใช้จ่ายสำหรับคิวรีในโหมด on-demand อย่างไร?

**คำตอบ**

ในโหมด on-demand BigQuery คิดค่าใช้จ่ายตามจำนวนข้อมูลที่สแกนโดยคิวรี ไม่ใช่เวลาในการดำเนินการหรือจำนวนแถวที่ส่งคืน เทอราไบต์แรกที่สแกนต่อเดือนฟรี ดังนั้นจึงเป็นสิ่งสำคัญที่จะปรับคิวรีให้เหมาะสมโดยเลือกเฉพาะคอลัมน์ที่จำเป็นและใช้การแบ่งพาร์ติชันเพื่อลดต้นทุน

## มีอีก 15 คำถาม

- Dataset ใน BigQuery คืออะไร?
- การแบ่งพาร์ติชันตารางใน BigQuery คืออะไรและข้อได้เปรียบหลักคืออะไร?

สมัครฟรี: https://sharpskill.dev/th/login

## หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ

- [พื้นฐาน Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-basics.md): 25 คำถาม, Junior
- [การเขียนโปรแกรมเชิงวัตถุด้วย Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-oop.md): 20 คำถาม, Junior
- [โครงสร้างข้อมูล Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-data-structures.md): 20 คำถาม, Junior
- [พื้นฐาน Git](https://sharpskill.dev/th/technologies/data-science/interview-questions/git-fundamentals.md): 18 คำถาม, Junior
- [พื้นฐาน SQL](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-basics.md): 20 คำถาม, Junior
- [พื้นฐาน NumPy](https://sharpskill.dev/th/technologies/data-science/interview-questions/numpy-fundamentals.md): 22 คำถาม, Junior
- [พื้นฐาน Pandas](https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-basics.md): 22 คำถาม, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/th/technologies/data-science/interview-questions/jupyter-colab.md): 16 คำถาม, Junior
- [SQL Joins และคิวรีขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-joins-advanced.md): 22 คำถาม, Mid-Level
- [Pandas ขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-advanced.md): 24 คำถาม, Mid-Level
- [การแสดงผลข้อมูลด้วย Matplotlib & Seaborn](https://sharpskill.dev/th/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20 คำถาม, Mid-Level
- [การแสดงผลแบบโต้ตอบด้วย Plotly](https://sharpskill.dev/th/technologies/data-science/interview-questions/plotly-interactive.md): 18 คำถาม, Mid-Level
- [สถิติเชิงพรรณนา](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-descriptive.md): 20 คำถาม, Mid-Level
- [สถิติเชิงอนุมาน](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-inferential.md): 24 คำถาม, Mid-Level
- [Web Scraping](https://sharpskill.dev/th/technologies/data-science/interview-questions/web-scraping.md): 18 คำถาม, Mid-Level
- [Feature Engineering](https://sharpskill.dev/th/technologies/data-science/interview-questions/feature-engineering.md): 22 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การถดถอย](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-regression.md): 24 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การจำแนกประเภท](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-classification.md): 24 คำถาม, Mid-Level
- [Decision Trees และ Ensembles](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24 คำถาม, Mid-Level
- [Unsupervised ML](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-unsupervised.md): 22 คำถาม, Mid-Level
- [ML Pipelines และการตรวจสอบ](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22 คำถาม, Mid-Level
- [Time Series และการพยากรณ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/time-series-forecasting.md): 22 คำถาม, Mid-Level
- [พื้นฐาน Deep Learning](https://sharpskill.dev/th/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24 คำถาม, Senior
- [TensorFlow & Keras](https://sharpskill.dev/th/technologies/data-science/interview-questions/tensorflow-keras.md): 22 คำถาม, Senior
- [CNN และการจำแนกภาพ](https://sharpskill.dev/th/technologies/data-science/interview-questions/cnn-image-classification.md): 24 คำถาม, Senior
- [RNN และซีเควนซ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/rnn-sequences.md): 22 คำถาม, Senior
- [Transformers และ Attention](https://sharpskill.dev/th/technologies/data-science/interview-questions/transformers-attention.md): 24 คำถาม, Senior
- [NLP และ Hugging Face](https://sharpskill.dev/th/technologies/data-science/interview-questions/nlp-huggingface.md): 24 คำถาม, Senior
- [GenAI และ LangChain](https://sharpskill.dev/th/technologies/data-science/interview-questions/genai-langchain.md): 24 คำถาม, Senior
- [MLOps และการ Deploy](https://sharpskill.dev/th/technologies/data-science/interview-questions/mlops-deployment.md): 24 คำถาม, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/th/technologies/data-science/interview-questions/bigquery-cloud