Data Engineering on Google Cloud Platform en Français

Course 1: Google Cloud Platform Big Data and Machine Learning Fundamentals en Français
- Ce cours intensif à la demande, d'une durée d'une semaine, présente aux participants les fonctionnalités de big data et de machine learning de Google Cloud Platform (GCP). Il présente rapidement Google Cloud Platform et explique plus en détail les fonctionnalités de traitement des données. À l'issue de ce cours, les participants sauront : • identifier l'objectif et la valeur des principaux produits de big data et de machine learning de Google Cloud Platform ; • utiliser CloudSQL et Cloud Dataproc pour transférer les charges de travail MySQL et Hadoop/Pig/Spark/Hive vers Google Cloud Platform ; • utiliser BigQuery et Cloud Datalab pour réaliser des analyses de données interactives ; • choisir entre Cloud SQL, BigTable et Datastore ; • entraîner et exploiter un réseau de neurones avec TensorFlow ; • choisir entre différentes solutions de traitement des données de Google Cloud Platform. Pour s'inscrire à ce cours, les participants doivent pouvoir témoigner d'une expérience d'environ un (1) an dans au moins l'une des disciplines suivantes : • Un langage de requête courant tel que SQL • L'extraction, la transformation, le chargement de données • La modélisation de données • Le machine learning et/ou les statistiques • La programmation Python Remarque concernant les comptes Google : • Pour le moment, les services Google ne sont pas disponibles en Chine.

Course 2: Serverless Machine Learning with Tensorflow on Google Cloud Platform en Français
- Ce cours à la demande accéléré réparti sur une semaine propose aux participants une introduction pratique à la conception et à la création de modèles de machine learning sur la plateforme Google Cloud. Grâce à une combinaison de présentations, de démonstrations et d'ateliers pratiques, les participants découvriront les concepts du machine learning, aussi appelé apprentissage automatique, et de TensorFlow, et acquerront des compétences pratiques pour développer, évaluer et produire des modèles de machine learning. OBJECTIFS Ce cours enseigne aux participants les compétences suivantes : ● Identifier les cas d'utilisation de machine learning ● Élaborer un modèle de ML à l'aide de TensorFlow ● Élaborer des modèles de ML évolutifs et déployables avec Cloud ML ● Comprendre l'importance des fonctionnalités de prétraitement et de combinaison ● Incorporer des concepts de ML évolués à leurs modèles ● Faire passer des modèles de ML entraînés en production CONDITIONS PRÉALABLES Pour tirer le meilleur parti de ce cours, les participants doivent : ● avoir achevé le cours "Google Cloud Fundamentals: Big Data & Machine Learning" OU posséder une expérience équivalente ; ● posséder des compétences de base dans un langage de requête courant tel que SQL ; ● posséder une expérience des activités de modélisation, d'extraction, de transformation et de chargement de données ; ● développer des applications à l'aide d'un langage de programmation commun tel que Python ; ● connaître le machine learning et/ou les statistiques. Remarque concernant les comptes Google : • Les services Google sont actuellement indisponibles en Chine.

Course 3: Leveraging Unstructured Data with Cloud Dataproc on Google Cloud Platform en Français
- Ce cours intensif, d'une durée d'une semaine, se base sur de précédents cours de la spécialisation Data Engineering on Google Cloud Platform. À travers un ensemble de conférences vidéo, de démonstrations et d'ateliers pratiques, vous allez apprendre à créer et à gérer des clusters informatiques pour exécuter des tâches Hadoop, Spark, Pig et Hive sur Google Cloud Platform.Vous apprendrez également à accéder à diverses options de stockage dans le cloud à partir de leurs clusters de calcul et à intégrer les fonctionnalités de machine learning de Google à leurs programmes d'analyse. Lors des ateliers pratiques, vous allez créer et gérer des clusters Dataproc via la console Web et la CLI, et vous utiliserez les clusters pour exécuter des tâches Spark et Pig. Vous créerez ensuite des notebooks iPython qui s'intègrent à BigQuery et à l'espace de stockage, et vous utiliserez Spark. Enfin, vous intégrerez les API de machine learning à votre analyse de données. Prérequis • Avoir suivi la formation Google Cloud Platform Big Data & Machine Learning Fundamentals (ou disposer d'une expérience équivalente) • Disposer de quelques notions de Python

Course 4: Serverless Data Analysis with Google BigQuery and Cloud Dataflow en Français
- Ce cours intensif à la demande, d'une durée d'une semaine, complète le cours Big Data and Machine Learning Fundamentals de Google Cloud Platform (GCP). À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques conduits par un formateur, les élèves apprendront à gérer l'entreposage, l'analyse et le traitement des pipelines de données no-ops. Conditions préalables : • Cours Google Cloud Platform Big Data and Machine Learning Fundamentals • Expérience de l'utilisation d'un langage de requête de type SQL pour l'analyse de données • Connaissance de Python ou de Java Remarque concernant les comptes Google : • Pour le moment, les services Google ne sont pas disponibles en Chine.

Course 5: Building Resilient Streaming Systems on Google Cloud Platform en Français
- Ce cours intensif à la demande, d'une durée d'une semaine, complète le cours Google Cloud Platform Big Data and Machine Learning Fundamentals. À travers un ensemble de vidéos, de démonstrations et d'ateliers pratiques, vous allez apprendre à créer des pipelines de flux de données à l'aide de Google Cloud Pub/Sub et de Dataflow pour permettre la prise de décision en temps réel. Vous apprendrez également à créer des tableaux de bord en vue d'obtenir des résultats sur mesure pour les différents types d'intervenants. Prérequis : • Google Cloud Platform Big Data and Machine Learning Fundamentals (ou expérience équivalente) • Quelques notions de Java Objectifs : • Comprendre les cas d'utilisation pour l'analyse de flux en temps réel • Gérer les événements de données à l'aide du service de messagerie asynchrone de Google Cloud Pub/Sub • Coder des pipelines de flux de données et effectuer des transformations si nécessaire • Découvrir les deux facettes d'un pipeline de flux de données : production et consommation • Interopérer Dataflow, BigQuery et Cloud Pub/Sub pour l'analyse des flux de données en temps réel