Cette formation de spécialisation en ligne d'une durée de cinq semaines présente en pratique comment concevoir et développer des systèmes de traitement des données sur Google Cloud. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprennent à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à exécuter des tâches de machine learning. Ce cours permet aux participants d'acquérir les compétences suivantes : • Concevoir et développer des systèmes de traitement de données sur Google Cloud Platform • Exploiter des données non structurées à l'aide de Spark et des API de ML sur Cloud Dataproc • Traiter des données par lot ou par flux en mettant en œuvre des pipelines de données d'autoscaling sur Cloud Dataflow • Obtenir des informations métier à partir de très grands ensembles de données à l'aide de Google BigQuery • Entraîner, évaluer et effectuer des prédictions à l'aide de modèles de machine learning avec TensorFlow et Cloud ML • Obtenir des insights immédiats à partir de données par flux Ce cours s'adresse aux développeurs expérimentés qui se chargent de réaliser des opérations de transformation du big data. En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service
Overview
Syllabus
Course 1: Google Cloud Big Data and Machine Learning Fundamentals en Français
- Offered by Google Cloud. Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le ... Enroll for free.
Course 2: Modernizing Data Lakes and Data Warehouses with GCP en Français
- Offered by Google Cloud. Les lacs de données et les entrepôts de données sont les deux principaux composants des pipelines de données. Ce ... Enroll for free.
Course 3: Building Batch Data Pipelines on GCP en Français
- Offered by Google Cloud. Les pipelines de données s'inscrivent généralement dans l'un des paradigmes EL (extraction et chargement), ELT ... Enroll for free.
Course 4: Building Resilient Streaming Analytics Systems on GCP en Français
- Offered by Google Cloud. Le traitement de flux de données est une pratique de plus en plus courante, car elle permet aux entreprises ... Enroll for free.
Course 5: Smart Analytics, Machine Learning, and AI on GCP en Français
- Offered by Google Cloud. Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce ... Enroll for free.
- Offered by Google Cloud. Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le ... Enroll for free.
Course 2: Modernizing Data Lakes and Data Warehouses with GCP en Français
- Offered by Google Cloud. Les lacs de données et les entrepôts de données sont les deux principaux composants des pipelines de données. Ce ... Enroll for free.
Course 3: Building Batch Data Pipelines on GCP en Français
- Offered by Google Cloud. Les pipelines de données s'inscrivent généralement dans l'un des paradigmes EL (extraction et chargement), ELT ... Enroll for free.
Course 4: Building Resilient Streaming Analytics Systems on GCP en Français
- Offered by Google Cloud. Le traitement de flux de données est une pratique de plus en plus courante, car elle permet aux entreprises ... Enroll for free.
Course 5: Smart Analytics, Machine Learning, and AI on GCP en Français
- Offered by Google Cloud. Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce ... Enroll for free.
Courses
-
Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.
-
Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.
-
Les lacs de données et les entrepôts de données sont les deux principaux composants des pipelines de données. Ce cours présente des cas d'utilisation de chaque type de stockage, ainsi que les détails techniques des solutions de lacs et d'entrepôts de données disponibles sur Google Cloud. Il décrit également le rôle des ingénieurs de données et les avantages d'un pipeline de données réussi sur les opérations commerciales, avant d'expliquer pourquoi il est important de procéder à l'ingénierie des données dans un environnement cloud. Il s'agit du premier cours de la série "Data Engineering on Google Cloud". Après l'avoir terminé, inscrivez-vous au cours "Building Batch Data Pipelines on Google Cloud".
-
Les pipelines de données s'inscrivent généralement dans l'un des paradigmes EL (extraction et chargement), ELT (extraction, chargement et transformation) ou ETL (extraction, transformation et chargement). Ce cours indique quel paradigme utiliser pour le traitement de données par lot en fonction du contexte. Il présente également plusieurs technologies Google Cloud de transformation des données, y compris BigQuery, l'exécution de Spark sur Dataproc, les graphiques de pipelines dans Cloud Data Fusion et le traitement des données sans serveur avec Dataflow. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant des composants de pipelines de données sur Google Cloud à l'aide de Qwiklabs.
-
Le traitement de flux de données est une pratique de plus en plus courante, car elle permet aux entreprises d'obtenir des métriques sur leurs activités commerciales en temps réel. Ce cours explique comment créer des pipelines de flux de données sur Google Cloud et présente Pub/Sub, une solution qui permet de gérer des données de flux entrants. Par ailleurs, vous verrez comment appliquer des agrégations et des transformations à des flux de données à l'aide de Dataflow, mais aussi comment stocker des enregistrements traités dans BigQuery ou Cloud Bigtable pour qu'ils puissent être analysés. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant des composants de pipelines de flux de données sur Google Cloud à l'aide de Qwiklabs.
Taught by
Google Cloud Training
Related Courses
-
Data Engineer, Big Data and ML on Google Cloud en Français
-
Data Engineering on Google Cloud Platform en Français
-
Machine Learning with TensorFlow on Google Cloud en Français
-
Networking in Google Cloud en Français
-
Developing Applications with Google Cloud en Français
-
Architecting with Google Compute Engine en Français
