Traitement des données sans serveur avec Dataflow : principes de base
Earned sept. 20, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned sept. 9, 2022 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned août 28, 2022 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned août 18, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned août 9, 2022 EDT
Infrastructure fondamentale Google Cloud : principes de base
Earned mai 21, 2022 EDT
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned mai 14, 2022 EDT
Se préparer à devenir Associate Cloud Engineer
Earned avr. 9, 2022 EDT
Ce cours est le premier d'une série en trois volets sur le traitement des données sans serveur avec Dataflow. Dans ce premier cours, nous allons commencer par rappeler ce qu'est Apache Beam et sa relation avec Dataflow. Ensuite, nous aborderons la vision d'Apache Beam et les avantages de son framework de portabilité, qui permet aux développeurs d'utiliser le langage de programmation et le backend d'exécution de leur choix. Nous vous montrerons aussi comment séparer le calcul du stockage et économiser de l'argent grâce à Dataflow, puis nous examinerons les interactions entre les outils de gestion de l'identification et des accès avec vos pipelines Dataflow. Enfin, nous verrons comment implémenter le modèle de sécurité adapté à votre cas d'utilisation sur Dataflow.
En savoir plus
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.
En savoir plus
Dans ce cours de niveau intermédiaire, vous apprendrez à concevoir, créer et optimiser des pipelines de données en batch robustes sur Google Cloud. Au-delà des bases de la gestion des données, vous explorerez les transformations de données à grande échelle et l'orchestration efficace des workflows, essentielles pour l'informatique décisionnelle et les rapports critiques.
Vous vous entraînerez à utiliser Dataflow pour Apache Beam et Serverless pour Apache Spark (Dataproc Serverless) pour l'implémentation, et vous aborderez des considérations importantes concernant la qualité des données, la surveillance et les alertes pour assurer la fiabilité des pipelines et l'excellence opérationnelle. Il est recommandé d'avoir des connaissances de base sur l'entreposage de données, les processus ETL/ELT, SQL, Python et les concepts de Google Cloud.
En savoir plus
Bien que les approches traditionnelles utilisant des lacs de données et des entrepôts de données puissent être efficaces, elles présentent des inconvénients, en particulier dans les grands environnements d'entreprise. Ce cours présente le concept de data lakehouse et les produits Google Cloud utilisés pour en créer un. Une architecture de lakehouse utilise des sources de données basées sur des normes ouvertes et combine les meilleures fonctionnalités des lacs et des entrepôts de données, ce qui permet de pallier de nombreuses lacunes.
En savoir plus
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.
En savoir plus
Ce cours accéléré à la demande présente aux participants les services complets et flexibles d'infrastructure et de plate-forme offerts par Google Cloud, en s'intéressant plus particulièrement à Compute Engine. À travers un ensemble de cours vidéo, de démonstrations et d'ateliers pratiques, les participants découvrent et déploient des éléments de solution, y compris des composants d'infrastructure tels que des réseaux, des machines virtuelles et des services d'applications. Vous découvrirez comment utiliser Google Cloud via la console et Cloud Shell. Vous en apprendrez également plus sur le rôle d'un architecte cloud, sur les approches de la conception d'infrastructure et sur la configuration de réseaux virtuels avec Virtual Private Cloud (VPC), les projets, les réseaux, les sous-réseaux, les adresses IP, les routes et les règles de pare-feu.
En savoir plus
"Concepts fondamentaux de Google Cloud : infrastructure de base" présente les concepts et les termes à connaître pour utiliser Google Cloud. À travers des vidéos et des ateliers pratiques, il décrit et compare la plupart des services Google Cloud de calcul et de stockage, ainsi que des outils importants de gestion des ressources et des règles.
En savoir plus
Ce cours vous aide à préparer l'examen pour obtenir la certification Associate Cloud Engineer. Vous découvrirez les domaines Google Cloud abordés dans l'examen et verrez comment créer un plan de formation pour améliorer vos connaissances de ces domaines.
Traitement des données sans serveur avec Dataflow : principes de base
Earned sept. 20, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned sept. 9, 2022 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned août 28, 2022 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned août 18, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned août 9, 2022 EDT
Infrastructure fondamentale Google Cloud : principes de base
Earned mai 21, 2022 EDT
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned mai 14, 2022 EDT
Se préparer à devenir Associate Cloud Engineer
Earned avr. 9, 2022 EDT