Rejoindre Se connecter

Nitish Girkar

Date d'abonnement : 2022

Ingénierie des données pour la modélisation prédictive avec BigQuery ML Earned juil. 16, 2023 EDT
Data Lake Modernization on Google Cloud: Cloud Composer Earned juil. 16, 2023 EDT
PostgreSQL to Cloud SQL Earned juil. 13, 2023 EDT
Data Warehousing for Partners: Stream Data with Pub/Sub Earned juil. 10, 2023 EDT
Créer des pipelines de flux de données sur Google Cloud Earned juil. 6, 2023 EDT
Créer des pipelines de données en batch sur Google Cloud Earned mai 23, 2023 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud Earned mai 7, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français Earned avr. 20, 2023 EDT

Terminez le cours intermédiaire Ingénierie des données pour la modélisation prédictive avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création de pipelines de transformation des données dans BigQuery avec Dataprep by Trifacta ; l'utilisation de Cloud Storage, Dataflow et BigQuery pour créer des workflows ETL (Extract, Transform and Load) ; et la création de modèles de machine learning avec BigQuery ML.

En savoir plus

Welcome to Cloud Composer, where we discuss how to orchestrate data lake workflows with Cloud Composer.

En savoir plus

This workload aims to upskill Google Cloud partners to perform specific tasks associated with priority workloads. Learners will perform the tasks of migrating data from PostgreSQL to CloudSQL using the Database Migration Service.

En savoir plus

This course explores how to implement a streaming analytics solution using Pub/Sub.

En savoir plus

Dans ce cours, vous allez vous exercer à résoudre des problèmes concrets rencontrés lors de la création de pipelines de flux données. L'objectif principal est de gérer des données continues et illimitées avec les produits Google Cloud.

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