Google Cloud Computing Foundations : principes de base du cloud computing
Earned mars 11, 2026 EDT
Présentation de l'IA générative
Earned mars 9, 2026 EDT
Travailler avec des modèles Gemini dans BigQuery
Earned jan. 31, 2026 EST
Booster la productivité avec Gemini dans BigQuery
Earned jan. 19, 2026 EST
Créer un maillage de données avec Dataplex
Earned jan. 13, 2026 EST
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned jan. 13, 2026 EST
Implémenter Cloud Load Balancing pour Compute Engine
Earned jan. 13, 2026 EST
Créer un entrepôt de données avec BigQuery
Earned jan. 11, 2026 EST
Traitement des données sans serveur avec Dataflow : développer des pipelines
Earned jan. 11, 2026 EST
Introduction à l'ingénierie des données sur Google Cloud
Earned mars 25, 2025 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned nov. 14, 2024 EST
Traitement des données sans serveur avec Dataflow : opérations
Earned nov. 12, 2024 EST
Traitement des données sans serveur avec Dataflow : principes de base
Earned nov. 11, 2024 EST
Créer des pipelines de flux de données sur Google Cloud
Earned nov. 4, 2024 EST
Créer des pipelines de données en batch sur Google Cloud
Earned oct. 30, 2024 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned oct. 1, 2024 EDT
Se préparer à devenir Professional Data Engineer
Earned juil. 16, 2024 EDT
Les cours Google Cloud Computing Foundations sont destinés aux personnes ayant peu ou pas de connaissances ni d'expérience dans le cloud computing. Ils offrent un aperçu des concepts de base du cloud, du big data et du machine learning, et expliquent où et comment Google Cloud s'y intègre.
À la fin de cette série de cours, les participants seront à même de définir ces concepts et auront acquis des compétences pratiques.
Les cours doivent être suivis dans cet ordre :
1. Google Cloud Computing Foundations : principes de base du cloud computing
2. Google Cloud Computing Foundations : infrastructure dans Google Cloud
3. Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud
4. Google Cloud Computing Foundations : données, ML et IA dans Google Cloud
Ce premier cours offre une vue d’ensemble du cloud computing, des façons d’utiliser Google Cloud et des différentes options de calcul.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA générative, décrit à quoi elle sert et souligne ce qui la distingue des méthodes de machine learning traditionnel. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
En savoir plus
Ce cours montre comment utiliser des modèles d'IA/de ML pour des tâches d'IA générative dans BigQuery. À travers un cas d'utilisation pratique faisant intervenir la gestion de la relation client, vous étudierez le workflow de résolution d'un problème métier à l'aide de modèles Gemini. Pour faciliter la compréhension, le cours fournit également des instructions détaillées tout au long du codage des solutions à l'aide de requêtes SQL et de Notebooks Python.
En savoir plus
Ce cours présente Gemini dans BigQuery, une suite de fonctionnalités basées sur l'IA conçue pour faciliter le workflow "des données à l'IA". Ces fonctionnalités incluent l'exploration et la préparation des données, la génération et le dépannage de code, ainsi que la découverte et la visualisation du workflow. Au moyen d'explications conceptuelles, d'un cas d'utilisation concret et d'ateliers pratiques, le cours explique aux professionnels des données comment booster leur productivité et accélérer le pipeline de développement.
En savoir plus
Terminez le cours d'introduction Créer un maillage de données avec Dataplex pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création d'un maillage de données avec Dataplex pour faciliter la sécurité, la gouvernance et la découverte des données sur Google Cloud. Cela comprend l'ajout de tags à des éléments, l'attribution de rôles IAM et l'évaluation de la qualité des données dans Dataplex.
En savoir plus
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
Terminez le cours d'introduction Implémenter Cloud Load Balancing pour Compute Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : Créer et déployer des machines virtuelles dans Compute Engine Configurer des équilibreurs de charge réseau et d'application.
En savoir plus
Terminez le cours intermédiaire Créer un entrepôt de données avec BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : la jointure de données pour créer des tables, la résolution des problèmes liés aux jointures, l'ajout de données avec des unions, la création de tables partitionnées par date, et l'utilisation d'objets JSON, ARRAY et STRUCT dans BigQuery.
En savoir plus
Dans ce deuxième volet de la série de cours sur Dataflow, nous allons nous intéresser de plus près au développement de pipelines à l'aide du SDK Beam. Nous allons commencer par passer en revue les concepts d'Apache Beam. Nous allons ensuite parler du traitement des données par flux à l'aide de fenêtres, de filigranes et de déclencheurs. Nous passerons ensuite aux options de sources et de récepteurs dans vos pipelines, aux schémas pour présenter vos données structurées, et nous verrons comment effectuer des transformations avec état à l'aide des API State et Timer. Nous aborderons ensuite les bonnes pratiques qui vous aideront à maximiser les performances de vos pipelines. Vers la fin du cours, nous présentons le langage SQL et les DataFrames pour représenter votre logique métier dans Beam, et nous expliquons comment développer des pipelines de manière itérative à l'aide des notebooks Beam.
En savoir plus
Dans ce cours, vous allez explorer l'ingénierie de données sur Google Cloud, les rôles et responsabilités des ingénieurs de données, et la façon dont ces éléments se retrouvent dans les offres Google Cloud. Vous apprendrez également à relever les défis liés à l'ingénierie de données.
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 le dernier volet de la série de cours sur Dataflow, nous allons présenter les composants du modèle opérationnel de Dataflow. Nous examinerons les outils et techniques permettant de résoudre les problèmes et d'optimiser les performances des pipelines. Nous passerons ensuite en revue les bonnes pratiques en matière de test, de déploiement et de fiabilité pour les pipelines Dataflow. Nous terminerons par une présentation des modèles, qui permettent de faire évoluer facilement les pipelines Dataflow pour les adapter aux organisations comptant des centaines d'utilisateurs. Ces leçons vous aideront à vous assurer que votre plate-forme de données est stable et résiliente face aux imprévus.
En savoir plus
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
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 a pour objectif d'aider les participants à créer un plan de formation pour l'examen de certification Professional Data Engineer. Les participants découvriront l'étendue et le champ d'application des domaines abordés lors de l'examen, puis évalueront leur niveau de préparation à l'examen et créeront leur propre plan de formation.
Google Cloud Computing Foundations : principes de base du cloud computing
Earned mars 11, 2026 EDT
Présentation de l'IA générative
Earned mars 9, 2026 EDT
Travailler avec des modèles Gemini dans BigQuery
Earned jan. 31, 2026 EST
Booster la productivité avec Gemini dans BigQuery
Earned jan. 19, 2026 EST
Créer un maillage de données avec Dataplex
Earned jan. 13, 2026 EST
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned jan. 13, 2026 EST
Implémenter Cloud Load Balancing pour Compute Engine
Earned jan. 13, 2026 EST
Créer un entrepôt de données avec BigQuery
Earned jan. 11, 2026 EST
Traitement des données sans serveur avec Dataflow : développer des pipelines
Earned jan. 11, 2026 EST
Introduction à l'ingénierie des données sur Google Cloud
Earned mars 25, 2025 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned nov. 14, 2024 EST
Traitement des données sans serveur avec Dataflow : opérations
Earned nov. 12, 2024 EST
Traitement des données sans serveur avec Dataflow : principes de base
Earned nov. 11, 2024 EST
Créer des pipelines de flux de données sur Google Cloud
Earned nov. 4, 2024 EST
Créer des pipelines de données en batch sur Google Cloud
Earned oct. 30, 2024 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned oct. 1, 2024 EDT
Se préparer à devenir Professional Data Engineer
Earned juil. 16, 2024 EDT