Certaines connaissances prérequises.
Spécialisation Data Engineer, Big Data and ML on Google Cloud en Français
Ingénierie des données sur Google Cloud Platform. Boostez votre carrière dans le domaine de l'ingénierie des données
Offert par
Ce que vous allez apprendre
Reconnaître le cycle de vie "des données à l'IA" sur Google Cloud, ainsi que les principaux produits de big data et de machine learning
Créer des pipelines de traitement par flux avec Dataflow et Pub/Sub
Analyser le big data à grande échelle avec BigQuery
Identifier différentes options pour créer des solutions de machine learning sur Google Cloud
À propos de ce Spécialisation
Projet d'apprentissage appliqué
Cette spécialisation comporte des ateliers pratiques. Pour vous y inscrire, vous devez disposer d'un compte Google (un compte Gmail suffit) et créer un compte d'essai gratuit à Google Cloud Platform. L'essai gratuit est restreint à 12 mois d'utilisation ou à 300 $ de crédit (selon la limite atteinte en premier). Nous avons donc conçu cette spécialisation pour que vous puissiez la terminer en quatre semaines.
Ces ateliers vous permettent d'appliquer ce que vous apprenez dans les cours en vidéo. Les projets sont axés autour d'outils tels que Google BigQuery, qui sont utilisés et configurés dans Codelabs. Vous développerez ainsi une expérience pratique des concepts expliqués dans les modules.
Certaines connaissances prérequises.
Comment fonctionne la Spécialisation
Suivez les cours
Une Spécialisation Coursera est une série de cours axés sur la maîtrise d'une compétence. Pour commencer, inscrivez-vous directement à la Spécialisation ou passez en revue ses cours et choisissez celui par lequel vous souhaitez commencer. Lorsque vous vous abonnez à un cours faisant partie d'une Spécialisation, vous êtes automatiquement abonné(e) à la Spécialisation complète. Il est possible de terminer seulement un cours : vous pouvez suspendre votre formation ou résilier votre abonnement à tout moment. Rendez-vous sur votre tableau de bord d'étudiant pour suivre vos inscriptions aux cours et vos progrès.
Projet pratique
Chaque Spécialisation inclut un projet pratique. Vous devez réussir le(s) projet(s) pour terminer la Spécialisation et obtenir votre Certificat. Si la Spécialisation inclut un cours dédié au projet pratique, vous devrez terminer tous les autres cours avant de pouvoir le commencer.
Obtenir un Certificat
Lorsque vous aurez terminé tous les cours et le projet pratique, vous obtiendrez un Certificat que vous pourrez partager avec des employeurs éventuels et votre réseau professionnel.

Cette Spécialisation compte 5 cours
Google Cloud Big Data and Machine Learning Fundamentals en Français
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.
Modernizing Data Lakes and Data Warehouses with GCP en Français
Les deux principaux composants de tout pipeline de données sont les lacs de données et les entrepôts de données. Ce cours aborde les cas d'utilisation de chacun de ces systèmes de stockage, et présente en détail les solutions disponibles sur Google Cloud Platform. Il décrit également le rôle de Data Engineer et les atouts des pipelines de données pour l'entreprise, en plus d'expliquer l'intérêt de l'environnement cloud pour l'ingénierie de données. Vous vous familiariserez, dans le cadre d'exercices pratiques dans QwikLabs, aux concepts de lacs et d'entrepôts de données sur Google Cloud Platform.
Building Batch Data Pipelines on GCP en Français
En règle générale, les pipelines de données fonctionnent sur le modèle "Extraction et chargement" (EL), "Extraction, chargement et transformation" (ELT), ou "Extraction, transformation et chargement" (ETL). Dans ce cours, vous apprendrez où et quand appliquer ces différents modèles à des lots de données. Vous découvrirez également plusieurs technologies Google Cloud Platform permettant de transformer des données, y compris BigQuery, Spark exécuté sur Cloud Dataproc, les graphiques de pipelines dans Cloud Data Fusion et le traitement de données sans serveur avec Cloud Dataflow. Vous aurez en outre l'occasion de créer les composants d'un pipeline de données sur Google Cloud Platform dans le cadre d'un atelier pratique QwikLabs.
Building Resilient Streaming Analytics Systems on GCP en Français
*Remarque : Ceci est un nouveau cours proposant des contenus actualisés, différents de ceux que vous avez peut-être vus dans la précédente version de cette spécialisation.
Offert par

Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Foire Aux Questions
Quelle est la politique de remboursement ?
Puis-je m'inscrire à un seul cours ?
Une aide financière est-elle possible ?
Puis-je suivre le cours gratuitement ?
Ce cours est-il vraiment accessible en ligne à 100 % ? Dois-je assister à certaines activités en personne ?
Puis-je obtenir des crédits universitaires si je réussis la Spécialisation ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.