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
À propos de ce Spécialisation
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
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.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
Cours en ligne à 100 %
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Planning flexible
Définissez et respectez des dates limites flexibles.
Niveau intermédiaire
Approximately 4 months to complete
Suggested pace of 4 hours/week
Français
Sous-titres : Français, Anglais
Certificat partageable
Obtenez un Certificat lorsque vous terminez
Cours en ligne à 100 %
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Planning flexible
Définissez et respectez des dates limites flexibles.
Niveau intermédiaire
Certaines connaissances prérequises.
Approximately 4 months to complete
Suggested pace of 4 hours/week
Français
Sous-titres : Français, Anglais
Cette Spécialisation compte 5 cours
Google Cloud Platform Big Data and Machine Learning Fundamentals en Français
18 évaluations
Ce cours intensif à la demande, d'une durée d'une semaine, présente aux participants les fonctionnalités de big data et de machine learning de Google Cloud Platform (GCP). Il présente rapidement Google Cloud Platform et explique plus en détail les fonctionnalités de traitement des données.
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
What is the refund policy?
Puis-je m'inscrire à un seul cours ?
Is financial aid available?
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 Etudiants.
