Formation Google Cloud Plateform : Ingénierie de Données
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
À l'issue de cette formation Google Cloud Platform : Ingénerie de données vous aurez acquis les connaissances et les compétences nécessaires pour :
- Concevoir et déployer des pipelines et des architectures pour le traitement des données
- Créer et déployer des workflows de machine learning
- Interroger des ensembles de données
- Visualiser des résultats de requêtes et création de rapports
| Tarif |
A partir de 3 190,00 € |
| Durée | 4 jours (28h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 3 190,00 € |
| Durée | 4 jours (28h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Description
L'ingénierie de données sur Google Cloud Platform se concentre sur les services Big Data et Machine Learning de la plate-forme cloud de Google.
L'objectif de cette formation Google Cloud Platform : Ingénerie des données est d'apprendre aux participants à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à effectuer un apprentissage automatique. Les démonstrations s'appuient sur les différents services proposés par Google Cloud Platform : BigQuery, Dataflow, Tensorflow, CloudML, Dataproc...
Programme
Introduction à l’ingénierie des données
Explorez le rôle d’un data engineer
Analyser les défis d’ingénierie des données
Introduction à BigQuery
Data lakes et data warehouses
Démo : requêtes fédérées avec BigQuery
Bases de données transactionnelles vs data warehouses
Démo : recherche de données personnelles dans votre jeu de données avec l’API DLP
Travailler efficacement avec d’autres équipes de données
Gérer l’accès aux données et gouvernance
Construire des pipelines prêts pour la production
Étude de cas d’un client GCP
Travaux pratiques
Analyse de données avec BigQuery
Construire un Data Lake
Introduction aux data lakes
Stockage de données et options ETL sur GCP
Construction d’un data lake à l’aide de Cloud Storage
Démo : optimisation des coûts avec les classes et les fonctions cloud de Google Cloud Storage
Sécurisation de Cloud Storage
Stocker tous les types de données
Démo : exécution de requêtes fédérées sur des fichiers Parquet et ORC dans BigQuery
Cloud SQL en tant que data lake relationnel
Construire un Data Warehouse
Le data warehouse moderne
Introduction à BigQuery
Démo : Requêter des TB + de données en quelques secondes
Commencer à charger des données
Démo : Interroger Cloud SQL à partir de BigQuery
Travaux pratiques
Chargement de données avec la console et la CLI
Explorer les schémas
Exploration des jeux de données publics BigQuery avec SQL à l’aide de INFORMATION_SCHEMA
Conception de schéma
Démo : Exploration des jeux de données publics BigQuery avec SQL à l’aide de INFORMATION_SCHEMA
Champs imbriqués et répétés dans BigQuery
Travaux pratiques
Tableaux et structures
Optimiser avec le partitionnement et le clustering
Démo : Tables partitionnées et groupées dans BigQuery
Aperçu: Transformation de données par lots et en continu
Introduction à la construction de pipelines de données par lots EL, ELT, ETL
Considérations de qualité
Comment effectuer des opérations dans BigQuery
Démo : ELT pour améliorer la qualité des données dans BigQuery
Des lacunes
ETL pour résoudre les problèmes de qualité des données
Exécution de Spark sur Cloud Dataproc
L’écosystème Hadoop
Exécution de Hadoop sur Cloud Dataproc GCS au lieu de HDFS
Optimiser Dataproc
Travaux pratiques
Exécution de jobs Apache Spark sur Cloud Dataproc
Traitement de données sans serveur avec Cloud Dataflow
Cloud Dataflow
Pourquoi les clients apprécient-ils Dataflow ?
Pipelines de flux de données
Travaux pratiques
Pipeline de flux de données simple (Python / Java)
MapReduce dans un flux de données (Python / Java)
Entrées latérales (Python / Java)
Templates Dataflow
Dataflow SQL
Gestion des pipelines de données avec Cloud Data Fusion et Cloud Composer
Création visuelle de pipelines de données par lots avec Cloud Data Fusion : composants, présentation de l’interface utilisateur, construire un pipeline, exploration de données en utilisant Wrangler
Travaux pratiques
Construction et exécution d’un graphe de pipeline dans Cloud Data Fusion
Orchestrer le travail entre les services GCP avec Cloud Composer - Apache Airflow Environment: DAG et opérateurs, planification du flux de travail
Démo : Chargement de données déclenché par un événement avec Cloud Composer, Cloud Functions, Cloud Storage et BigQuery
Travaux pratiques
Introduction à Cloud Composer
Introduction au traitement de données en streaming
Traitement des données en streaming
Serverless messaging avec Cloud Pub/Sub
Cloud Pub/Sub
Travaux pratiques
Publier des données en continu dans Pub/Sub
Fonctionnalités streaming de Cloud Dataflow
Fonctionnalités streaming de Cloud Dataflow
Travaux pratiques
Pipelines de données en continu
Fonctionnalités Streaming à haut débit BigQuery et Bigtable
Fonctionnalités de streaming BigQuery
Travaux pratiques
Analyse en continu et tableaux de bord
Cloud Bigtable
Travaux pratiques
Pipelines de données en continu vers Bigtable
Fonctionnalité avancées de BigQuery et performance
Analytic Window Functions
Utiliser des clauses With
Fonctions SIG
Démo : Cartographie des codes postaux à la croissance la plus rapide avec BigQuery GeoViz
Considérations de performance
Travaux pratiques
Optimisation de vos requêtes BigQuery pour la performance
Création de tables partitionnées par date dans BigQuery
Introduction à l’analytique et à l’IA
Qu’est-ce que l’IA ?
De l’analyse de données ad hoc aux décisions basées sur les données
Options pour modèles ML sur GCP
API de modèle ML prédéfinies pour les données non structurées
Les données non structurées sont difficiles à utiliser
API ML pour enrichir les données
Travaux pratiques
Utilisation de l’API en langage naturel pour classer le texte non structuré
Big Data Analytics avec les notebooks Cloud AI Platform
Qu’est-ce qu’un notebook
BigQuery Magic et liens avec Pandas
Travaux pratiques
BigQuery dans Jupyter Labs sur IA Platform
Pipelines de production ML avec Kubeflow
Façons de faire du ML sur GCP
Kubeflow AI Hub
Travaux pratiques
Utiliser des modèles d’IA sur Kubeflow
Création de modèles personnalisés avec SQL dans BigQuery ML
BigQuery ML pour la construction de modèles rapides
Démo : Entraîner un modèle avec BigQuery ML pour prédire les tarifs de taxi à New York
Modèles pris en charge
Travaux pratiques
Prédire la durée d’une sortie en vélo avec un modèle de régression dans BigQuery ML
Recommandations de film dans BigQuery ML
Création de modèles personnalisés avec Cloud AutoML
Pourquoi Auto ML?
Auto ML Vision
Auto ML NLP
Auto ML Tables
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
- Maîtriser les fondamentaux de Airtable et la création de base de données
- Utiliser les fonctionnalités avancées de Airtable
- Composer et organiser des interfaces utilisateurs sans pré-requis en conception applicative
- Créer des bases de données relationnelles dans un cadre applicatif
- Modéliser et gérer des actions (workflows)
- Intégrer des API pour créer des applications puissantes
- Construire une application web ou mobile opérationnelle
| Tarif |
A partir de 2 770,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
- Expliquer les modèles d’hébergements possibles avec Blazor
- Installer et créer un nouveau projet
- Créer des composants d’application réutilisables
- Expliquer comment fonctionne le routage
- Maitriser les mécanismes d’injection de dépendances
- Expliquer les mécanismes de rendu
- Gérer l’authentification et les autorisations
- Gérer la mise en page d’un site
- Ecrire des tests unitaires pour votre application
- Tirer parti de l’écosystème Javascript existant
- Créer une application PWA
| Tarif |
Contacter l'organisme |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
Concrètement, à l'issue de cette formation Logiciel R vous aurez acquis les connaissances et les compétences nécessairesp pour :
- Savoir utiliser des méthodes d’exploration de données
- Comprendre le principe de la modélisation statistique
- Choisir entre la régression et la classification
- Mettre en œuvre une évaluation des performances prédictives d'un modèle
| Tarif |
A partir de 2 390,00 € |
| Durée |
4j / 28h |
| Modes |
|
Logiciel de présentation Google Slides - GSlides - Tutoriel vidéos pédagogiques
Proposé par SHURAFORM - FORMAEREMObjectifs de la formation
Connaître l'environnement Google SlidesEtre capable de créer une présentation
Ajouter des animations et des transitions à votre présentation
Ajouter divers objets dans votre présentation
Présenter sa présentation ou l'imprimer
| Tarif |
A partir de 559,00 € |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
- Décrypter le modèle de financement à l'activité
- Identifier les problèmes inhérents à l'organisation de votre chaîne de facturation
- Mettre en place la T2A et la facturation au fil de l'eau
| Tarif |
A partir de 1 450,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Intégrer les enjeux financiers liés au fonctionnement et à l'activité hospitalière dans sa prise de décision.
- Optimiser ses méthodes et outils du contrôle de gestion pour une analyse efficiente de l'hôpital.
- Exploiter des tableaux de bord de gestion adaptés aux problématiques hospitalières.
- Éclairer les choix du décideur au regard du développement des activités.
| Tarif |
A partir de 1 560,00 € |
| Durée |
2 jours |
| Modes |
|
Objectifs de la formation
- Travailler avec une organisation pour recueillir les besoins et mettre en œuvre les solutions Power Platform
- Créer des modèles, des canevas et des portails d'applications
- Créer flux Power Automate
- Concevoir un chatbot simple en utilisant Power Virtual Agents
- Analyser les données à l'aide de visualisations et de tableaux de bord Power BI
| Tarif |
A partir de 3 150,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation AIOps, vous aurez acquis les connaissances nécessaires pour :
- Comprendre les concepts fondamentaux et les principes clés de l’AIOps
- Appréhender les concepts généraux du Big Data et de l’AI ainsi que la manière dont ils sont liés à l’AIOps
- Connaître la relation entre AIOps et MLOps
- Être en mesure de quantifier les résultats d’une mise en œuvre d’AIOps à l’aide de métriques clés
- Comprendre les défis et les opportunités d’utilisation de l’AIOps dans l’entreprise
- Se préparer à la certification « AIOps Foundation »
| Tarif |
A partir de 2 330,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation PostgreSQL, vous aurez acquis les connaissances et compétences nécessaires pour :
- Découvrir l’architecture de PostgreSQL et ses outils principaux
- Savoir installer et administrer un serveur PostgreSQL
- Être capable de gérer des bases de données PostgreSQL au quotidien
- Savoir interagir avec un serveur PostgreSQL au moyen de Psql
- Savoir configurer les permissions et les accès des utilisateurs
- Mettre en œuvre la sécurité au sein de votre base de données PostgreSQL
- Mettre en place une stratégie de sauvegarde et de restauration
| Tarif |
A partir de 1 950,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
Amazon Web Services fournit des services en ligne à d'autres sites internet ou applications clientes. La plupart d'entre eux ne sont pas directement exposés à l'utilisateur final, mais offrent des fonctionnalités que d'autres développeurs peuvent utiliser.
Concrètement, cette formation vous apportera les connaissances et compétences pour :
- Acquérir la connaissance des concepts et des fonctionnalités de base du Cloud AWS (Amazon Web Services)
- Apprendre la mise en œuvre de base des composants IaaS (Infrastructure as a Service) : Réseaux virtuels, Machines Virtuelles, Backup, Sécurité et Monitoring des applications.
| Tarif |
A partir de 1 480,00 € |
| Durée |
2j / 14h |
| Modes |
|
