Kubernetes est le système d'orchestration de conteneurs le plus populaire, et Google Kubernetes Engine a été conçu spécifiquement pour les déploiements gérés de Kubernetes dans Google Cloud. Dans ce cours de niveau avancé, vous allez suivre des ateliers pratiques pour apprendre à configurer les images et les conteneurs Docker, ainsi qu'à déployer des applications Kubernetes Engine opérationnelles. Vous allez également acquérir les compétences nécessaires pour intégrer l'orchestration de conteneurs à votre propre workflow. Vous cherchez un atelier challenge pratique pour démontrer vos compétences et valider vos connaissances ? Suivez cet atelier challenge complémentaire après avoir terminé ce cours et le cours Déployer des applications Kubernetes sur Google Cloud pour recevoir un badge numérique Google Cloud exclusif.
Ceci est le deuxième cours de la série "Data to Insights". Ici, nous verrons comment ingérer de nouveaux ensembles de données externes dans BigQuery et les visualiser avec Looker Studio. Nous aborderons également des concepts SQL intermédiaires, tels que les jointures et les unions de plusieurs tables, qui vous permettront d'analyser les données de différentes sources. Remarque : Même si vous avez des connaissances en SQL, certaines spécificités de BigQuery (comme la gestion du cache de requêtes et des caractères génériques de table) peuvent ne pas vous être familières.Une fois que vous aurez terminé ce cours, inscrivez-vous au cours "Achieving Advanced Insights with BigQuery".
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Ce cours présente une approche pratique du workflow de ML avec une étude de cas dans laquelle une équipe est confrontée à plusieurs exigences métier et cas d'utilisation de ML. Cette équipe doit comprendre quels outils sont nécessaires pour gérer et gouverner les données, et trouver la meilleure approche pour les prétraiter. On présente à cette équipe trois options de création de modèles de ML pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe tire parti des avantages d'AutoML, de BigQuery ML ou de l'entraînement personnalisé pour atteindre ses objectifs.
Terminez le cours d'introduction Dégager des insights des données BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'écriture de requêtes SQL, l'interrogation de tables publiques, le chargement d'exemples de données dans BigQuery, la résolution d'erreurs de syntaxe courantes avec l'outil de validation des requêtes de BigQuery et la création de rapports dans Data Studio en se connectant aux données BigQuery.
Terminez le cours intermédiaire Créer des modèles de ML avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et l'évaluation de modèles de machine learning avec BigQuery ML pour générer des prédictions de données.
Obtenez un badge de compétence débutant en suivant le cours Automatiser la collecte de données à grande échelle avec Document AI. Dans ce cours, vous allez apprendre à extraire, traiter et capturer des données à l'aide de Document AI.
Ce cours à la demande permet aux participants de comprendre et d’adopter le maillage de services basé sur Istio avec Anthos pour centraliser l'observabilité, la gestion du trafic et la sécurité au niveau du service. Il s'agit du deuxième cours de la série "Architecting Hybrid Cloud Infrastructure with Anthos". Une fois ce cours terminé, les participants doivent suivre le cours "Hybrid Cloud Multi-Cluster with Anthos". Vous devez avoir terminé le parcours "Architecting with Google Kubernetes Engine" pour pouvoir suivre ce cours.
This intermediate-level quest is unique among Qwiklabs quests. These labs have been curated to give operators hands-on practice with Anthos—a new, open application modernization platform on Google Cloud. Anthos enables you to build and manage modern hybrid applications. Tasks include: installing service mesh, collecting telemetry, and securing your microservices with service mesh policies. This quest is composed of labs targeted to teach you everything you need to know to introduce service mesh, and Anthos, into your next hybrid cloud project.
Bienvenue dans le cours "Hybrid Cloud Infrastructure Foundations with Anthos". Il s'agit du premier cours du parcours "Architecting Hybrid Cloud Infrastructure with Anthos". Anthos vous permet de créer et de gérer des applications modernes, et de les exécuter où vous le souhaitez. Anthos offre une expérience cohérente dans les environnements sur site et dans le cloud. Dans ce cours, nous allons vous présenter les modules qui vous permettront d'acquérir des compétences que vous utiliserez en tant qu'architecte ou administrateur responsable de l'exécution d'environnements Anthos. Les modules de ce cours incluent des vidéos, des ateliers pratiques et des liens vers des ressources de documentation utiles.
Terminez le cours d'introduction Préparer les données à utiliser pour les tableaux de bord et rapports Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : le filtrage, le tri et le croisement de données ; la fusion des résultats de différentes explorations Looker ; et l'utilisation de fonctions et d'opérateurs pour créer des tableaux de bord et des rapports Looker en vue de l'analyse et de la visualisation des données.
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.
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.
Earn a skill badge by completing the Secure Workloads in Google Kubernetes Engine quest, where you learn about security at scale on Google Kubernetes Engine (GKE) including how to: migrate containers from virtual machines to Google Kubernetes Engine, restrict network connections in GKE using firewalls and Network Policies, use role-based access controls (RBAC) in GKE, use Binary Authorization for security controls of your images, secure applications in GKE using 3 access levels: host, network, Kubernetes API, and harden GKE cluster configurations. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.