Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.
Aujourd'hui, le big data, le machine learning et l'intelligence artificielle sont des thèmes en vogue dans le domaine de l'informatique. Ce sont toutefois des disciplines pointues, pour lesquelles il n'est pas toujours simple de trouver des documents de référence. Heureusement, Google Cloud propose des services conviviaux dédiés, ainsi que ce cours d'introduction, pour vous aider à faire vos premiers pas avec des outils comme BigQuery, l'API Cloud Speech et Video Intelligence.
Il n'a échappé à personne que le machine learning est une technologie très dynamique, et Google Cloud Platform a joué un rôle déterminant dans son développement. Doté d'une multitude d'API.
Créer des modèles de machine learning en quelques minutes au lieu de plusieurs heures grâce à SQL, ça vous intéresse ? BigQuery ML démocratise le machine learning en permettant aux analystes de données de créer, d'entraîner et d'évaluer des modèles de ML, puis de les utiliser pour faire des prédictions, en s'appuyant sur leurs outils SQL et leurs connaissances actuelles dans ce langage. Dans cette série d'ateliers, vous allez essayer différents types de modèles et apprendre ce qui caractérise un bon modèle.
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.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
Ce cours vous permet de vous familiariser avec Cloud Data Fusion, une plate-forme cloud native et sans code pour l'intégration de données. Les développeurs ETL, les ingénieurs de données et les analystes peuvent grandement bénéficier des transformations et connecteurs prédéfinis pour créer et déployer leurs pipelines sans avoir à écrire de code. Ce cours commence par un atelier d'introduction dans lequel les participants découvrent l'UI de Cloud Data Fusion. Ils apprennent ensuite à exécuter des pipelines par lot et en temps réel, ainsi qu'à utiliser le plug-in Wrangler intégré pour effectuer des transformations intéressantes sur les données.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Il s'agit de la deuxième quête des ateliers dérivés des exercices du livre Data Science on Google Cloud Platform de Valliappa Lakshmanan, publié par O'Reilly Media, Inc. Dans cette seconde quête, qui couvre du chapitre neuf à la fin du livre, vous développez les compétences acquises lors de la première quête et exécutez des tâches de machine learning de A à Z avec des outils de pointe et des ensembles de données réels, le tout à l'aide des outils et services de Google Cloud Platform.
Vous voulez créer un entrepôt de données ou l'optimiser ? Découvrez les bonnes pratiques d'extraction, de transformation et de chargement des données dans Google Cloud avec BigQuery. Dans cette série d'ateliers interactifs, vous allez créer votre propre entrepôt de données et l'optimiser en utilisant différents ensembles de données publics à grande échelle de BigQuery. BigQuery est la base de données d'analyse à faible coût de Google, entièrement gérée et qui ne nécessite aucune opération (NoOps). Avec BigQuery, vous pouvez interroger des téraoctets de données sans avoir à gérer d'infrastructure ni faire appel à un administrateur de base de données. Basé sur le langage SQL et le modèle de paiement à l'usage, BigQuery vous permet de vous concentrer sur l'analyse des données pour en dégager des informations pertinentes.
Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.
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 Looker Studio en se connectant aux données BigQuery.
Terminez le cours intermédiaire Déployer des applications Kubernetes sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la configuration et la création d'images de conteneur Docker, la création et la gestion de clusters Google Kubernetes Engine (GKE), l'utilisation de kubectl pour gérer efficacement les clusters et le déploiement d'applications Kubernetes en appliquant des pratiques de livraison continue (CD) robustes.
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.
Suivez le cours Configurer un environnement de développement d'applications sur Google Cloud et obtenez un badge de compétence. Dans ce cours, vous apprendrez à créer et connecter une infrastructure cloud axée sur le stockage à l'aide des fonctionnalités de base des technologies suivantes Cloud Storage, Identity and Access Management, Cloud Functions et Pub/Sub.
Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. 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.
Obtenez un badge de compétence avancé en suivant le cours Utiliser des API de machine learning sur Google Cloud, qui présente les fonctionnalités de base des technologies de machine learning et d'IA suivantes : l'API Cloud Vision, l'API Cloud Translation et l'API Cloud Natural Language.
Il n'a échappé à personne que le machine learning est une technologie très dynamique, et Google Cloud Platform a joué un rôle déterminant dans son développement. Doté d'une multitude d'API, GCP propose un outil pour pratiquement toutes les tâches de machine learning. Avec ce cours d'introduction, vous allez vous familiariser avec le machine learning et son application au traitement du langage. Au cours de divers ateliers, vous allez extraire des entités à partir de texte, effectuer une analyse des sentiments et de la syntaxe, ainsi que transcrire du contenu audio avec l'API Speech-to-Text.
Twelve years ago Lily started the Pet Theory chain of veterinary clinics, and has been expanding rapidly. Now, Pet Theory is experiencing some growing pains: their appointment scheduling system is not able to handle the increased load, customers aren't receiving lab results reliably through email and text, and veteranerians are spending more time with insurance companies than with their patients. Lily wants to build a cloud-based system that scales better than the legacy solution and doesn't require lots of ongoing maintenance. The team has decided to go with serverless technology. For the labs in the Google Cloud Run Serverless Quest, you will read through a fictitious business scenario in each lab and assist the characters in implementing a serverless solution. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of this quest to receive an exclusive Google…
L'utilisation de la puissance de calcul à grande échelle pour détecter des modèles et lire des images est l'une des technologies fondamentales de l'IA, des voitures sans conducteur à la reconnaissance faciale. Google Cloud Platform offre une vitesse et une précision de pointe grâce à des systèmes qui peuvent être utilisés simplement en appelant des API. Doté en plus d'une multitude d'API, GCP propose un outil pour pratiquement toutes les tâches de machine learning. Dans ce cours d'introduction, vous allez vous familiariser avec le machine learning et son application au traitement de l'image. Au cours de divers ateliers, vous allez étiqueter des images, détecter des visages et des points de repère, mais aussi extraire, analyser et traduire du texte à partir d'images.
Terminez le cours d'introduction Préparer des données pour les API de ML sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : le nettoyage des données avec Dataprep by Trifacta, l'exécution de pipelines de données dans Dataflow, la création de clusters et l'exécution de jobs Apache Spark dans Dataproc, et l'appel d'API de ML comme l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text et l'API Video Intelligence.
Obtenez un badge de compétence débutant en suivant le cours Créer un site Web sur Google Cloud. Ce cours s'appuie sur la série Get Cooking in Cloud et aborde les thèmes suivants :Déployer un site Web sur Cloud RunHéberger une application Web sur Compute EngineCréer, déployer et faire évoluer votre site Web sur Google Kubernetes EngineMigrer d'une application monolithique vers une architecture de microservices à l'aide de Cloud Build
Ce cours d'introduction explique aux développeurs d'applications comment l'écosystème de Google Cloud peut les aider à créer des applications cloud natives sécurisées, évolutives et intelligentes. Vous apprendrez à créer et à faire évoluer des applications sans configurer d'infrastructure, à exécuter des analyses de données, à dégager des insights à partir de données, et à utiliser des API de ML pré-entraînées pour tirer parti du machine learning, même si vous n'êtes pas un expert en la matière. Vous découvrirez également l'intégration parfaite de divers services et API de Google afin de créer des applications intelligentes.
Learn how to develop and scale applications without setting up infrastructure, run data analytics and gain insights from data, and develop with pre-trained ML APIs to leverage machine learning event if you are not a Machine Learning expert. In today's game learn to create a small App Engine application that displays a short message.