Date d'abonnement : 2023
Préparer les données à utiliser pour les tableaux de bord et rapports Looker
Earned jan. 16, 2024 EST
Stocker, traiter et gérer des données sur Google Cloud - Console
Earned jan. 15, 2024 EST
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned jan. 11, 2024 EST
Créer un entrepôt de données avec BigQuery
Earned jan. 5, 2024 EST
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.
Cloud Storage, Cloud Functions et Cloud Pub/Sub sont tous des services Google Cloud Platform qui peuvent être utilisés pour stocker, traiter et gérer des données. Ces trois services peuvent être utilisés ensemble pour créer différentes applications basées sur les données. Dans ce cours, vous allez utiliser Cloud Storage pour stocker des images, Cloud Functions pour les traiter et Cloud Pub/Sub pour les envoyer à une autre application.
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.
Terminez le cours intermédiaire Créer un entrepôt de données avec BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : la jointure de données pour créer des tables, la résolution des problèmes liés aux jointures, l'ajout de données avec des unions, la création de tables partitionnées par date, et l'utilisation d'objets JSON, ARRAY et STRUCT dans BigQuery.