We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
Aditya Vashisht
Date d'abonnement : 2022
Ligue de bronze
2000 points
Traitement des données sans serveur avec Dataflow : principes de base
Earned oct. 4, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned oct. 3, 2022 EDT
Créer des pipelines de flux de données sur Google Cloud
Earned oct. 3, 2022 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned sept. 30, 2022 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned sept. 21, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned sept. 21, 2022 EDT
[DEPRECATED] Building Advanced Codeless Pipelines on Cloud Data Fusion
Earned juil. 25, 2022 EDT
Créer des pipelines sans code sur Cloud Data Fusion
Earned juil. 20, 2022 EDT
Ce cours est le premier d'une série en trois volets sur le traitement des données sans serveur avec Dataflow. Dans ce premier cours, nous allons commencer par rappeler ce qu'est Apache Beam et sa relation avec Dataflow. Ensuite, nous aborderons la vision d'Apache Beam et les avantages de son framework de portabilité, qui permet aux développeurs d'utiliser le langage de programmation et le backend d'exécution de leur choix. Nous vous montrerons aussi comment séparer le calcul du stockage et économiser de l'argent grâce à Dataflow, puis nous examinerons les interactions entre les outils de gestion de l'identification et des accès avec vos pipelines Dataflow. Enfin, nous verrons comment implémenter le modèle de sécurité adapté à votre cas d'utilisation sur Dataflow.
En savoir plus
Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.
En savoir plus
Dans ce cours, vous allez vous exercer à résoudre des problèmes concrets rencontrés lors de la création de pipelines de flux données. L'objectif principal est de gérer des données continues et illimitées avec les produits Google Cloud.
En savoir plus
Dans ce cours de niveau intermédiaire, vous apprendrez à concevoir, créer et optimiser des pipelines de données en batch robustes sur Google Cloud. Au-delà des bases de la gestion des données, vous explorerez les transformations de données à grande échelle et l'orchestration efficace des workflows, essentielles pour l'informatique décisionnelle et les rapports critiques.
Vous vous entraînerez à utiliser Dataflow pour Apache Beam et Serverless pour Apache Spark (Dataproc Serverless) pour l'implémentation, et vous aborderez des considérations importantes concernant la qualité des données, la surveillance et les alertes pour assurer la fiabilité des pipelines et l'excellence opérationnelle. Il est recommandé d'avoir des connaissances de base sur l'entreposage de données, les processus ETL/ELT, SQL, Python et les concepts de Google Cloud.
En savoir plus
Bien que les approches traditionnelles utilisant des lacs de données et des entrepôts de données puissent être efficaces, elles présentent des inconvénients, en particulier dans les grands environnements d'entreprise. Ce cours présente le concept de data lakehouse et les produits Google Cloud utilisés pour en créer un. Une architecture de lakehouse utilise des sources de données basées sur des normes ouvertes et combine les meilleures fonctionnalités des lacs et des entrepôts de données, ce qui permet de pallier de nombreuses lacunes.
En savoir plus
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.
En savoir plus
This advanced-level Quest builds on its predecessor Quest, and offers hands-on practice on the more advanced data integration features available in Cloud Data Fusion, while sharing best practices to build more robust, reusable, dynamic pipelines. Learners get to try out the data lineage feature as well to derive interesting insights into their data’s history.
En savoir plus
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.
En savoir plus
