Aussadach Masun
Date d'abonnement : 2021
Ligue de Diamant
50530 points
Date d'abonnement : 2021
Ce cours présente Gemini dans BigQuery, une suite de fonctionnalités basées sur l'IA conçue pour faciliter le workflow "des données à l'IA". Ces fonctionnalités incluent l'exploration et la préparation des données, la génération et le dépannage de code, ainsi que la découverte et la visualisation du workflow. Au moyen d'explications conceptuelles, d'un cas d'utilisation concret et d'ateliers pratiques, le cours explique aux professionnels des données comment booster leur productivité et accélérer le pipeline de développement.
Ce cours montre comment utiliser des modèles d'IA/de ML pour des tâches d'IA générative dans BigQuery. À travers un cas d'utilisation pratique faisant intervenir la gestion de la relation client, vous étudierez le workflow de résolution d'un problème métier à l'aide de modèles Gemini. Pour faciliter la compréhension, le cours fournit également des instructions détaillées tout au long du codage des solutions à l'aide de requêtes SQL et de Notebooks Python.
Cette collection d'ateliers pratiques démontre la puissance de l'intégration des services et des outils de Google Cloud aux applications Workspace. Vous pouvez par exemple créer un bot d'enquête avec Node.js, utiliser l'API Natural Language pour reconnaître les sentiments dans un document Google Docs ou encore créer un chatbot avec Apps Script.
Terminez le cours Implémenter Sensitive Data Protection dans Google Cloud pour recevoir un badge de compétence dans le domaine suivant : utilisation des services Sensitive Data Protection (y compris l'API Cloud Data Loss Prevention) pour inspecter, masquer et supprimer les éléments d'identification des données sensibles dans Google Cloud.
Obtenez le badge de compétence intermédiaire La livraison sécurisée de logiciels pour démontrer votre capacité à intégrer de manière proactive la sécurité au cycle de vie du développement logiciel (SDLC) en appliquant les principes DevSecOps. Vous apprendrez à utiliser Google Kubernetes Engine (GKE) et Cloud Run pour déployer des images de conteneurs de façon sécurisée, à implémenter l'analyse des failles automatisée pour identifier les risques de manière proactive et à simplifier le développement d'applications avec Artifact Registry tout en mettant l'accent sur la sécurité. Vous apprendrez également à intégrer Cloud Build pour des processus de développement robustes et à implémenter des stratégies de contrôle des admissions pour un contrôle précis de votre environnement.
Terminez le cours d'introduction Sécuriser des données Lakehouse pour recevoir un badge démontrant vos compétences avec IAM, BigQuery, Lakehouse et Data Catalog dans Knowledge Catalog pour créer et sécuriser des tables Lakehouse.
Obtenez un badge de compétence en suivant le cours Google Cloud Compute : principes de base, où vous apprendrez à utiliser des machines virtuelles (VM), des disques persistants et des serveurs Web à l'aide de Compute Engine.
Terminez le cours intermédiaire Développer des applications d'IA générative avec Gemini et Streamlit pour recevoir un badge démontrant vos compétences dans les domaines suivants : la génération de texte, l'application d'appels de fonction avec le SDK Python et l'API Gemini, et le déploiement d'une application Streamlit avec Cloud Run. Vous découvrirez différentes manières de demander à Gemini de générer du texte, d'utiliser Cloud Shell pour effectuer des tests et des itérations sur une application Streamlit, puis de l'empaqueter en tant que conteneur Docker déployé dans Cloud Run.
Terminez le cours intermédiaire Inspecter des documents enrichis avec Gemini multimodal et le RAG multimodal pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'utilisation de requêtes multimodales pour extraire des informations de données textuelles et visuelles, la génération d'une description vidéo et la récupération d'informations qui ne sont pas incluses dans une vidéo en utilisant la multimodalité avec Gemini ; la création de métadonnées de documents contenant du texte et des images, la collecte de tous les éléments de texte pertinents, et l'impression de citations à l'aide de la génération augmentée par récupération (RAG, Retrieval Augmented Generation) multimodale avec Gemini.
Obtenez le badge de compétence intermédiaire Explorer l'IA générative dans Agent Platform pour démontrer vos compétences dans les domaines suivants : la génération de texte, l'analyse d'images et de vidéos pour améliorer la création de contenu, et l'application de techniques d'appel de fonction dans l'API Gemini. Découvrez comment exploiter des techniques Gemini avancées et étendre les capacités de vos projets optimisés par l'IA, et explorez le fonctionnement de la génération de contenu multimodal.
Earn a skill badge by completing the Build Custom Processors with Document AI course. You learn how to extract data and classify documents by creating custom ML models specific to your business needs. This course teaches the foundation skills of building your own processors, working with optical character recognition, form parsing, processor creation, and uptraining the DocumentAI model.
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.
Obtenez le Badge de Compétence en suivant le cours Implémenter des solutions vocales et linguistiques avec des API pré-entraînées, où vous apprendrez à utiliser des outils d'API liés à la parole pour synthétiser et transcrire la parole.
Obtenez le badge de compétence de niveau débutant "Créer des applications d'IA concrètes avec Gemini et Imagen" pour démontrer vos compétences dans les domaines suivants : reconnaissance d'image, traitement du langage naturel, génération d'images à l'aide des puissants modèles Gemini et Imagen de Google, et déploiement d'applications sur la plate-forme Vertex AI.
Terminez le cours d'introduction Conception de requêtes dans Agent Platform pour recevoir un badge démontrant vos compétences dans les domaines suivants : le prompt engineering (ingénierie des requêtes), l'analyse d'images et les techniques d'IA générative multimodale dans Agent Platform. Découvrez comment élaborer des requêtes efficaces, guider les résultats de l'IA générative et appliquer des modèles Gemini à des scénarios marketing concrets.
Dans ce cours, nous abordons en détail les composants et les bonnes pratiques de construction de systèmes de ML hautes performances dans des environnements de production. Nous verrons aussi certaines des considérations les plus courantes concernant la construction de ces systèmes, telles que l'entraînement statique, l'entraînement dynamique, l'inférence statique, l'inférence dynamique, les tâches TensorFlow distribuées et les TPU. Ce cours a pour objectif d'explorer les caractéristiques d'un bon système de ML, au-delà de sa capacité à effectuer des prédictions correctes.
Dans ce cours, nous définirons ce qu'est le machine learning et ce qu'il peut apporter à votre entreprise. Vous verrez quelques démonstrations de l'utilisation du ML et découvrirez ses termes clés, comme instances, caractéristiques et étiquettes. Lors des ateliers interactifs, vous vous entraînerez à appeler les API de ML préentrainées disponibles et à construire vos propres modèles de machine learning en utilisant simplement SQL avec BigQuery ML.
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.
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.
Ce cours présente les fonctionnalités d'IA et de machine learning (ML) de Google Cloud, en mettant l'accent sur le développement de projets d'IA prédictive et générative. Il explore les différents outils, produits et technologies disponibles tout au long du cycle de vie des données à l'IA, et permet aux data scientists, aux développeurs d'IA et aux ingénieurs en ML d'améliorer leur expertise grâce à des exercices interactifs.
Dans ce cours, vous découvrirez comment Gemini, un outil de collaboration Google Cloud optimisé par l'IA générative, aide à analyser les données client et à prédire les ventes de produits. Vous apprendrez également à identifier, classer et développer de nouveaux clients à l'aide des données client dans BigQuery. À l'aide d'ateliers pratiques, vous verrez en quoi Gemini améliore les workflows d'analyse de données et de machine learning. Duet AI a été rebaptisé Gemini, notre modèle nouvelle génération.
Dans ce bref cours consacré à l'intégration d'applications avec Gemini sur Google Cloud, vous découvrirez l'API Gemini et ses modèles d'IA générative. Vous apprendrez également à accéder aux modèles Gemini à partir du code. Enfin, vous testerez les capacités des modèles avec des requêtes contenant du texte, des images et des vidéos à partir d'une application.
Le cours "Explorateur de l'IA générative – Agent Platform" est un ensemble d'ateliers consacrés à l'utilisation de l'IA générative sur Google Cloud. En suivant ces ateliers, vous apprendrez à utiliser les modèles Gemini dans Agent Platform. Vous découvrirez également comment prompter, les bonnes pratiques appliquer, et comment utiliser les prompts pour l'idéation, la classification, l'extraction et la synthèse de texte, et plus encore. Enfin, vous apprendrez à régler un modèle de fondation à l'aide d'un entraînement personnalisé dans Agent Platform et à le déployer sur un point de terminaison dans Agent Platform.
Terminez le cours d'introduction Surveiller et gérer les ressources Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : accorder et révoquer des autorisations IAM ; installer des agents Monitoring et Logging ; créer, déployer et tester une fonction Cloud Run basée sur des événements.
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.
Validez le cours intermédiaire Effectuer une analyse prédictive des données dans BigQuery pour recevoir un badge attestant de vos compétences dans les domaines suivants : créer des ensembles de données dans BigQuery en important des fichiers CSV et JSON ; utiliser des concepts d'analyse SQL sophistiqués dans BigQuery, y compris utiliser BigQuery ML pour entraîner un modèle de prédiction de buts à partir de données de rencontres de football et évaluer le caractère exceptionnel des buts marqués lors de la Coupe du monde.
Terminez le cours intermédiaire Créer une infrastructure avec Terraform sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : les principes d'Infrastructure as Code (IaC) avec Terraform, le provisionnement et la gestion des ressources Google Cloud avec des configurations Terraform, la gestion efficace des états (local et distant) et la modularisation du code Terraform à des fins de réutilisabilité et d'organisation.
Obtenez un badge de compétence en effectuant la quête Analyser les sentiments avec l'API Natural Language, qui vous explique comment l'API extrait le sentiment à partir d'un texte.
Obtenez un badge de compétence en suivant le cours Analyser des images avec l'API Cloud Vision. Vous y découvrirez comment exploiter l'API Cloud Vision pour diverses tâches, y compris l'extraction de texte à partir d'images.
Obtenez un badge de compétence en validant le cours Analyser la parole et le langage avec les API Google, dans lequel vous apprendrez à utiliser les API Natural Language et Speech en conditions réelles.
Obtenez le badge de compétence de niveau intermédiaire en suivant le cours Classer des images avec TensorFlow sur Google Cloud. Vous y apprendrez à utiliser TensorFlow et Vertex AI pour créer et entraîner des modèles de machine learning. Vous interagissez principalement avec les notebooks Vertex AI Workbench gérés par l'utilisateur.
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.
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA générative, décrit à quoi elle sert et souligne ce qui la distingue des méthodes de machine learning traditionnel. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
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
Obtenez un badge de compétence en suivant le cours Créer un réseau Google Cloud sécurisé, dans lequel vous découvrirez plusieurs ressources liées à la mise en réseau permettant de créer, de faire évoluer et de sécuriser vos applications sur Google Cloud.
Terminez le cours intermédiaire Développer des applications sans serveur avec Firebase pour recevoir un badge démontrant vos compétences dans les domaines suivants : la conception et la création d'applications Web sans serveur avec Firebase, l'utilisation de Firestore pour gérer des bases de données, l'automatisation des processus de déploiement à l'aide de Cloud Build et l'intégration des fonctionnalités de l'Assistant Google dans vos applications.
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.
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.
Machine Learning is one of the most innovative fields in technology, and the Google Cloud Platform has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning at scale and how to employ the advanced ML infrastructure available on Google Cloud.
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.
La gestion des réseaux est l'un des aspects les plus importants du cloud computing. Il s'agit de la structure sous-jacente de Google Cloud, qui relie l'ensemble de vos ressources et services entre eux. Ce cours aborde les services de gestion des réseaux essentiels de Google Cloud et vous permet de vous familiariser avec des outils spécialisés dans le développement de réseaux matures grâce à des ateliers pratiques. De la découverte des tenants et aboutissants des VPC à la création d'équilibreurs de charge professionnels, Automatiser le déploiement et gérer le trafic sur un réseau Google Cloud vous permettra d'acquérir l'expérience pratique nécessaire pour développer des réseaux robustes.
Terminez le cours d'introduction Implémenter Cloud Load Balancing pour Compute Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : Créer et déployer des machines virtuelles dans Compute Engine Configurer des équilibreurs de charge réseau et d'application.
Ce cours d'introduction est unique en son genre parmi les autres offres de cours. Il se compose d'ateliers pratiques conçus pour permettre aux professionnels de l'informatique de se familiariser avec les sujets et les services au programme de la certification Google Cloud Certified Associate Cloud Engineer. De l'IAM à la gestion de réseaux en passant par le déploiement avec Kubernetes Engine, vous allez suivre dans ce cours des ateliers spécifiques qui mettront à l'épreuve vos connaissances sur Google Cloud. Attention : même si ces ateliers constituent une bonne base pour développer vos compétences, nous vous recommandons de consulter en supplément le guide de l'examen et les autres ressources de préparation disponibles.
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.
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.
Terminez le cours intermédiaire Créer une infrastructure avec Terraform sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : les principes d'Infrastructure as Code (IaC) avec Terraform, le provisionnement et la gestion des ressources Google Cloud avec des configurations Terraform, la gestion efficace des états (local et distant) et la modularisation du code Terraform à des fins de réutilisabilité et d'organisation.
Vous souhaitez générer des insights à partir de vos données marketing et créer des tableaux de bord ? Réunissez toutes vos données au même endroit afin d'effectuer des analyses à grande échelle et de créer des modèles. Apprenez à utiliser BigQuery et à interroger vos données pour créer des insights utiles, reproductibles et évolutifs. 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.
Les cours Google Cloud Computing Foundations sont destinés aux personnes ayant peu ou pas de connaissances ni d'expérience dans le cloud computing. Ils offrent un aperçu des concepts de base du cloud, du big data et du machine learning, et explique où et comment Google Cloud s'y intègre. À la fin de cette série de cours, les participants seront à même de définir ces concepts et auront acquis des compétences pratiques. Les cours doivent être suivis dans cet ordre : 1. Google Cloud Computing Foundations : principes de base du cloud computing 2. Google Cloud Computing Foundations : infrastructure dans Google Cloud 3. Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud 4. Google Cloud Computing Foundations : données, ML et IA dans Google Cloud Ce dernier cours de la série présente les services de big data gérés, ainsi que le machine learning et sa valeur. Il explique également comment aller plus loin pour démontrer vos compétences dans Google Cloud en o…
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
Obtenez un badge de compétence en terminant le cours intermédiaire Créer et déployer des solutions de machine learning sur Vertex. Vous y apprendrez à utiliser la plate-forme Vertex AI de Google Cloud, AutoML et les services d'entraînement personnalisés pour entraîner, évaluer, régler, expliquer et déployer des modèles de machine learning. Ce cours, qui ouvre droit à un badge de compétence, est destiné aux data scientists et aux ingénieurs en machine learning. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez ce cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge de compétence que vous pourrez partager avec votre réseau.
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.
Obtenez un badge de compétence en suivant le cours Partager des données avec Google Data Cloud. Vous pourrez ainsi acquérir une expérience pratique concernant les partenaires de partage de données Google Cloud, qui disposent d'ensembles de données propriétaires que les clients peuvent utiliser pour effectuer des analyses de données. Les clients s'abonnent à ces données et les interrogent dans leur propre plate-forme. Ils les enrichissent ensuite avec leurs propres ensembles de données et utilisent leurs outils de visualisation pour les tableaux de bord destinés à leur clientèle.
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.
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.
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.
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
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.
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.
Terminez le cours d'introduction Créer des objets LookML dans Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : créer des dimensions, des mesures, des vues et des tables dérivées ; définir des types de filtres et de mesures en fonction des exigences ; mettre à jour les dimensions et les mesures ; créer et affiner des explorations ; joindre des vues à des explorations existantes et choisir les objets LookML à créer en fonction des exigences métier.
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.
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.
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.
Dans ce cours, vous mettrez en pratique vos connaissances sur LookML dans Looker. Vous apprendrez à écrire du code LookML pour créer des dimensions et des mesures, créer des tables dérivées et les joindre à des explorations, filtrer ces explorations et définir des règles de mise en cache dans LookML.
Dans ce cours d'introduction, vous allez pouvoir vous familiariser avec les outils et services fondamentaux de Google Cloud. Des vidéos facultatives vous fourniront davantage de contexte et vous permettront de réviser les concepts abordés lors des ateliers pratiques. Ce premier cours sur les bases de Google Cloud est recommandé aux personnes qui s'intéressent à Google Cloud. Vous pouvez le suivre sans aucune connaissance (ou presque) du cloud et, à la fin, vous aurez acquis des compétences pratiques utiles pour lancer votre premier projet Google Cloud. De l'écriture de lignes de commande Cloud Shell au déploiement de votre première machine virtuelle en passant par l'exécution d'applications sur Kubernetes Engine ou avec l'équilibrage de charge, 'Les bases de Google Cloud' constitue une excellente introduction aux fonctionnalités de base de la plate-forme.
Firebase is a backend-as-service (Bass) platform for creating mobile and web applications. In this quest you will learn to build serverless web apps, import data into a serverless database, and build a Google Assistant application with Firebase and its Google Cloud integrations. 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 Cloud digital badge.
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.
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.
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 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 Managed Service for Apache Spark, 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.
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.