Marcelo Barreto
Date d'abonnement : 2025
Ligue d'Or
5197 points
Créer un entrepôt de données avec BigQuery
Earned sept. 28, 2026 EDT
Traitement des données sans serveur avec Dataflow : opérations
Earned sept. 7, 2026 EDT
Traitement des données sans serveur avec Dataflow : développer des pipelines
Earned août 18, 2026 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned août 8, 2026 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned avr. 15, 2026 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned nov. 13, 2025 EST
Google Cloud Computing Foundations : données, ML et IA dans Google Cloud
Earned nov. 7, 2025 EST
Créer un réseau Google Cloud sécurisé
Earned nov. 6, 2025 EST
Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud
Earned nov. 5, 2025 EST
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.
En savoir plus
Dans le dernier volet de la série de cours sur Dataflow, nous allons présenter les composants du modèle opérationnel de Dataflow. Nous examinerons les outils et techniques permettant de résoudre les problèmes et d'optimiser les performances des pipelines. Nous passerons ensuite en revue les bonnes pratiques en matière de test, de déploiement et de fiabilité pour les pipelines Dataflow. Nous terminerons par une présentation des modèles, qui permettent de faire évoluer facilement les pipelines Dataflow pour les adapter aux organisations comptant des centaines d'utilisateurs. Ces leçons vous aideront à vous assurer que votre plate-forme de données est stable et résiliente face aux imprévus.
En savoir plus
Dans ce deuxième volet de la série de cours sur Dataflow, nous allons nous intéresser de plus près au développement de pipelines à l'aide du SDK Beam. Nous allons commencer par passer en revue les concepts d'Apache Beam. Nous allons ensuite parler du traitement des données par flux à l'aide de fenêtres, de filigranes et de déclencheurs. Nous passerons ensuite aux options de sources et de récepteurs dans vos pipelines, aux schémas pour présenter vos données structurées, et nous verrons comment effectuer des transformations avec état à l'aide des API State et Timer. Nous aborderons ensuite les bonnes pratiques qui vous aideront à maximiser les performances de vos pipelines. Vers la fin du cours, nous présentons le langage SQL et les DataFrames pour représenter votre logique métier dans Beam, et nous expliquons comment développer des pipelines de manière itérative à l'aide des notebooks Beam.
En savoir plus
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
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
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.
En savoir plus
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…
En savoir plus
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.
En savoir plus
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 troisième cours aborde les outils d'automatisation et de gestion du cloud, ainsi que la création de réseaux sécurisés.
En savoir plus
