Anca Hiliuta
Date d'abonnement : 2023
Préparer les données à utiliser pour les tableaux de bord et rapports Looker
Earned jan. 14, 2024 EST
Analyzing and Visualizing Data in Looker
Earned jan. 8, 2024 EST
Créer des objets LookML dans Looker
Earned jan. 5, 2024 EST
Comprendre LookML dans Looker
Earned jan. 5, 2024 EST
Premiers pas avec Looker
Earned jan. 4, 2024 EST
Traitement des données sans serveur avec Dataflow : opérations
Earned sept. 5, 2023 EDT
Créer un entrepôt de données avec BigQuery
Earned juil. 26, 2023 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned juil. 11, 2023 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned juil. 7, 2023 EDT
Créer des pipelines de flux de données sur Google Cloud
Earned juin 21, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned juin 12, 2023 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned juin 11, 2023 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned juin 7, 2023 EDT
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.
En savoir plus
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
En savoir plus
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.
En savoir plus
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.
En savoir plus
Obtenez un badge de compétence en suivant le cours Premiers pas avec Looker, dans lequel vous apprendrez à analyser, visualiser et organiser des données à l'aide de Looker Studio et Looker.
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
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
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
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
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
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 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
