Skip to main Content

Google Cloud Platform : les fondamentaux du Big Data et du Machine Learning (CPB100)

  • Référence GO8325
  • Durée 1 Jour

Modalité pédagogique

Options de paiement complémentaires

  • GTC 12 TTC

    Les GTC sont proposés en exclusivité aux partenaires autorisés afin de gagner du temps et de fluidifier le processus d'achat des formations chez Global Knowledge. Il s’agit d’un crédit universel qui peut être utilisé dans les centres Global Knowledge à travers le monde.

Classe inter en présentiel Prix

Nous contacter

Demander une formation en intra-entreprise S'inscrire

Modalité pédagogique

La formation est disponible dans les formats suivants:

  • Classe inter à distance

    Depuis n'importe quelle salle équipée d'une connexion internet, rejoignez la classe de formation délivrée en inter-entreprises.

  • Classe inter en présentiel

    Formation délivrée en inter-entreprises. Cette méthode d'apprentissage permet l'interactivité entre le formateur et les participants en classe.

  • Intra-entreprise

    Cette formation est délivrable en groupe privé, et adaptable selon les besoins de l’entreprise. Nous consulter.

Demander cette formation dans un format différent

Ce cours d'une journée initie les participants aux capacités de Big Data de Google Cloud Platform. Grâce à une combinaison de présentations, de démonstrations et de travaux pratiques, ils obtiendront un aperçu de la plate-forme Google Cloud et une vue détaillée des fonctionnalités de traitement des données et d'apprentissage automatique. Ce cours présente la facilité, la flexibilité et la puissance des solutions Big Data sur Google Cloud Platform.

Prochaines dates

Haut de page
Cette formation s'adresse à de nombreux publics : Les analystes de données qui souhaitent se familiariser avec Google Cloud Platform; les personnes responsables de la conception de pipelines et d'architectures pour le traitement de données, la création et la maintenance de modèles d'apprentissage automatique et de statistiques, l'interrogation de jeux de données, la visualisation des résultats de requêtes et la création de rapports; les cadres et décideurs informatiques évaluant Google Cloud Platform à l'usage des data scientists.

Objectifs de la formation

Haut de page
  • Découvrir les objectifs et la valeur des principaux produits Big Data et Machine Learning disponibles dans la plate-forme GoogleCloud
  • Utiliser Cloud SQL et Cloud Dataproc pour migrer les workloads MySQL et Hadoop / Pig / Spark / Hive existants vers Google Cloud Platform
  • Utiliser BigQuery et Cloud Datalab pour effectuer une analyse interactive des données
  • Former et utiliser un réseau de neurones en utilisant TensorFlow
  • Employer des API ML
  • Choisir parmi différents produits de traitement de données sur Google Cloud Platform

Programme détaillé

Haut de page

Présentation de Google Cloud Platform

  • Présentation des principes fondamentaux de la plate-forme Google
  • Produits et technologies de données Google Cloud Platform
  • Scénarios d'utilisation

Calcul et bases de stockage

  • CPU à la demande (Compute Engine)
  • Un système de fichiers global (Cloud Storage)
  • CloudShell

L'analyse de données sur le cloud

  • Stepping-stones vers le cloud
  • CloudSQL: votre base de données SQL sur le cloud
  • Atelier: Importation de données dans CloudSQL et exécution de requêtes
  • Spark sur Dataproc

Mise à l'échelle de l'analyse des données

  • Accès aléatoire rapide
  • Datalab
  • BigQuery
  • Apprentissage automatique avec TensorFlow
  • Des modèles entièrement construits pour des besoins commun

Architectures de traitement de données

  • Architectures orientées message avec Pub / Sub
  • Créer des pipelines avec Dataflow
  • Architecture de référence pour le traitement de données en temps réel et par lots

Résumé

  • Pourquoi Google Cloud Platform?
  • Où aller en partant d'ici

Ressources additionnelles

  • Lab 1: S'inscrire à Google Cloud Platform
  • Atelier 2: Configurer un pipeline de traitement de données Ingest-Transform-Publish
  • Lab 3: Recommandations d'apprentissage automatique avec SparkML
  • Lab 4: Construire un ensemble de données d'apprentissage automatique
  • Lab 5: Former et utiliser le réseau de neurones
  • Lab 6: Employer des API ML

Pré-requis

Haut de page
  • Posséder des compétence de base en langage de requête commun tel que SQL
  • Avoir une expérience de la modélisation, de l'extraction, de la transformation et du chargement de données
  • Savoir développer des applications en utilisant un langage de programmation commun tel que Python
  • Etre familier avec l'apprentissage automatique et / ou les statistiques
Cookie Control toggle icon