Passer au contenu

Data Engineering on Google Cloud Platform

Ce cours de quatre jours offre aux participants une introduction pratique à la conception et à la création de systèmes de traitement des données sur Google Cloud Platform.

A travers un ensemble de présentations, démonstrations et travaux pratiques, les participants apprendront à concevoir des systèmes de traitement des données, à construire des pipelines de données de bout en bout et à extraire de l’information à partir d’analyses de données. Le cours couvre les données structurées, non structurées ainsi que les données en flux.

  • Durée : 4 jours
  • Format : En présentiel ou à distance
  • Prérequis : Avoir suivi le cours Google Cloud Fundamentals: Big Data & Machine Learning ou expérience équivalente.
    Compétences de base avec un langage de requête commun tel que SQL, expérience avec la modélisation de données et l’ETL, développement d’applications à l’aide d’un langage de programmation commun tel que Python, connaissance du machine learning et / ou des statistiques.
  • Audience : Architectes Cloud, Architectes Data, Data Engineers
  • Tarif : nous contacter
  • Plus d’informations dans le catalogue de nos formations

Présentation détaillée de la formation

 

Module 1: Introduction à l’ingénierie des données

  • Explorez le rôle d’un data engineer
  • Analyser les défis d’ingénierie des données
  • Introduction à BigQuery
  • Data lakes et data warehouses
  • Démo: requêtes fédérées avec BigQuery
  • Bases de données transactionnelles vs data warehouses
  • Démo: recherche de données personnelles dans votre jeu de données avec l’API DLP
  • Travailler efficacement avec d’autres équipes de données
  • Gérer l’accès aux données et gouvernance
  • Construire des pipelines prêts pour la production
  • Etude de cas d’un client GCP
  • Lab: Analyse de données avec BigQuery

 

Module 2: Construire un Data Lake

  • Introduction aux data lakes
  • Stockage de données et options ETL sur GCP
  • Construction d’un data lake à l’aide de Cloud Storage
  • Démo: optimisation des coûts avec les classes et les fonctions cloud de Google Cloud Storage
  • Sécurisation de Cloud Storage
  • Stocker tous les types de données
  • Démo: exécution de requêtes fédérées sur des fichiers Parquet et ORC dans BigQuery
  • Cloud SQL en tant que data lake relationnel

Module 3: Construire un Data Warehouse

  • Le data warehouse moderne
  • Introduction à BigQuery
  • Démo: Requêter des TB + de données en quelques secondes
  • Commencer à charger des données
  • Démo: Interroger Cloud SQL à partir de BigQuery
  • Lab: Chargement de données avec la console et la CLI
  • Explorer les schémas
  • Exploration des jeux de données publics BigQuery avec SQL à l’aide de INFORMATION_SCHEMA
  • Conception de schéma
  • Démo: Exploration des jeux de données publics BigQuery avec SQL à l’aide de INFORMATION_SCHEMA

 

Module 3: Construire un Data Warehouse (suite)

  • Champs imbriqués et répétés dans BigQuery
  • Lab: tableaux et structures
  • Optimiser avec le partitionnement et le clustering
  • Démo: Tables partitionnées et groupées dans BigQuery
  • Aperçu: Transformation de données par lots et en continu

 

Module 4: Introduction à la construction de pipelines de données par lots

  • EL, ELT, ETL.
  • Considérations de qualité
  • Comment effectuer des opérations dans BigQuery
  • Démo: ELT pour améliorer la qualité des données dans BigQuery
  • Des lacunes
  • ETL pour résoudre les problèmes de qualité des données

 

Module 5: Exécution de Spark sur Cloud Dataproc

  • L’écosystème Hadoop
  • Exécution de Hadoop sur Cloud Dataproc GCS au lieu de HDFS
  • Optimiser Dataproc
  • Atelier: Exécution de jobs Apache Spark sur Cloud Dataproc

 

Module 6: Traitement de données sans serveur avec Cloud Dataflow

  • Cloud Dataflow
  • Pourquoi les clients apprécient-ils Dataflow?
  • Pipelines de flux de données
  • Lab: Pipeline de flux de données simple (Python / Java)
  • Lab: MapReduce dans un flux de données (Python / Java)
  • Lab: Entrées latérales (Python / Java)
  • Templates Dataflow
  • Dataflow SQL

 

Module 7: Gestion des pipelines de données avec Cloud Data Fusion et Cloud Composer

  • Création visuelle de pipelines de données par lots avec Cloud Data Fusion: composants, présentation de l’interface utilisateur, construire un pipeline, exploration de données en utilisant Wrangler
  • Lab: Construction et exécution d’un graphe de pipeline dans Cloud Data Fusion
  • Orchestrer le travail entre les services GCP avec Cloud Composer – Apache Airflow Environment: DAG et opérateurs, planification du flux de travail
  • Démo: Chargement de données déclenché par un événement avec Cloud Composer, Cloud Functions, Cloud Storage et BigQuery
  • Lab: Introduction à Cloud Composer

 

Module 8: Introduction au traitement de données en streaming

  • Traitement des données en streaming

 

Module 9: Serverless messaging avec Cloud Pub/Sub

  • Cloud Pub/Sub
  • Lab: Publier des données en continu dans Pub/Sub

 

Module 10: Fonctionnalités streaming de Cloud Dataflow

  • Fonctionnalités streaming de Cloud Dataflow
  • Lab: Pipelines de données en continu

 

Module 11: Fonctionnalités Streaming à haut débit BigQuery et Bigtable

  • Fonctionnalités de streaming BigQuery
  • Lab: Analyse en continu et tableaux de bord
  • Cloud Bigtable
  • Lab: Pipelines de données en continu vers Bigtable

 

Module 12: Fonctionnalités avancées de BigQuery et performance

  • Analytic Window Functions
  • Utiliser des clauses With
  • Fonctions SIG
  • Démo: Cartographie des codes postaux à la croissance la plus rapide avec BigQuery GeoViz
  • Considérations de performance
  • Lab: Optimisation de vos requêtes BigQuery pour la performance
  • Lab: Création de tables partitionnées par date dans BigQuery

 

Module 13: Introduction à l’analytique et à l’IA

  • Qu’est-ce que l’IA?
  • De l’analyse de données ad hoc aux décisions basées sur les données
  • Options pour modèles ML sur GCP

 

Module 14: API de modèle ML prédéfinies pour les données non
structurées

  • Les données non structurées sont difficiles à utiliser
  • API ML pour enrichir les données
  • Lab: Utilisation de l’API en langage naturel pour classer le texte non structuré

 

Module 15: Big Data Analytics avec les notebooks Cloud AI Platform

  • Qu’est-ce qu’un notebook
  • BigQuery Magic et liens avec Pandas
  • Lab: BigQuery dans Jupyter Labs sur IA Platform

 

Module 16: Pipelines de production ML avec Kubeflow

  • Façons de faire du ML sur GCP
  • Kubeflow AI Hub
  • Lab: Utiliser des modèles d’IA sur Kubeflow

 

Module 17: Création de modèles personnalisés avec SQL dans BigQuery ML

  • BigQuery ML pour la construction de modèles rapides
  • Démo: Entraîner un modèle avec BigQuery ML pour prédire les tarifs de taxi à New York
  • Modèles pris en charge
  • Lab: Prédire la durée d’une sortie en vélo avec un modèle de régression dans BigQuery ML
  • Lab: Recommandations de film dans BigQuery ML

 

Module 18: Création de modèles personnalisés avec Cloud AutoML

  • Pourquoi Auto ML?
  • Auto ML Vision
  • Auto ML NLP
  • Auto ML Tables

Contactez-nous Vous avez des questions ou êtes intéressé.e par nos autres services Google Cloud ?
Nos experts sont heureux de vous aider !