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