Description du cours
Ce cours d’une journée semaine présente aux participants les capacités de Big Data et de Machine Learning de Google Cloud Platform (GCP). Il fournit un aperçu rapide de Google Cloud Platform et une vue plus approfondie des capacités de traitement des données.
Objectifs pédagogiques
Ce cours permet aux participants d'acquérir les compétences suivantes:
- Connaissance des produits et services de Google Cloud Platform, particulièrement ceux liés au traitement des données et au machine learning
- Connaissance des produits et services fondamentaux concernant le calcul et le stockage
- Connaissance de Cloud SQL et de Dataproc
- Connaissance de Datalab et BigQuery
- Connaissance de TensorFlow et des APIs Machine Learning
- Connaissance de Pub / Sub et de Dataflow
Prérequis
Pour tirer le meilleur parti de ce cours, les participants doivent disposer des éléments suivants:
- expérience avec un langage de requête commun tel que SQL
- expérience avec un ETL
- expérience de modélisation des données
- expérience en machine learning et / ou statistiques
- expérience avec la programmation en Python
Public cible
Ce cours est destiné aux participants suivants:
- Participants désirant un aperçu des produits et services Google Cloud Platform orientés traitement des données et machine learning.
Programme de formation
- Présentation de Google Cloud Platform
- Présentation des principes de base de la plateforme Google.
- Produits Big Data de Google Cloud Platform.
- Fondamentaux du calcul et du stockage
- CPU à la demande (Compute Engine).
- Un système de fichiers global (Cloud Storage).
- CloudShell.
- Atelier: Configurer un pipeline de traitement des données Ingest-Transform-Publish.
- Data Analytics sur le Cloud
- Tremplins vers le nuage.
- Cloud SQL: votre base de données SQL sur le cloud.
- Atelier: Importation de données dans CloudSQL et exécution de requêtes.
- Spark sur Dataproc.
- Travaux pratiques: recommandations d’apprentissage automatique avec Spark sur Dataproc.
- Mise à l’échelle de l’analyse des données
- Accès aléatoire rapide.
- Datalab.
- BigQuery.
- Atelier: Créer un ensemble de données d’apprentissage automatique.
- Apprentissage automatique
- Apprentissage automatique avec TensorFlow.
- Laboratoire: Effectuer ML avec TensorFlow
- Modèles pré-construits pour les besoins communs.
- Atelier: Utiliser des API ML.
- Architectures de traitement des données
- Architectures orientées message avec Pub / Sub.
- Création de pipelines avec Dataflow.
- Architecture de référence pour le traitement de données en temps réel et par lots.
- Résumé
- Pourquoi GCP?
- Où aller en partant d’ici
- Ressources supplémentaires