- Accueil
- Formations
-
-
-
Formations certifiantes
- Offres CPF
-
Autres formations
-
-
-
-
- Formations Spécifiques
- Vous ne trouvez pas la formation que vous cherchez ? Nous la créons pour vous.
En savoir plus
-
- Classe virtuelle
- E-learning
- CPF
- Tarifs
- Contact
GOOGLE CLOUD PLATFORM : LES FONDAMENTAUX DU BIG DATA ET DU MACHINE LEARNING
GOOGLE CLOUD PLATFORM : LES FONDAMENTAUX DU BIG DATA ET DU MACHINE LEARNING
| Type(s) : | PD |
| Prérequis : | 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 |
| Objectifs : | 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 |
| Durée : | 1 Jour -7 heures |
Profil du formateur
Formateur consultant, expert, pédagogue et certifié dans son domaine
Méthode pédagogique
La formation est constituée d’apports théoriques et d’exercices pratiques. Chaque stagiaire dispose d’un poste de travail pour la formation en présentiel, et la gestion en petit groupe (jusqu’à 8 stagiaires) permet un suivi individualisé et adapté. Durant les sessions de formation, un support pédagogique est remis aux stagiaires.
Votre formation est en distanciel
Vous munir : un ordinateur, une connexion internet, une adresse e-mail valide, un équipement audio (micro et enceintes ou casque), une Webcam (facultatif , dans l’idéal) un deuxième écran (facultatif, dans l’idéal)
Suivi, évaluation, sanction
Des tours de table permettent de suivre la progression du stagiaire au fur et à mesure de la formation. Un suivi de la formation est réalisé par une feuille de présence émargée par demi-journée par les stagiaires et le formateur. Un questionnaire de satisfaction et une validation des acquis sont complétés par chaque stagiaire en fin de formation.
Formation sans certification.
Plan du cours
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
En partenariat avec Global Knowledge
