Google Cloud Platform Big Data and Machine Learning Fundamentals

• 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

Module 1: Présentation de Google Cloud Platform

• Présentation des principes de base de la plateforme Google.
• Produits Big Data de Google Cloud Platform.

Module 2: 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.

Module 3: 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.

Module 4: Mise à l’échelle de l’analyse des données

• Accès aléatoire rapide.
• Datalab.
• BigQuery.
• Atelier: Créer un ensemble de données d’apprentissage automatique.

Module 5: Apprentissage automatique

• Apprentissage automatique avec TensorFlow.
• Laboratoire: Effectuer ML avec TensorFlow
• Modèles pré-construits pour les besoins communs.
• Atelier: Utiliser des API ML.

Module 6: 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.

Module 7: Résumé

• Pourquoi GCP ?
• Où aller en partant d’ici
• Ressources supplémentaires