Nous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences
From Data to Insights with Google Cloud Platform
Objectifs
Programme
- Obtenir des informations à partir de données à l’aide des outils d’analyse et de visualisation de Google Cloud Platform
- Analyser des données à l’échelle avec BigQuery
- Charger, nettoyer et transformer les données à grande échelle à l’aide de Google Cloud Dataprep
- Explorer et visualiser les données à l’aide de Google Data Studio
- Optimiser et écrire des requêtes hautes performances et résoudre les problèmes associés
- Dériver des informations à partir de données à l’aide du Machine Learning
1. Introduction à Google Cloud Platform
o Mettre en évidence les défis analytiques rencontrés par les analystes de données
o Comparer le Big Data On-Premises vs dans le Cloud
o Apprendre des cas d’utilisation réels d’entreprises transformées grâce à l’analyse dans le cloud
o Parcourir les bases d’un projet Google Cloud Platform
2. Analyse de grands ensembles de données avec BigQuery
o Parcourir les tâches et défis d’un analyste de données et introduction aux outils de données sur Google Cloud Platform
o Démo: Analyser 10 milliards d’enregistrements avec Google BigQuery
o Explorer 9 fonctionnalités fondamentales de Google BigQuery
o Comparer les outils GCP pour les analystes, les scientifiques et les ingénieurs de données
o Atelier: Principes de base de BigQuery
3. Explorer votre ensemble de données public avec SQL
o Comparer les techniques courantes d’exploration de données
o Apprendre à coder du SQL standard de haute qualité
o Explorer les jeux de données publics Google BigQuery
o Aperçu de la visualisation: Google Data Studio
o Atelier: Explorer votre ensemble de données de commerce électronique avec SQL dans Google BigQuery
4. Nettoyage et transformation de vos données avec Cloud Dataprep
o Examiner les 5 principes de l’intégrité des ensembles de données
o Caractériser la forme et le biais d’un jeu de données
o Nettoyer et transformer des données à l’aide de SQL
o Nettoyer et transformer les données à l’aide d’une nouvelle interface utilisateur: présentation de Cloud Dataprep
o Atelier: Création d’un pipeline de transformation de données avec Cloud Dataprep
5. Visualisation des informations et création de requêtes planifiées
o Présentation des principes de visualisation des données
o Approches exploratoires vs approches explicatives
o Démonstration: interface utilisateur de Google Data Studio
o Connecter Google Data Studio à Google BigQuery
o Atelier: Comment créer un tableau de bord BI à l’aide de Google Data Studio et BigQuery
6. Stockage et ingestion de nouveaux ensembles de données
o Comparer les tables permanentes et temporaires
o Enregistrer et exporter les résultats de requête
o Aperçu des performances: cache de requête
o Atelier: Ingestion de nouveaux jeux de données dans BigQuery
7. Enrichir votre entrepôt de données avec JOINs
o Fusionner les tables de données historiques avec UNION
o Présentation des wildcards de tables pour des fusions faciles
o Examen des schémas de données: liaison de données entre plusieurs tables
o Exemples de jointures et pièges liés aux jointures
o Atelier: Dépannage et résolution des problèmes liés aux jointures
8. Partitionnement de vos requêtes et tables pour des informations avancées
o Examen des instructions SQL Case
o Présentation des fonctions de fenêtre analytique
o Protéger vos données avec le cryptage de champs unidirectionnel
o Discussion autour de la conception efficace de sous-requêtes et CTE
o Comparer les UDF SQL et Javascript
o Atelier: Création de tables partitionnées par date dans BigQuery
9. Conception de schémas à l’échelle: tableaux et structures dans BigQuery
o Comparer Google BigQuery à l’architecture des bases de données RDBMS traditionnelle
o Normalisation vs dénormalisation: compromis sur les performances
o Revue de schéma: le bon, le mauvais et le laid
o Tableaux et données imbriquées dans Google BigQuery
o Atelier: Interrogation de données imbriquées et répétées
o Atelier: Conception de schéma pour la performance: tableaux et structures dans BigQuery
10. Optimisation des requêtes pour la performance
o Exploration d’un job BigQuery
o Calculer les tarifs BigQuery: coûts de stockage, de requête et de streaming
o Optimiser les requêtes pour le coût
11. Contrôle de l’accès avec les meilleures pratiques de sécurité des données
o Meilleures pratiques de sécurité des données
o Contrôle des accès avec les vues autorisées
12. Prédire les achats de retour des visiteurs avec BigQuery ML
o Introduction au ML
o Sélection de caractéristiques
o Types de modèles
o Machine learning dans BigQuery
o Atelier: Prédire les achats des visiteurs avec un modèle de classification BigQuery ML
13. Dériver des informations à partir de données non structurées à l’aide du Machine Learning
o ML structuré vs non structuré
o Modèles ML préconstruits
o Atelier: Extraire, analyser et traduire du texte à partir d’images avec les API Cloud ML
o Atelier: Entraînement avec des modèles ML prédéfinis à l’aide de l’API Cloud Vision et d’AutoML
14. Conclusion
o Résumé du cours
Public visé
Data Analysts, Business Analysts, Business Intelligence, Cloud Data Engineers qui s’associeront à des Data Analysts pour créer des solutions de données évolutives sur Google Cloud Platform
Prérequis
Une certaine maîtrise d’ANSI SQL.
Choisissez une date pour pouvoir réserver !
Autres formation From Data to Insights with Google Cloud Platform
Autres formations disponibles :