Formation Google Cloud Platform – Form Data to Insights

Référence : GCP200DA
Durée : 21 heures
Certification : Non
Eligible CPF : Non

RÉSUMÉ

Vous voulez savoir comment interroger et traiter des pétaoctets de données en quelques secondes ? Vous souhaitez en savoir plus sur l’analyse des données qui évolue automatiquement à mesure que vos données augmentent ? Bienvenue dans le cours Data Insights ! Cette spécialisation enseigne aux participants comment tirer des enseignements grâce à l’analyse et à la visualisation des données à l’aide de Google Cloud Platform. Les cours présentent des scénarios interactifs et des laboratoires pratiques où les participants explorent, extraient, chargent, visualisent et extraient des informations à partir de divers ensembles de données Google BigQuery. Les cours couvrent également le chargement des données, l’interrogation, la modélisation de schéma, l’optimisation des performances, la tarification des requêtes et la visualisation des données

CONNAISSANCES PREALABLES

Maîtrise de base d’ANSI SQL (référence)

PROFIL DES STAGIAIRES

1-Data Analysts, Business Analysts, Business Intelligence professionals
2-Cloud Data Engineers who will be partnering with Data Analysts to build scalable data solutions on Google Cloud

METHODES PEDAGOGIQUES

6 à 12 personnes maximum par cours, 1 poste de travail par stagiaire
Remise d’une documentation pédagogique papier ou numérique pendant le stage
La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions

METHODES D'EVALUATION DES ACQUIS

Auto-évaluation des acquis par le stagiaire via un questionnaire
Attestation de fin de stage adressée avec la facture

FORMATEUR

Consultant-Formateur expert Cloud

CONTENU DU COURS Cloud

1 - Introduction à Google Cloud Platform

Comparer le Big Data On-Premises vs dans le Cloud
Mettre en évidence les défis analytiques rencontrés par les analystes de données
Parcourir les bases d’un projet Google Cloud Platform
Apprendre des cas d’utilisation réels d’entreprises transformées grâce à l’analyse dans le cloud

2 - Analyse de grands ensembles de données avec BigQuery

Parcourir les tâches et défis d’un analyste de données et introduction aux outils de données sur Google Cloud Platform
Démo: Analyser 10 milliards d’enregistrements avec Google BigQuery
Explorer 9 fonctionnalités fondamentales de Google BigQuery
Comparer les outils GCP pour les analystes, les scientifiques et les ingénieurs de données
Atelier: Principes de base de BigQuery

3 - Explorer votre ensemble de données public avec SQL

Comparer les techniques courantes d’exploration de données
Apprendre à coder du SQL standard de haute qualité
Explorer les jeux de données publics Google BigQuery
Aperçu de la visualisation: Google Data Studio
Atelier: Explorer votre ensemble de données de commerce électronique avec SQL dans Google BigQuery

4 - Nettoyage et transformation de vos données avec Cloud Dataprep

Nettoyer et transformer les données à l’aide d’une nouvelle interface utilisateur: présentation de Cloud Dataprep
Atelier: Création d’un pipeline de transformation de données avec Cloud Dataprep
Nettoyer et transformer des données à l’aide de SQL
Caractériser la forme et le biais d’un jeu de données
Examiner les 5 principes de l’intégrité des ensembles de données

5 - Visualisation des informations et création de requêtes planifiées

Présentation des principes de visualisation des données
Approches exploratoires vs approches explicatives
Démonstration: interface utilisateur de Google Data Studio
Connecter Google Data Studio à Google BigQuery
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

Comparer les tables permanentes et temporaires
Enregistrer et exporter les résultats de requête
Aperçu des performances: cache de requête
Atelier: Ingestion de nouveaux jeux de données dans BigQuery

7 - Enrichir votre entrepôt de données avec JOINs

Atelier: Dépannage et résolution des problèmes liés aux jointures
Exemples de jointures et pièges liés aux jointures
Examen des schémas de données: liaison de données entre plusieurs tables
Fusionner les tables de données historiques avec UNION
Présentation des wildcards de tables pour des fusions faciles

8 - Partitionnement de vos requêtes et tables pour des informations avancées

Examen des instructions SQL Case
Présentation des fonctions de fenêtre analytique
Protéger vos données avec le cryptage de champs unidirectionnel
Discussion autour de la conception efficace de sous-requêtes et CTE
Comparer les UDF SQL et Javascript
Atelier: Création de tables partitionnées par date dans BigQuery

9 - Conception de schémas à l’échelle: tableaux et structures dans BigQuery

Comparer Google BigQuery à l’architecture des bases de données RDBMS traditionnelle
Normalisation vs dénormalisation: compromis sur les performances
Revue de schéma: le bon, le mauvais et le laid
Tableaux et données imbriquées dans Google BigQuery
Atelier: Interrogation de données imbriquées et répétées
Atelier: Conception de schéma pour la performance: tableaux et structures dans BigQuery

10 - Optimisation des requêtes pour la performance

Exploration d’un job BigQuery
Optimiser les requêtes pour le coût
Calculer les tarifs BigQuery: coûts de stockage, de requête et de streaming

11 - Contrôle de l’accès avec les meilleures pratiques de sécurité des données

Meilleures pratiques de sécurité des données
Contrôle des accès avec les vues autorisées

12 - Prédire les achats de retour des visiteurs avec BigQuery ML

Introduction au ML
Sélection de caractéristiques
Types de modèles
Machine learning dans BigQuery
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

ML structuré vs non structuré
Modèles ML préconstruits
Atelier: Extraire, analyser et traduire du texte à partir d’images avec les API Cloud ML
Atelier: Entraînement avec des modèles ML prédéfinis à l’aide de l’API Cloud Vision et d’AutoML