Google Cloud Big Data and Machine Learning Fundamentals en Français
- 4.3
Course Summary
Learn the basics of Google Cloud Platform (GCP) Big Data and Machine Learning (ML) fundamentals, including data processing, data analysis, and ML models.Key Learning Points
- Understand the basics of GCP and its services for Big Data and ML
- Learn how to process and analyze large datasets using GCP tools
- Build ML models using GCP's ML APIs and create predictive models
Related Topics for further study
Learning Outcomes
- Understand the basics of GCP and its services for Big Data and ML
- Process and analyze large datasets using GCP tools
- Build ML models using GCP's ML APIs and create predictive models
Prerequisites or good to have knowledge before taking this course
- Basic knowledge of programming and statistics
- A Google Cloud Platform account (free trial available)
Course Difficulty Level
IntermediateCourse Format
- Online self-paced course
- Video lectures
- Hands-on exercises
Similar Courses
- Data Engineering on Google Cloud Platform
- Applied Machine Learning
Related Education Paths
- Google Cloud Certified - Professional Data Engineer
- Google Cloud Certified - Professional Machine Learning Engineer
Notable People in This Field
- Sundar Pichai
Related Books
Description
Ce cours intensif à la demande, d'une durée d'une semaine, présente aux participants les fonctionnalités de big data et de machine learning de Google Cloud Platform (GCP). Il présente rapidement Google Cloud Platform et explique plus en détail les fonctionnalités de traitement des données.
Outline
- Ingénierie des données, big data et machine learning sur GCP
- Bienvenue dans le cours Big Data and Machine Learning Fundamentals
- Présentation de Google Cloud Platform
- Puissance de calcul pour les données analytiques et les charges de travail de ML
- Démonstration : Créer une VM sur Compute Engine
- Stockage élastique avec Google Cloud Storage
- Développement sur le réseau mondial de Google
- Sécurité : Sur site ou intégrée au cloud
- Évolution des outils de big data de Google Cloud
- Premiers pas avec Google Cloud Platform et Qwiklabs
- Choisir la bonne approche
- Possibilités offertes par Google Cloud Platform
- Activité : Explorer des architectures de solutions client existantes
- Rôles essentiels dans une organisation basée sur les données
- Programme d'ensembles de données publics de Google Cloud
- Ressources du module
- Recommander des produits avec Cloud SQL et Spark
- Utilisation des systèmes de recommandation chez les entreprises
- Présentation du machine learning (ML)
- Défi : Le ML pour recommander des locations immobilières
- Approche : Migrer les charges de travail sur site vers Google Cloud Platform
- Démonstration : Créer une tâche Apache Spark en 10 minutes ou moins
- Challenge : Utiliser et régler les clusters sur site
- Déplacer le stockage hors cluster avec Google Cloud Storage
- Présentation de l'atelier
- Ressources du module
- Évaluation du module
- Prédire les achats des visiteurs avec BigQuery ML
- Présentation de BigQuery
- Démonstration : Interroger 2 milliards de lignes de code Github en moins de 30 secondes
- BigQuery : Un moteur SQL rapide
- Démonstration : Explorer les données d'un système de vélos en libre-service avec SQL
- Qualité des données
- Stockage géré BigQuery
- Insights provenant des données géographiques
- Démonstration : Analyser les données d'impacts de foudre avec SIG BigQuery
- Choisir un type de modèle de ML pour les données structurées
- Prédire la valeur vie client
- BigQueryML : Créer des modèles avec SQL
- Phases du cycle de vie du modèle de ML
- BigQuery ML : Guide des fonctionnalités principales
- Présentation de l'atelier
- Ressources du module
- Évaluation du module
- Créer des pipelines de flux de données avec Cloud Pub/Sub et Cloud Dataflow
- Défis concernant les pipelines de données modernes
- Architectures de messagerie avec Cloud Pub/Sub
- Concevoir des pipelines de streaming avec Apache Beam
- Mettre en œuvre des pipelines de streaming sur Cloud Dataflow
- Visualiser des tendances avec Data Studio
- Créer des graphiques avec Data Studio
- Démonstration : Tutoriel de Data Studio
- Présentation de l'atelier
- Ressources du module
- Révision du module
- Classifier des images avec des modèles prédéfinis à l'aide de l'API Vision et de Cloud AutoML
- Dans quel contexte les entreprises utilisent-elles le ML sur des données non structurées ?
- Comment fonctionne le ML sur des données non structurées ?
- Démonstration : Le ML intégré à Google Photos
- Comparer les différentes approches vis-à-vis du ML
- Démonstration : Utiliser les principaux composants du ML
- Utiliser une IA prédéfinie pour créer un chatbot
- Personnaliser des modèles prédéfinis avec AutoML
- Présentation de l'atelier
- Créer un environnement personnalisé
- Démonstration : Trois approches de la classification du texte
- Ressources supplémentaires pour créer des modèles personnalisés
- Ressources du module
- Évaluation du module
- Résumé
- Résumé du cours
Summary of User Reviews
Learn the fundamentals of big data and machine learning with GCP in this course. Students rave about the course's in-depth coverage and practical exercises. However, some users found the course too challenging for beginners.Key Aspect Users Liked About This Course
The course offers practical exercises that help students understand big data and machine learning concepts better.Pros from User Reviews
- In-depth coverage of big data and machine learning concepts
- Practical exercises that reinforce learning
- Expert instructors who are knowledgeable and engaging
Cons from User Reviews
- Some users found the course too challenging for beginners
- Limited resources for advanced learners
- Lengthy lectures that can be overwhelming
- No hands-on labs available