arrow_back

Build a Data Warehouse with BigQuery : atelier challenge

Se connecter Rejoindre
Test and share your knowledge with our community!
done
Get access to over 700 hands-on labs, skill badges, and courses

Build a Data Warehouse with BigQuery : atelier challenge

Lab 1 heure 30 minutes universal_currency_alt 5 crédits show_chart Intermédiaire
Test and share your knowledge with our community!
done
Get access to over 700 hands-on labs, skill badges, and courses

GSP340

Google Cloud – Ateliers adaptés au rythme de chacun

Présentation

Dans un atelier challenge, vous devez suivre un scénario et effectuer une série de tâches. Aucune instruction détaillée n'est fournie : vous devez utiliser les compétences acquises au cours des ateliers de la quête correspondante pour déterminer comment procéder par vous-même. Vous saurez si vous avez exécuté correctement les différentes tâches grâce au score calculé automatiquement (affiché sur cette page).

Lorsque vous participez à un atelier challenge, vous n'étudiez pas de nouveaux concepts Google Cloud. Vous allez approfondir les compétences précédemment acquises. Par exemple, vous devrez modifier les valeurs par défaut ou encore examiner des messages d'erreur pour corriger vous-même les problèmes.

Pour atteindre le score de 100 %, vous devez mener à bien l'ensemble des tâches dans le délai imparti.

Cet atelier est recommandé aux participants inscrits pour le badge de compétence Build a Data Warehouse with BigQuery.

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre vous-même les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Nous vous fournissons des identifiants temporaires pour vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

  • vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome) ;
Remarque : Ouvrez une fenêtre de navigateur en mode incognito/navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le temporaire étudiant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.
  • vous disposez d'un temps limité ; une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.
Remarque : Si vous possédez déjà votre propre compte ou projet Google Cloud, veillez à ne pas l'utiliser pour réaliser cet atelier afin d'éviter que des frais supplémentaires ne vous soient facturés. Remarque : Les tâches apparaîtront lorsque l'environnement de l'atelier sera complètement provisionné. Les tâches qui vous sont attribuées sont indépendantes les unes des autres. Vous pouvez donc les effectuer dans l'ordre de votre choix.

Scénario du challenge

Vous faites partie d'un organisme de santé international chargé de développer un modèle de machine learning permettant de prédire le nombre quotidien de nouveaux cas dans différents pays durant la pandémie de Covid-19. En tant que membre junior de l'équipe Data science, vous devez mettre à profit vos compétences en entreposage de données pour développer une table contenant les caractéristiques du modèle de machine learning.

Vous êtes censé disposer des compétences et connaissances requises pour cette tâche. Ne vous attendez donc pas à recevoir des instructions détaillées.

Remarque : Des tâches aléatoires de l'ensemble de tâches vous ont été attribuées. Veuillez indiquer l'ID de formulaire et le numéro de tâche approprié lorsque vous signalez des problèmes, demandez de l'aide ou envoyez des commentaires concernant ces tâches.

Tâche 1

Cliquez sur Vérifier ma progression pour valider l'objectif.

Valider la tâche

Tâche 2

Cliquez sur Vérifier ma progression pour valider l'objectif.

Valider la tâche

Tâche 3

Cliquez sur Vérifier ma progression pour valider l'objectif.

Valider la tâche

Tâche 4

Cliquez sur Vérifier ma progression pour valider l'objectif.

Valider la tâche

À noter

  • 1. N'oubliez pas que si vous êtes invité à créer une table, vous devez exclure les données relatives au Brésil (BRA), au Canada (CAN), au Royaume-Uni (GBR) et aux États-Unis (USA).
  • 2. Si vous modifiez le schéma d'une table BigQuery, vous pouvez ajouter des colonnes et des éléments d'enregistrement à l'aide de la console ou fournir un fichier JSON contenant toutes les définitions de champs (voir la documentation de référence SQL Standard de BigQuery) avec l'outil de ligne de commande bq.
  • 3. La table covid19_ecdc de l'ensemble de données public European Center for Disease Control COVID 19 contient une colonne population dont vous pouvez insérer les données dans la colonne population selon la description de la tâche.
  • 4. La table country_names_area de l'ensemble de données public Census Bureau International ne contient pas de colonne indiquant le code pays à trois lettres, mais vous pouvez joindre cette information à la table indiquée dans la description de la tâche à l'aide de la colonne country_name fournissant les noms de pays complets qui est présente dans les deux tables.
  • 5. Si vous mettez à jour l'enregistrement de mobilité, n'oubliez pas que vous devez sélectionner un certain nombre d'enregistrements (et calculer leur moyenne) pour chaque combinaison de pays et de date, afin d'obtenir la moyenne unique de chaque colonne enfant de l'enregistrement de mobilité. Vous devez joindre les données ainsi obtenues à votre table à l'aide de la même combinaison de nom de pays et de date que précédemment, lors du regroupement des enregistrements de mobilité source. Vous aurez ainsi un mappage unique entre la table des moyennes de mobilité source calculées et les enregistrements de votre table qui ont une seule entrée pour chaque combinaison de pays et de date.
  • 6. L'option UNION suivie du mot-clé ALL combine les résultats de deux requêtes, chaque requête donnant des résultats distincts, mais les résultats en doublon ne sont pas fusionnés en une seule ligne.

Félicitations !

Badge "Build a Data Warehouse with BigQuery"

Gagnez un badge de compétence

Cet atelier d'auto-formation contribue à l'obtention du badge de compétence Build a Data Warehouse with BigQuery. Si vous terminez cette formation, vous obtiendrez le badge de compétence ci-dessus attestant de votre réussite. Ajoutez ce badge à votre CV et partagez-le sur les réseaux sociaux avec le hashtag #GoogleCloudBadge.

Ce badge de compétence est associé au parcours de formation Data Engineer de Google Cloud. Si vous avez déjà obtenu les autres badges de compétence de ce parcours de formation, explorez le catalogue pour vous inscrire à des cours proposant d'autres badges.

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 25 mars 2024

Dernier test de l'atelier : 22 décembre 2023

Copyright 2024 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.