Mettez en pratique vos compétences dans la console Google Cloud
Margarita Lacuaña
Date d'abonnement : 2022
Ligue de Diamant
10917 points
Utiliser des notebooks dans Vertex AI
Earned sept. 26, 2025 EDT
Présentation de l'IA et du machine learning sur Google Cloud
Earned sept. 26, 2025 EDT
Guide de préparation pour devenir ingénieur professionnel en machine learning
Earned sept. 12, 2025 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned mars 6, 2025 EST
Concevoir des systèmes d'analyse de flux résilients sur Google Cloud
Earned mars 6, 2025 EST
Créer des pipelines de données en batch sur Google Cloud
Earned fév. 13, 2025 EST
[DEPRECATED] - Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales
Earned jan. 3, 2024 EST
Ce cours est une introduction aux notebooks Vertex AI, des environnements basés sur des notebooks Jupyter qui proposent une plate-forme unifiée pour l'ensemble du workflow de machine learning, de la préparation des données jusqu'au déploiement et à la surveillance des modèles. Le cours aborde les sujets suivants : (1) Les différents types de notebooks Vertex AI et leurs fonctionnalités, et (2) comment en créer et les gérer.
En savoir plus
Ce cours présente les solutions d'IA et de machine learning (ML) de Google Cloud permettant de développer des projets d'IA prédictive et générative. Il décrit les technologies, produits et outils disponibles tout au long du cycle de vie des données à l'IA, en englobant les éléments de base, le développement et les solutions d'IA. Son but est d'aider les data scientists, les développeurs d'IA et les ingénieurs en ML à améliorer leurs compétences et connaissances par le biais d'expériences d'apprentissage captivantes et d'exercices pratiques.
En savoir plus
Ce cours aide les participants à créer un plan de formation pour l'examen de certification afin de devenir ingénieur professionnel en machine learning (PMLE, Professional Machine Learning Engineer). Ils découvriront l'ampleur et le champ d'application des domaines abordés lors de l'examen. Ils détermineront s'ils sont prêts à passer l'examen et créeront leur propre plan de formation.
En savoir plus
Ce cours est le premier d'une série en trois volets sur le traitement des données sans serveur avec Dataflow. Dans ce premier cours, nous allons commencer par rappeler ce qu'est Apache Beam et sa relation avec Dataflow. Ensuite, nous aborderons la vision d'Apache Beam et les avantages de son framework de portabilité, qui permet aux développeurs d'utiliser le langage de programmation et le backend d'exécution de leur choix. Nous vous montrerons aussi comment séparer le calcul du stockage et économiser de l'argent grâce à Dataflow, puis nous examinerons les interactions entre les outils de gestion de l'identification et des accès avec vos pipelines Dataflow. Enfin, nous verrons comment implémenter le modèle de sécurité adapté à votre cas d'utilisation sur Dataflow.
En savoir plus
Le traitement de flux de données est une pratique de plus en plus courante, car elle permet aux entreprises d'obtenir des métriques sur leurs activités commerciales en temps réel. Ce cours explique comment créer des pipelines de flux de données sur Google Cloud et présente Pub/Sub, une solution qui permet de gérer des données de flux entrants. Par ailleurs, vous verrez comment appliquer des agrégations et des transformations à des flux de données à l'aide de Dataflow, mais aussi comment stocker des enregistrements traités dans BigQuery ou Bigtable pour qu'ils puissent être analysés. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant des composants de pipelines de flux de données sur Google Cloud à l'aide de Qwiklabs.
En savoir plus
Les pipelines de données s'inscrivent généralement dans l'un des paradigmes EL (extraction et chargement), ELT (extraction, chargement et transformation) ou ETL (extraction, transformation et chargement). Ce cours indique quel paradigme utiliser pour le traitement de données par lot en fonction du contexte. Il présente également plusieurs technologies Google Cloud de transformation des données, y compris BigQuery, l'exécution de Spark sur Dataproc, les graphiques de pipelines dans Cloud Data Fusion et le traitement des données sans serveur avec Dataflow. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant des composants de pipelines de données sur Google Cloud à l'aide de Qwiklabs.
En savoir plus
Le cours Google Cloud Computing Foundations est destiné aux personnes qui ont peu
de connaissances ou d’expérience en cloud computing, voire pas du tout. Il présente
de façon détaillée différents concepts (principes de base du cloud, big data et machine learning)
et explique dans quels cas utiliser Google Cloud et pourquoi.
Au terme de ce cours, les participants sauront expliquer les concepts associés au cloud computing, au big data
et au machine learning, et ils auront acquis certaines compétences pratiques.
Ce cours fait partie d'une série de cours intitulée Google Cloud Computing Foundations.
Les cours doivent être suivis dans l'ordre suivant :
Google Cloud Computing Foundations: Cloud Computing Fundamentals - Locales
Google Cloud Computing Foundations: Infrastructure in Google Cloud - Locales
Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales
Google Cloud Computing Foundations: Data, ML, and AI in Google Cloud -…
Utiliser des notebooks dans Vertex AI
Earned sept. 26, 2025 EDT
Présentation de l'IA et du machine learning sur Google Cloud
Earned sept. 26, 2025 EDT
Guide de préparation pour devenir ingénieur professionnel en machine learning
Earned sept. 12, 2025 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned mars 6, 2025 EST
Concevoir des systèmes d'analyse de flux résilients sur Google Cloud
Earned mars 6, 2025 EST
Créer des pipelines de données en batch sur Google Cloud
Earned fév. 13, 2025 EST
[DEPRECATED] - Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales
Earned jan. 3, 2024 EST