Scaling with Google Cloud Operations - Français
Earned avr. 18, 2024 EDT
Trust and Security with Google Cloud - Français
Earned avr. 18, 2024 EDT
Modernize Infrastructure and Applications with Google Cloud - Français
Earned avr. 18, 2024 EDT
Innovating with Google Cloud Artificial Intelligence - Français
Earned avr. 17, 2024 EDT
Exploring Data Transformation with Google Cloud - Français
Earned avr. 15, 2024 EDT
Digital Transformation with Google Cloud - Français
Earned avr. 14, 2024 EDT
Analyzing and Visualizing Data in Looker
Earned déc. 3, 2023 EST
Transformer Models and BERT Model - Français
Earned oct. 4, 2023 EDT
Encoder-Decoder Architecture - Français
Earned oct. 4, 2023 EDT
Attention Mechanism - Français
Earned oct. 4, 2023 EDT
Introduction to Image Generation - Français
Earned oct. 4, 2023 EDT
Serverless Data Processing with Dataflow: Operations
Earned oct. 1, 2023 EDT
Serverless Data Processing with Dataflow: Develop Pipelines
Earned oct. 1, 2023 EDT
Launching into Machine Learning - Français
Earned sept. 7, 2023 EDT
How Google Does Machine Learning - Français
Earned sept. 6, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned août 20, 2023 EDT
Serverless Data Processing with Dataflow: Foundations
Earned août 18, 2023 EDT
Building Resilient Streaming Analytics Systems on Google Cloud - Français
Earned août 18, 2023 EDT
Building Batch Data Pipelines on Google Cloud - Français
Earned août 18, 2023 EDT
Preparing for your Professional Data Engineer Journey
Earned août 17, 2023 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud - Français
Earned août 16, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned août 15, 2023 EDT
Les organisations de toutes tailles exploitent le potentiel et la flexibilité du cloud afin de transformer leurs opérations. Toutefois, la gestion et le scaling des ressources cloud peuvent s'avérer complexes.
"Scaling with Google Cloud Operations" présente les concepts fondamentaux des opérations modernes, de la fiabilité et de la résilience dans le cloud, ainsi que la manière dont Google Cloud peut vous aider à atteindre ces objectifs.
Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
En savoir plus
Les organisations qui migrent des données et des applications vers le cloud font face à de nouveaux défis en termes de sécurité. Le cours "Trust and Security with Google Cloud" présente les principes de base de la sécurité dans le cloud, les avantages de l'approche multicouche de Google Cloud concernant la sécurité de l'infrastructure, et la manière dont Google gagne et conserve la confiance des clients vis-à-vis du cloud.
Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
En savoir plus
De nombreuses entreprises traditionnelles utilisent d'anciens systèmes et d'anciennes applications qui ne peuvent plus satisfaire les attentes des clients d'aujourd'hui. Les chefs d'entreprise doivent régulièrement choisir entre deux options : entretenir leurs systèmes informatiques vieillissants ou investir dans de nouveaux produits et services. Le cours "Modernize Infrastructure and Applications with Google Cloud" aborde ces problématiques et propose des solutions pour les résoudre à l'aide de la technologie cloud.
Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
En savoir plus
L'intelligence artificielle (IA) et le machine learning (ML) représentent une évolution importante de l'informatique et transforment rapidement un grand nombre de secteurs. Le cours "Innovating with Google Cloud Artificial Intelligence" explore comment les organisations peuvent utiliser l'IA et le ML pour repenser leurs processus métier.
Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
En savoir plus
La technologie cloud est une grande source de valeur pour les entreprises. En combinant le potentiel de cette technologie avec celui des données, il est possible de créer encore plus de valeur et d'offrir de nouvelles expériences client. "Exploring Data Transformation with Google Cloud" vous fait découvrir la valeur que les données peuvent apporter à une entreprise et les façons dont Google Cloud peut les rendre utiles et accessibles. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il a pour but d'aider les participants à évoluer dans leur poste et à façonner l'avenir de leur entreprise.
En savoir plus
La technologie cloud et la transformation numérique suscitent beaucoup d'enthousiasme, mais elles génèrent aussi souvent beaucoup de questions laissées sans réponse.
Par exemple : Qu'est-ce que la technologie cloud ? Qu'entend-on par transformation numérique ? Que peut vous apporter la technologie cloud ? Et par où commencer ?
Si vous vous êtes déjà posé une de ces questions, vous êtes au bon endroit. Ce cours offre un aperçu des opportunités et des défis que les entreprises peuvent rencontrer lors de leur transformation numérique. Si vous souhaitez découvrir les technologies cloud afin de pouvoir exceller dans votre rôle et contribuer à bâtir l'avenir de votre entreprise, ce cours d'introduction sur la transformation numérique est pour vous. Il fait partie du parcours de formation Cloud Digital Leader.
En savoir plus
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
En savoir plus
Ce cours présente l'architecture Transformer et le modèle BERT (Bidirectional Encoder Representations from Transformers). Vous découvrirez quels sont les principaux composants de l'architecture Transformer, tels que le mécanisme d'auto-attention, et comment ils sont utilisés pour créer un modèle BERT. Vous verrez également les différentes tâches pour lesquelles le modèle BERT peut être utilisé, comme la classification de texte, les questions-réponses et l'inférence en langage naturel. Ce cours dure environ 45 minutes.
En savoir plus
Ce cours offre un aperçu de l'architecture encodeur/décodeur, une architecture de machine learning performante souvent utilisée pour les tâches "seq2seq", telles que la traduction automatique, la synthèse de texte et les questions-réponses. Vous découvrirez quels sont les principaux composants de l'architecture encodeur/décodeur, et comment entraîner et exécuter ces modèles. Dans le tutoriel d'atelier correspondant, vous utiliserez TensorFlow pour coder une implémentation simple de cette architecture afin de générer un poème en partant de zéro.
En savoir plus
Ce cours présente le mécanisme d'attention, une technique efficace permettant aux réseaux de neurones de se concentrer sur des parties spécifiques d'une séquence d'entrée. Vous découvrirez comment fonctionne l'attention et comment l'utiliser pour améliorer les performances de diverses tâches de machine learning, dont la traduction automatique, la synthèse de texte et les réponses aux questions.
En savoir plus
Ce cours présente les modèles de diffusion, une famille de modèles de machine learning qui s'est récemment révélée prometteuse dans le domaine de la génération d'images. Les modèles de diffusion trouvent leur origine dans la physique, et plus précisément dans la thermodynamique. Au cours des dernières années, ils ont gagné en popularité dans la recherche et l'industrie. Ils sont à la base de nombreux modèles et outils Google Cloud avancés de génération d'images. Ce cours vous présente les bases théoriques des modèles de diffusion, et vous explique comment les entraîner et les déployer sur Vertex AI.
En savoir plus
In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.
En savoir plus
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
En savoir plus
Le cours commence par une discussion sur les données : vous découvrirez comment améliorer leur qualité et effectuer des analyses exploratoires. Ensuite, nous vous présenterons Vertex AI AutoML et vous expliquerons comment créer, entraîner et déployer un modèle de machine learning (ML) sans écrire une ligne de code. Vous découvrirez également les avantages de BigQuery ML. Enfin, nous verrons comment optimiser un modèle de ML, et en quoi la généralisation ainsi que l'échantillonnage peuvent vous aider à évaluer la qualité des modèles de ML destinés à un entraînement personnalisé.
En savoir plus
Quelles sont les bonnes pratiques pour implémenter le machine learning sur Google Cloud ? En quoi consiste la plate-forme Vertex AI et comment pouvez-vous l'utiliser pour créer, entraîner et déployer rapidement des modèles de machine learning AutoML sans écrire une seule ligne de code ? Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ?
Google aborde le machine learning d'une façon particulière, qui consiste à fournir une plate-forme unifiée pour les ensembles de données gérés, ainsi qu'un magasin de caractéristiques et un moyen de créer, d'entraîner et de déployer des modèles de machine learning sans écrire une seule ligne de code. Il s'agit également de permettre aux utilisateurs d'étiqueter les données et de créer des notebooks Workbench à l'aide de frameworks tels que TensorFlow, Scikit Learn, Pytorch et R. Avec notre plate-forme Vertex AI, il est également possible d'entraîner des modèles personnalisés, de créer des pipelines de composants, …
En savoir plus
Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.
En savoir plus
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on 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 le paradigme EL (extraction et chargement), ELT (extraction, chargement et transformation) ou ETL (extraction, transformation et chargement). Ce cours vous indiquera quel paradigme utiliser pour le traitement de données par lot en fonction du contexte. Il vous présentera également plusieurs solutions 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
This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.
En savoir plus
Les lacs de données et les entrepôts de données sont les deux principaux composants des pipelines de données. Ce cours présente des cas d'utilisation de chaque type de stockage, ainsi que les détails techniques des solutions de lacs et d'entrepôts de données disponibles sur Google Cloud. Il décrit également le rôle des ingénieurs de données et les avantages d'un pipeline de données réussi sur les opérations commerciales, avant d'expliquer pourquoi il est important de procéder à l'ingénierie des données dans un environnement cloud.
Il s'agit du premier cours de la série "Data Engineering on Google Cloud". Après l'avoir terminé, inscrivez-vous au cours "Building Batch Data Pipelines on Google Cloud".
En savoir plus
Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.
Scaling with Google Cloud Operations - Français
Earned avr. 18, 2024 EDT
Trust and Security with Google Cloud - Français
Earned avr. 18, 2024 EDT
Modernize Infrastructure and Applications with Google Cloud - Français
Earned avr. 18, 2024 EDT
Innovating with Google Cloud Artificial Intelligence - Français
Earned avr. 17, 2024 EDT
Exploring Data Transformation with Google Cloud - Français
Earned avr. 15, 2024 EDT
Digital Transformation with Google Cloud - Français
Earned avr. 14, 2024 EDT
Analyzing and Visualizing Data in Looker
Earned déc. 3, 2023 EST
Transformer Models and BERT Model - Français
Earned oct. 4, 2023 EDT
Encoder-Decoder Architecture - Français
Earned oct. 4, 2023 EDT
Attention Mechanism - Français
Earned oct. 4, 2023 EDT
Introduction to Image Generation - Français
Earned oct. 4, 2023 EDT
Serverless Data Processing with Dataflow: Operations
Earned oct. 1, 2023 EDT
Serverless Data Processing with Dataflow: Develop Pipelines
Earned oct. 1, 2023 EDT
Launching into Machine Learning - Français
Earned sept. 7, 2023 EDT
How Google Does Machine Learning - Français
Earned sept. 6, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned août 20, 2023 EDT
Serverless Data Processing with Dataflow: Foundations
Earned août 18, 2023 EDT
Building Resilient Streaming Analytics Systems on Google Cloud - Français
Earned août 18, 2023 EDT
Building Batch Data Pipelines on Google Cloud - Français
Earned août 18, 2023 EDT
Preparing for your Professional Data Engineer Journey
Earned août 17, 2023 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud - Français
Earned août 16, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned août 15, 2023 EDT