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…
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.
This advanced-level Quest builds on its predecessor Quest, and offers hands-on practice on the more advanced data integration features available in Cloud Data Fusion, while sharing best practices to build more robust, reusable, dynamic pipelines. Learners get to try out the data lineage feature as well to derive interesting insights into their data’s history.
This quest offers hands-on practice with Cloud Data Fusion, a cloud-native, code-free, data integration platform. ETL Developers, Data Engineers and Analysts can greatly benefit from the pre-built transformations and connectors to build and deploy their pipelines without worrying about writing code. This Quest starts with a quickstart lab that familiarises learners with the Cloud Data Fusion UI. Learners then get to try running batch and realtime pipelines as well as using the built-in Wrangler plugin to perform some interesting transformations on data.