Présentation de Google Cloud Dataproc

• Création et gestion des clusters
• Exploitation des types de machines personnalisés et des noeuds de calcul préemptifs
• Évolutivité et suppression des clusters

Exécution de tâches sur Dataproc

• Exécution de tâches Pig et Hive
• Séparation du stockage et du calcul

Intégrer Dataproc à Google Cloud Platform

• Personnalisation d'un cluster à l'aide d'actions d'initialisation
• Assistance BigQuery

Comprendre les données non-structurées avec les API Machine Learning de Google

• Les API Machine Learning de Google
• Cas d'utilisation courants du Machine Learning
• Appeler des API de Machine Learning

Analyse de données en mode serverless avec BigQuery

• Qu'est-ce que BigQuery ?
• Requêtes et fonctions
• Charger des données dans BigQuery
• Exporter des données à partir de BigQuery
• Champs imbriqués et répétés
• Interroger plusieurs tables
• Performances et tarification

Pipelines de données d'autoscaling serverless avec Dataflow

• Le modèle de programmation Beam
• Pipelines de données dans Beam Python
• Pipelines de données dans Beam Java
• Traitement évolutif du big data avec Beam
• Intégrer des données supplémentaires
• Gestion des données par flux
• Architecture de référence GCP

Bien démarrer avec le Machine Learning

• Qu'est-ce que le Machine Learning (ML) ?
• ML efficace : concepts et types
• Ensembles de données de ML : généralisation

Construction de modèles Machine Learning avec Tensorflow

• Premiers pas avec TensorFlow
• Graphiques et boucles TensorFlow + atelier
• Surveiller l'entraînement ML

Mise à l’échelle de modèles Machine Learning avec Cloud ML

• Pourquoi utiliser Cloud ML ?
• Créer le package d'un modèle TensorFlow
• Entraînement de bout en bout

Extraction de caractéristiques

• Créer des fonctionnalités pertinentes
• Transformer les entrées
• Fonctionnalités synthétiques
• Pré-traitement avec Cloud ML

Architecture des pipelines d’analyse par flux

• Défis du traitement des données par flux
• Gestion de volumes de données variables
• Gestion des données non triées/en retard

Ingérer de volumes de variables

• Qu'est-ce que Cloud Pub/Sub ?
• Fonctionnement : Thèmes et abonnements

Mettre en place des pipelines par flux

• Défis du traitement par flux
• Gestion des données en retard : filigranes, déclenchements et accumulation

Analyse de flux de données et tableaux de bords

• Analyses de flux de données : prendre des décisions à partir des données
• Interroger les données par flux avec BigQuery
• Qu'est-ce que Google Data Studio ?

Haut débit et faible latence avec Bigtable

• Qu'est-ce que Cloud Spanner ?
• Concevoir un schéma Bigtable
• Ingestion dans Bigtable