Formation - Google Cloud Platform - Analyse et visualisation de données

1 - Présentation des données dans Google Cloud Platform

• Mettre en avant les difficultés auxquelles font face les analystes de données
• Comparer le Big Data sur site et dans le Cloud
• Étudier des cas d'utilisation concrets d'entreprises qui se sont transformées grâce à l'analyse dans le Cloud
• Découvrir les principes de base du projet Google Cloud Platform
• Atelier : Premiers pas avec Google Cloud Platform

2 - Présentation des outils de Big Data

• Présentation des tâches, des défis et des outils de données de Google Cloud Platform
• Démonstration : Analyser 10 milliards d'enregistrements avec Google BigQuery
• Découvrir 9 fonctionnalités essentielles de Google BigQuery
• Comparer les outils GCP pour les analystes, les data scientists et les ingénieurs de données
• Atelier : Explorer des ensembles de données avec Google BigQuery

3 - Exploration de vos données avec SQL

• Comparer les techniques courantes d'exploration des données
• Apprendre à coder le langage SQL standard de haute qualité
• Explorer les ensembles de données publics Google BigQuery
• Aperçu de visualisation : Google Data Studio
• Atelier : Résoudre les erreurs SQL courantes

4 - Tarifs de Google BigQuery

• Présentation complète d'une tâche BigQuery
• Calculer les tarifs de BigQuery : coûts du stockage, des requêtes et de streaming
• Optimiser les coûts des requêtes
• Atelier : Calculer les tarifs de Google BigQuery

5 - Nettoyage et transformation de vos données

• Étudier les 5 principes de l'intégrité d'un ensemble de données
• Caractériser la forme et l'inclinaison des ensembles de données
• Nettoyer et transformer les données à l'aide de SQL
• Nettoyer et transformer les données à l'aide d'une nouvelle interface utilisateur : présentation de Cloud Dataprep
• Atelier : Explorer et mettre en forme les données avec Cloud Dataprep

6 - Stockage et exportation des données

• Comparer les tables permanentes aux tables temporaires
• Enregistrer et exporter les résultats de requêtes
• Aperçu des performances : cache des requêtes
• Atelier : Créer des tables permanentes

7 - Ingestion de nouveaux ensembles de données dans Google BigQuery

• Requêter à partir de sources de données externes
• Éviter les pièges liés à l'ingestion de données
• Ingérer de nouvelles données dans des tables permanentes
• Discuter des insertions en streaming
• Atelier : Ingérer et interroger de nouveaux ensembles de données

8 - Visualisation des données

• Présentation des principes de visualisation des données
• Comparer l'analyse exploratoire à l'analyse explicative
• Démonstration : Interface utilisateur de Google Data Studio
• Connecter Google Data Studio à Google BigQuery
• Atelier : Explorer un ensemble de données dans Google Data Studio

9 - Regroupement et fusion des ensembles de données

• Fusionner les tables de données historiques avec UNION
• Intégrer des caractères génériques de table pour faciliter la fusion
• Étudier les schémas de données : associer les données entre plusieurs tables
• Présentation complète d'exemples JOIN et des pièges associés
• Atelier : Associer et regrouper des données provenant de plusieurs tables

10 - Fonctions avancées et clauses

• Passer en revue les instructions de cas SQL
• Présentation des fonctions de fenêtre d'analyse
• Sauvegarder les données avec le cryptage de champ unidirectionnel
• Discuter de la conception efficace des sous-requête et des CTE
• Comparer les fonctions définies par l'utilisateur dans SQL et JavaScript
• Atelier : Obtenir des informations grâce aux fonctions SQL avancées

11 - Conception de schémas et structures de données imbriquées

• Comparer Google BigQuery à l'architecture de données SGBDR traditionnelle
• Normalisation et dénormalisation : compromis de performance
• Étude du schéma : Le Bon, la Brute et le Truand
• Tableaux et données imbriquées dans Google BigQuery
• Atelier : Interroger des données imbriquées et répétées

12 - Visualisation améliorée avec Google Data Studio

• Créer des instructions de cas et des champs calculés
• Éviter les problèmes de performance grâce au cache
• Partager les tableaux de bord et discuter de l'accès aux données

13 - Optimisation des performances

• Éviter les problèmes de performance de Google BigQuery
• Empêcher les points d'accès dans vos données
• Diagnostiquer les problèmes de performances grâce au mappage Query Explanation
• Atelier : Optimisation et dépannage des performances de requête

14 - Accès aux données

• Comparer les rôles des ensembles de données IAM et BigQuery
• Éviter les pièges liés à l'accès
• Passer en revue les membres, les rôles, les organisations, l'administration des comptes et les comptes de service

15 - Notebooks dans le Cloud

• Cloud Datalab
• Compute Engine et Cloud Storage
• Atelier : Louer une VM pour traiter des données sur des séismes
• Analyse de données avec BigQuery

16 - Google et le Machine Learning

• Introduction au Machine Learning pour les analystes
• S'exercer avec des API de ML prédéfinies pour analyser les images et le texte
• Atelier : API de ML pré-entraînées

17 - Application du Machine Learning à vos ensembles de données (BQML)

• Créer des ensembles de données de Machine Learning et analyser les fonctionnalités
• Créer des modèles de classification et de prévision à l'aide de BQML
• Atelier : Prédire les achats des visiteurs avec un modèle de classification dans BQML
• Atelier : Prédire le prix d'une course en taxi à l'aide d'un modèle de prévision BigQuery ML