관련 경험이 어느 정도 필요합니다.
Data Engineer, Big Data and ML on Google Cloud en Français 특화 과정
Google Cloud Platform를 통한 데이터 공학. Boostez votre carrière dans le domaine de l'ingénierie des données
제공자:
이 전문 분야 정보
Cette formation de spécialisation en ligne d'une durée de cinq semaines présente en pratique comment concevoir et développer des systèmes de traitement des données sur Google Cloud. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprennent à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à exécuter des tâches de machine learning.
Ce cours permet aux participants d'acquérir les compétences suivantes :
• Concevoir et développer des systèmes de traitement de données sur Google Cloud Platform
• Exploiter des données non structurées à l'aide de Spark et des API de ML sur Cloud Dataproc
• Traiter des données par lot ou par flux en mettant en œuvre des pipelines de données d'autoscaling sur Cloud Dataflow
• Obtenir des informations métier à partir de très grands ensembles de données à l'aide de Google BigQuery
• Entraîner, évaluer et effectuer des prédictions à l'aide de modèles de machine learning avec TensorFlow et Cloud ML
• Obtenir des insights immédiats à partir de données par flux
Ce cours s'adresse aux développeurs expérimentés qui se chargent de réaliser des opérations de transformation du big data.
En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service
응용 학습 프로젝트
Cette spécialisation comporte des ateliers pratiques. Pour vous y inscrire, vous devez disposer d'un compte Google (un compte Gmail suffit) et créer un compte d'essai gratuit à Google Cloud Platform. L'essai gratuit est restreint à 12 mois d'utilisation ou à 300 $ de crédit (selon la limite atteinte en premier). Nous avons donc conçu cette spécialisation pour que vous puissiez la terminer en quatre semaines.
Ces ateliers vous permettent d'appliquer ce que vous apprenez dans les cours en vidéo. Les projets sont axés autour d'outils tels que Google BigQuery, qui sont utilisés et configurés dans Codelabs. Vous développerez ainsi une expérience pratique des concepts expliqués dans les modules.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인 강좌
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 일정
유연한 마감을 설정하고 유지 관리합니다.
중급 단계
완료하는 데 약 4개월 필요
매주 4시간 권장
프랑스어
자막: 프랑스어, 영어
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인 강좌
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 일정
유연한 마감을 설정하고 유지 관리합니다.
중급 단계
관련 경험이 어느 정도 필요합니다.
완료하는 데 약 4개월 필요
매주 4시간 권장
프랑스어
자막: 프랑스어, 영어
이 전문 분야에는 5개의 강좌가 있습니다.
Google Cloud Platform Big Data and Machine Learning Fundamentals en Français
14개의 평가
Ce cours intensif à la demande, d'une durée d'une semaine, présente aux participants les fonctionnalités de big data et de machine learning de Google Cloud Platform (GCP). Il présente rapidement Google Cloud Platform et explique plus en détail les fonctionnalités de traitement des données.
Modernizing Data Lakes and Data Warehouses with GCP en Français
Les deux principaux composants de tout pipeline de données sont les lacs de données et les entrepôts de données. Ce cours aborde les cas d'utilisation de chacun de ces systèmes de stockage, et présente en détail les solutions disponibles sur Google Cloud Platform. Il décrit également le rôle de Data Engineer et les atouts des pipelines de données pour l'entreprise, en plus d'expliquer l'intérêt de l'environnement cloud pour l'ingénierie de données. Vous vous familiariserez, dans le cadre d'exercices pratiques dans QwikLabs, aux concepts de lacs et d'entrepôts de données sur Google Cloud Platform.
Building Batch Data Pipelines on GCP en Français
En règle générale, les pipelines de données fonctionnent sur le modèle "Extraction et chargement" (EL), "Extraction, chargement et transformation" (ELT), ou "Extraction, transformation et chargement" (ETL). Dans ce cours, vous apprendrez où et quand appliquer ces différents modèles à des lots de données. Vous découvrirez également plusieurs technologies Google Cloud Platform permettant de transformer des données, y compris BigQuery, Spark exécuté sur Cloud Dataproc, les graphiques de pipelines dans Cloud Data Fusion et le traitement de données sans serveur avec Cloud Dataflow. Vous aurez en outre l'occasion de créer les composants d'un pipeline de données sur Google Cloud Platform dans le cadre d'un atelier pratique QwikLabs.
Building Resilient Streaming Analytics Systems on GCP en Français
*Remarque : Ceci est un nouveau cours proposant des contenus actualisés, différents de ceux que vous avez peut-être vus dans la précédente version de cette spécialisation.
제공자:
Google 클라우드
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
자주 묻는 질문
What is the refund policy?
구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.
하나의 강좌에만 등록할 수 있나요?
네! 시작하려면 관심 있는 강좌 카드를 클릭하여 등록합니다. 강좌를 등록하고 완료하면 공유할 수 있는 인증서를 얻거나 강좌를 청강하여 강좌 자료를 무료로 볼 수 있습니다. 전문 분야 과정에 있는 강좌에 등록하면, 전체 전문 분야에 등록하게 됩니다. 학습자 대시보드에서 진행 사항을 추적할 수 있습니다.
Is financial aid available?
예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.
해당 강좌를 무료로 수강할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있으며 강좌를 완료하면 인증서가 발급됩니다. 강좌 내용을 읽고 보기만 원한다면 강좌를 무료로 청강할 수 있습니다. 수업료를 지급하기 어려운 경우, 재정 지원을 신청할 수 있습니다.
이 강좌는 100% 온라인으로 진행되나요? 직접 참석해야 하는 수업이 있나요?
이 강좌는 100% 온라인으로 진행되므로 강의실에 직접 참석할 필요가 없습니다. 웹 또는 모바일 장치를 통해 언제 어디서든 강의, 읽기 자료, 과제에 접근할 수 있습니다.
전문 분야를 완료하면 대학 학점을 받을 수 있나요?
이 전문 분야는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 전문 분야 인증서를 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
