Formation Google Cloud Platform : Analyse et Visualisation de Données From Data to Insights with Google Cloud Platform

Dans le domaine de l'analyse de données, Google Cloud Platform peut compter sur Google BigQuery, un entrepôt de données cloud rapide, adaptable et entièrement géré (sans serveur) destiné à l'analyse de données et doté de fonctionnalités de machine learning intégrées. Exploitant la spécification SQL de l'ANSI, Google BiqQuery autorise le traitement de pétaoctets de données en quelques secondes, l'adaptation automatique de l'analyse des données à leur volume étant possible à tout moment. Les utilisateurs peuvent ensuite analyser ces données en créant un entrepôt logique sur un stockage en colonnes géré, ainsi que des données issues d'espaces de stockage d'objets et de feuilles de calcul.

Cette formation Google Cloud Platform : Analyse et Visualisation de Données explore les différentes fonctionnalités proposées par Google BigQuery afin de donner aux participants les moyens d'extraire, de charger, de visualiser et d'analyser des informations de divers jeux de données. Le cours couvre le chargement des données, le requêtage, la modélisation des schémas, l'optimisation des performances, la tarification des requêtes et la visualisation des données.

Objectif opérationnel : 

Savoir maîtriser les fonctionnalités proposées par Google BigQuery.

Objectifs pédagogiques : 

À l'issue de cette formation Google Cloud Platform : Analyse et Virtualisation de données vous aurez acquis les connaissances et les compétences nécessaires pour :

• Obtenir des informations à partir de données à l’aide des outils d’analyse et de visualisation de Google Cloud Platform
• Analyser des données à l’échelle avec BigQuery
• Charger, nettoyer et transformer les données à grande échelle à l’aide de Google Cloud Dataprep
• Explorer et visualiser les données à l’aide de Google Data Studio
• Optimiser et écrire des requêtes hautes performances et résoudre les problèmes associés
• Dériver des informations à partir de données à l’aide du Machine Learning

Public :

Ce stage en analyse et visualisation de données s'adresse aux analystes de données, analystes d'affaires et professionnels de la veille stratégique ainsi qu'aux ingénieurs des données cloud qui collaborent avec des analystes de données pour créer des solutions de données évolutives sur Google Cloud Platform.

Prérequis :

Pour suivre ce cours Google Cloud Platform, les participants doivent maîtriser les principes de base du langage ANSI SQL.

Introduction à Google Cloud Platform

Mettre en évidence les défis analytiques rencontrés par les analystes de données
Comparer le Big Data On-Premises vs dans le Cloud
Apprendre des cas d’utilisation réels d’entreprises transformées grâce à l’analyse dans le cloud
Parcourir les bases d’un projet Google Cloud Platform

Analyse de grands ensembles de données avec BigQuery

Parcourir les tâches et défis d’un analyste de données et introduction aux outils de données sur Google Cloud Platform
Démo: Analyser 10 milliards d’enregistrements avec Google BigQuery
Explorer 9 fonctionnalités fondamentales de Google BigQuery
Comparer les outils GCP pour les analystes, les scientifiques et les ingénieurs de données

Atelier

Principes de base de BigQuery

Explorer votre ensemble de données public avec SQL

Comparer les techniques courantes d’exploration de données
Apprendre à coder du SQL standard de haute qualité
Explorer les jeux de données publics Google BigQuery
Aperçu de la visualisation: Google Data Studio

Atelier

Explorer votre ensemble de données de commerce électronique avec SQL dans Google BigQuery

Nettoyage et transformation de vos données avec Cloud Dataprep

Examiner les 5 principes de l’intégrité des ensembles de données
Caractériser la forme et le biais d’un jeu de données
Nettoyer et transformer des données à l’aide de SQL
Nettoyer et transformer les données à l’aide d’une nouvelle interface utilisateur: présentation de Cloud Dataprep

Atelier

Création d’un pipeline de transformation de données avec Cloud Dataprep

Visualisation des informations et création de requêtes planifiées

Présentation des principes de visualisation des données
Approches exploratoires vs approches explicatives
Démonstration: interface utilisateur de Google Data Studio
Connecter Google Data Studio à Google BigQuery

Atelier

Comment créer un tableau de bord BI à l’aide de Google Data Studio et BigQuery

Stockage et ingestion de nouveaux ensembles de données

Comparer les tables permanentes et temporaires
Enregistrer et exporter les résultats de requête
Aperçu des performances: cache de requête

Atelier

Ingestion de nouveaux jeux de données dans BigQuery

Enrichir votre entrepôt de données avec JOINs

Fusionner les tables de données historiques avec UNION
Présentation des wildcards de tables pour des fusions faciles
Examen des schémas de données: liaison de données entre plusieurs tables
Exemples de jointures et pièges liés aux jointures

Atelier

Dépannage et résolution des problèmes liés aux jointures

Partitionnement de vos requêtes et tables pour des informations avancées

Examen des instructions SQL Case
Présentation des fonctions de fenêtre analytique
Protéger vos données avec le cryptage de champs unidirectionnel
Discussion autour de la conception efficace de sous-requêtes et CTE
Comparer les UDF SQL et Javascript

Atelier

Création de tables partitionnées par date dans BigQuery

Conception de schémas à l’échelle: tableaux et structures dans BigQuery

Comparer Google BigQuery à l’architecture des bases de données RDBMS traditionnelle
Normalisation vs dénormalisation: compromis sur les performances
Revue de schéma: le bon, le mauvais et le laid
Tableaux et données imbriquées dans Google BigQuery

Atelier

Interrogation de données imbriquées et répétées
Conception de schéma pour la performance: tableaux et structures dans BigQuery

Optimisation des requêtes pour la performance

Exploration d’un job BigQuery
Calculer les tarifs BigQuery : coûts de stockage, de requête et de streaming
Optimiser les requêtes pour le coût

Contrôle de l’accès avec les meilleures pratiques de sécurité des données

Meilleures pratiques de sécurité des données
Contrôle des accès avec les vues autorisées

Prédire les achats de retour des visiteurs avec BigQuery ML

Introduction au ML
Sélection de caractéristiques
Types de modèles
Machine learning dans BigQuery

Atelier

Prédire les achats des visiteurs avec un modèle de classification BigQuery ML

Dériver des informations à partir de données non structurées à l’aide du Machine Learning

ML structuré vs non structuré
Modèles ML préconstruits

Atelier

Extraire, analyser et traduire du texte à partir d’images avec les API Cloud ML
Entraînement avec des modèles ML prédéfinis à l’aide de l’API Cloud Vision et d’AutoML