Formation de 3 jours

Support didactique

Virtuelle, Privée

Classe virtuelle

Une expérience d’apprentissage pratique et interactive vous permettant d'assister à nos formations depuis chez vous, ou où que vous soyez. Les classes virtuelles sont proposées pour certaines de nos formations en salle de classe dispensées en direct. Le cas échéant, l'option apparaîtra dans le menu déroulant de sélection de site. Pour plus de confidentialité, vous pouvez également réserver une classe virtuelle privée.

Privée

Une séance de formation privée pour votre équipe. Les groupes peuvent être de toute taille, dans un site de votre choix, y compris dans nos centres de formation.

En qualité de partenaire Google Cloud, nous partagerons des bonnes pratiques pour une utilisation efficace des outils GCP et pour traiter des pétaoctets de données en tout juste quelques secondes.

Jellyfish a été choisi par Google pour dispenser cette formation de trois jours dirigée par un formateur expérimenté.Tous nos formateurs sont des professionnels chevronnés, vous pouvez donc apprendre en toute confiance.

À travers des scénarios interactifs et des ateliers pratiques, vous pourrez explorer, exploiter, charger, visualiser et extraire des informations à partir de divers ensembles de données BigQuery.

Nous couvrirons le chargement et l’interrogation des données, la modélisation de schémas, l’optimisation des performances, la tarification des requêtes et la visualisation des données.

Cette formation From Data to Insights with Google Cloud Platform, qui fait partie de la Spécialisation Analyste de données Google Cloud Platform, peut être dispensée en direct sous forme de classe virtuelle. Cette formation se déroulera sur trois jours consécutifs. Nous proposons également une formation privée, qui peut être dispensée sur un site de votre choix.

Aperçu du cours

À qui s’adresse cette formation ?

Cette formation est destinée aux analystes de données, aux analystes commerciaux et aux professionnels de l’intelligence économique. Les ingénieurs en données Cloud qui s’associeront aux analystes de données pour créer des solutions de données évolutives sur Google Cloud Platform tireront également profit de cette formation.

Vous repartirez avec les compétences nécessaires pour :

Extraire des informations à partir de données, en utilisant les outils d’analyse et de visualisation sur Google Cloud Platform
Interroger de manière interactive des ensembles de données à l’aide de Google BigQuery
Charger, nettoyer et transformer les données à échelle
Visualiser les données à l’aide de Google Data Studio et d’autres plateformes tierces
Faire la distinction entre l’analyse exploratoire et l’analyse explicative et déterminer quand utiliser chaque approche
Explorer de nouveaux ensembles de données, trouver rapidement et efficacement des informations cachées
Optimiser les modèles de données et les demandes sur les prix et les performances

Conditions préalables

Pour tirer le meilleur parti de cette formation, vous devez posséder des compétences de base en ANSI SQL et avoir suivi la formation Ingénierie des données sur Google Cloud Platform.

Programme de la formation

Module 1 : Introduction à Google Cloud Platform

Mise en lumière des défis en matière d’analyses auxquels sont confrontés les analystes de données
Comparaison des Big Data sur site vs sur le Cloud
Comment tirer un enseignement des cas concrets d’entreprises transformées grâce aux analyses sur le Cloud
Navigation dans les fondamentaux du projet Google Cloud Platform

Module 2 : Analyser d’importants ensembles de données avec BigQuery

Présentation des tâches et des défis des analystes de données, et introduction des outils de données de Google Cloud Platform
Démonstration : Une analyse de 10 milliards d’enregistrements avec Google BigQuery
Explication des 9 caractéristiques fondamentales de Google BigQuery
Comparaison des outils GCP pour les analystes, les scientifiques des données et les ingénieurs en données
Atelier : Fondamentaux de BigQuery

Module 3 : Analyser votre ensemble de données publiques avec SQL

Comparaison des techniques communes d’exploration des données
Comment coder du SQL standard de haute qualité
Étude des ensembles de données publiques de Google BigQuery
Aperçu de la visualisation : Google Data Studio
Atelier : Analyser votre ensemble de données de E-commerce avec SQL dans Google BigQuery

Module 4 : Nettoyer et transformer vos données avec Cloud Dataprep

Examiner les 5 principes de l’intégrité des ensembles de données
Déterminer la forme et la dissymétrie d’un ensemble de données
Nettoyer et transformer des données à l’aide de SQL
Nettoyer et transformer des données à l’aide d’une nouvelle interface utilisateur : Introduction à Cloud Dataprep
Atelier : Créer un pipeline de transformation des données avec Cloud Dataprep

Module 5 : Visualisation des perspectives et création de requêtes programmées

Aperçu des principes de visualisation des données
Approches d’analyse exploratoire ou explicative
Démonstration : Interface utilisateur 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 de BigQuery

Module 6 : Stocker et intégrer de nouveaux ensembles de données

Comparaison de tableaux permanents vs temporaires
Sauvegarde et exportation des résultats des requêtes
Aperçu de la performance : Cache des requêtes
Atelier : Intégration de nouveaux ensembles de données dans BigQuery

Module 7 : Optimisation de votre entrepôt de données grâce aux JOIN

Fusionner des tableaux de données historiques avec UNION
Introduire des wildcards de tableaux pour des fusions simplifiées
Analyse des schémas de données : Relier les données à partir de plusieurs tableaux
Exemples et pièges de JOIN
Atelier : Diagnostic et résolution des problèmes liés aux données : les pièges à éviter

Module 8 : Classer vos requêtes et vos tableaux pour des connaissances approfondies

Examiner les déclarations de cas SQL
Intégrer des fonctions de fenêtre analytique
Sauvegarder des données grâce au cryptage unidirectionnel des champs
Discuter de l’efficacité de la sous-requête et du design CTE
Comparer SQL et les UDF Javascript
Atelier : Création de tableaux classés par date dans BigQuery

Module 9 : Concevoir des schémas à échelle : Tableaux et structures dans BigQuery

Comparaison entre Google BigQuery et l’architecture de données traditionnelle d’un SGBDR
Normalisation ou dénormalisation : Compromis de performance
Analyse du schéma : Le bon, la brute et le truand
Matrices et données imbriquées dans Google BigQuery
Atelier : Interroger des données imbriquées et répétées
Atelier : Design du schéma pour les performances : Matrices et structures dans BigQuery

Module 10 : Optimiser les requêtes de performance

Présentation d’un Job BigQuery
Calculer le prix de BigQuery : Stockage, interrogation et coûts de streaming
Optimisation des requêtes en fonction des coûts

Module 11 : Contrôler l’accès avec les bonnes pratiques en matière de sécurité des données

Bonnes pratiques en matière de sécurité des données
Contrôler l’accès avec des vues autorisés

Module 12 : Prévoir les achats des visiteurs qui reviennent avec BigQuery ML

Introduction à ML
Sélection des fonctionnalités
Types de modèles
Apprentissage automatique dans BigQuery
Atelier : Prévoir les achats des visiteurs à l’aide d’un modèle de classification avec BigQuery ML

Module 13 : Tirer des enseignements des données non structurées grâce à l’apprentissage automatique

ML structuré et non structuré
Modèles ML préfabriqués
Atelier : Extraire, analyser et traduire du texte à partir d’images avec les API de Cloud ML
Atelier : Formation avec des modèles ML préconstruits grâce à API Cloud Vision et AutoML

Module 14 : Conclusion

Résumé et synthèse de la formation