From Data to Insights with Google Cloud Platform

• Data Analysts, Business Analysts, Business Intelligence professionals
• Cloud Data Engineers who will be partnering with Data Analysts to build scalable data solutions on Google Cloud

Maîtrise de base d’ANSI SQL (référence)

1. 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
2. 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
3. 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
4. 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
5. 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
6. 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
7. 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
8. 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
9. 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
   • Atelier: Conception de schéma pour la performance: tableaux et structures dans BigQuery
10. 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
11. 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
12. 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
13. 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
    • Atelier: Entraînement avec des modèles ML prédéfinis à l’aide de l’API Cloud Vision et d’AutoML
14. Conclusion
    • Résumé du cours