🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
GCP100DE

Introduction à l'ingénierie des données sur Google Cloud

Dans ce cours, vous découvrez l'ingénierie des données sur Google Cloud, les rôles et responsabilités des ingénieurs de données, et la manière dont ceux-ci correspondent aux services proposés par Google Cloud. Vous apprenez également différentes approches pour relever les défis de l'ingénierie des données.

Google Cloud
✓ Formation officielle Google CloudNiveau Fondamentaux⏱️ 1 jour (7h)

Ce que vous allez apprendre

  • Comprendre le rôle d'un ingénieur de données.
  • Identifier les tâches d'ingénierie des données et les composants principaux utilisés sur Google Cloud.
  • Comprendre comment créer et déployer des pipelines de données selon différents modèles sur Google Cloud.
  • Identifier et utiliser diverses techniques d'automatisation sur Google Cloud.

Prérequis

  • Expérience préalable de Google Cloud au niveau fondamental, en utilisant Cloud Shell et en accédant aux produits depuis la console Google Cloud.
  • Maîtrise de base d'un langage de requête courant tel que SQL.
  • Expérience de la modélisation de données et des activités ETL (extraction, transformation, chargement).
  • Expérience du développement d'applications à l'aide d'un langage de programmation courant tel que Python.

Public cible

  • Ingénieurs de données, Administrateurs de bases de données, Administrateurs système

Programme de la Formation

6 modules pour maîtriser les fondamentaux

Objectifs
  • Expliquer le rôle d'un ingénieur de données.
  • Comprendre les différences entre une source de données et une destination de données.
  • Expliquer les différents types de formats de données.
  • Expliquer les options de solutions de stockage sur Google Cloud.
  • Découvrir les options de gestion des métadonnées sur Google Cloud.
  • Comprendre comment partager facilement des jeux de données à l'aide d'Analytics Hub.
  • Comprendre comment charger des données dans BigQuery à l'aide de la console Google Cloud ou de la CLI gcloud.
Sujets abordés
  • →Le rôle d'un ingénieur de données
  • →Sources de données et destinations de données
  • →Formats de données
  • →Options de solutions de stockage sur Google Cloud
  • →Options de gestion des métadonnées sur Google Cloud
  • →Partage de jeux de données à l'aide d'Analytics Hub
Activités

Lab : Chargement de données dans BigQuery

Quiz

Objectifs
  • Expliquer l'architecture de référence de réplication et de migration de données sur Google Cloud.
  • Comprendre les options et les cas d'usage de l'outil de ligne de commande gcloud.
  • Expliquer les fonctionnalités et les cas d'usage de Storage Transfer Service.
  • Expliquer les fonctionnalités et les cas d'usage de Transfer Appliance.
  • Comprendre les fonctionnalités et le déploiement de Datastream.
Sujets abordés
  • →Architecture de réplication et de migration
  • →L'outil de ligne de commande gcloud
  • →Déplacer des jeux de données
  • →Datastream
Activités

Lab : Datastream : Réplication de PostgreSQL vers BigQuery (optionnel pour ILT)

Quiz

Objectifs
  • Expliquer le schéma d'architecture de référence pour l'extraction et le chargement.
  • Comprendre les options de l'outil de ligne de commande bq.
  • Expliquer les fonctionnalités et les cas d'usage de BigQuery Data Transfer Service.
  • Expliquer les fonctionnalités et les cas d'usage de BigLake en tant que modèle sans extraction-chargement.
Sujets abordés
  • →Architecture d'extraction et de chargement
  • →L'outil de ligne de commande bq
  • →BigQuery Data Transfer Service
  • →BigLake
Activités

Lab : BigLake : Démarrage rapide

Quiz

Objectifs
  • Expliquer le schéma d'architecture de référence pour l'extraction, le chargement et la transformation.
  • Comprendre un pipeline ELT courant sur Google Cloud.
  • Découvrir les capacités de script et de planification SQL de BigQuery.
  • Expliquer les fonctionnalités et les cas d'usage de Dataform.
Sujets abordés
  • →Architecture d'extraction, de chargement et de transformation (ELT)
  • →Script SQL et planification avec BigQuery
  • →Dataform
Activités

Lab : Créer et exécuter un flux de travail SQL dans Dataform

Quiz

Objectifs
  • Expliquer le schéma d'architecture de référence pour l'extraction, la transformation et le chargement.
  • Découvrir les outils graphiques de Google Cloud utilisés pour les pipelines de données ETL.
  • Expliquer le traitement de données par lots à l'aide de Dataproc.
  • Apprendre à utiliser Dataproc Serverless pour Spark pour l'ETL.
  • Expliquer les options de traitement de données en continu.
  • Expliquer le rôle de Bigtable dans les pipelines de données.
Sujets abordés
  • →Architecture d'extraction, de transformation et de chargement (ETL)
  • →Outils graphiques Google Cloud pour les pipelines de données ETL
  • →Traitement de données par lots à l'aide de Dataproc
  • →Options de traitement de données en continu
  • →Bigtable et pipelines de données
Activités

Lab : Utiliser Dataproc Serverless pour Spark pour charger BigQuery (optionnel pour ILT)

Lab : Création d'un pipeline de données en continu pour un tableau de bord en temps réel avec Dataflow

Quiz

Objectifs
  • Expliquer les modèles et les options d'automatisation disponibles pour les pipelines.
  • Découvrir Cloud Scheduler et Workflows.
  • Découvrir Cloud Composer.
  • Découvrir les fonctions Cloud Run.
  • Expliquer les fonctionnalités et les cas d'usage d'automatisation d'Eventarc.
Sujets abordés
  • →Modèles et options d'automatisation pour les pipelines
  • →Cloud Scheduler et Workflows
  • →Cloud Composer
  • →Cloud Run Functions
  • →Eventarc
Activités

Lab : Utiliser les fonctions Cloud Run pour charger BigQuery (optionnel pour ILT)

Quiz

Formations associées

Google Cloud

Ingénierie des données sur Google Cloud

Acquérez une expérience pratique dans la conception et la création de systèmes de traitement de données sur Google Cloud. Ce cours utilise des présentations, des démonstrations et des travaux pratiques pour vous montrer comment concevoir des systèmes de traitement de données, créer des pipelines de données de bout en bout, analyser des données et implémenter le machine learning. Ce cours couvre les données structurées, non structurées et en streaming. Ce cours est composé des quatre formations suivantes : Introduction to Data Engineering on Google Cloud | T-IDEGC-B, Build Data Lakes and Data Warehouses with Google Cloud | T-DLAKES-I, Build Batch Data Pipelines on Google Cloud | T-BATCHD-I, et Build Streaming Data Pipelines on Google Cloud | T-STREAM-I.

4 j
Intermédiaire
Google Cloud

Intégration de données avec Cloud Data Fusion

Ce cours de 2 jours présente aux apprenants la capacité d'intégration de données de Google Cloud à l'aide de Cloud Data Fusion. Dans ce cours, nous discutons des défis liés à l'intégration de données et de la nécessité d'une plateforme d'intégration de données (middleware). Nous discutons ensuite de la manière dont Cloud Data Fusion peut aider à intégrer efficacement les données provenant d'une variété de sources et de formats et à générer des informations. Nous examinons les principaux composants de Cloud Data Fusion et leur fonctionnement, comment traiter les données par lots et les données en streaming en temps réel avec une conception de pipeline visuelle, un suivi riche des métadonnées et de la lignée des données, et comment déployer des pipelines de données sur divers moteurs d'exécution.

2 j
Intermédiaire
Voir toutes les formations →

Prochaines sessions

30 septembre 2026
Distanciel • Français
S'inscrire
26 octobre 2026
Distanciel • Français
S'inscrire
27 novembre 2026
Distanciel • Français
S'inscrire
14 décembre 2026
Distanciel • Français
S'inscrire

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées
  • Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
  • Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
  • Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.
  • Quiz / QCM — Test rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

  • Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
  • Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

790€ € HT

par apprenant

RéserverDevis