GCP100RESEARCH

Principes fondamentaux de Google Cloud pour les chercheurs

Dans ce cours, vous apprendrez à utiliser divers outils de Google Cloud pour ingérer, gérer et exploiter vos données afin d'en tirer des informations pour votre recherche. Vous serez initié aux outils utilisés sur Google Cloud par les chercheurs, puis vous apprendrez à ingérer vos données non structurées et structurées dans Cloud Storage et BigQuery respectivement. Ensuite, vous apprendrez à organiser vos données et à comprendre les coûts dans Google Cloud. Enfin, vous apprendrez à tirer parti des environnements de notebook et d'autres outils Google Cloud pour l'analyse descriptive et prédictive.

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

Ce que vous allez apprendre

  • Comprendre les produits disponibles dans Google Cloud pour la recherche
  • Charger des donnĂ©es non structurĂ©es et structurĂ©es dans Google Cloud
  • GĂ©rer l'accès et le partage de vos donnĂ©es sur Google Cloud
  • Comprendre les coĂ»ts sur Google Cloud
  • Tirer parti des environnements Jupyter Notebook dans Vertex AI Workbench
  • Utiliser des solutions d'apprentissage automatique sur Google Cloud

Prérequis

  • Connaissance de base des types de donnĂ©es et du SQL
  • Connaissances de base en programmation
  • Modèles d'apprentissage automatique tels que les modèles supervisĂ©s par rapport aux modèles non supervisĂ©s

Public cible

  • Clients, Chercheurs

Programme de la Formation

6 modules pour maîtriser les fondamentaux

Objectifs
  • Explorer les cas d'utilisation de la recherche dans Google Cloud Ă  travers des dĂ©mos interactives.
Sujets abordés
  • →DĂ©mo : Provisionner des machines virtuelles Compute Engine
  • →DĂ©mo : Interroger un milliard de lignes de donnĂ©es en quelques secondes avec BigQuery
  • →DĂ©mo : EntraĂ®ner un modèle de vision personnalisĂ© avec AutoML Vision
Objectifs
  • Comprendre comment les ressources dans Google Cloud sont gĂ©rĂ©es Ă  travers les organisations, les dossiers et les projets.
  • ContrĂ´ler l'accès aux projets et aux ressources Ă  l'aide d'IAM
  • Explorer la facturation dans Google Cloud
Sujets abordés
  • →Organisation des ressources dans Google Cloud
  • →ContrĂ´le de l'accès aux projets et aux ressources
  • →Gestion des coĂ»ts et de la facturation
Objectifs
  • Comprendre les mĂ©thodes d'interaction avec Google Cloud
  • Stocker vos donnĂ©es dans des buckets Cloud Storage
  • Provisionner des machines virtuelles Compute Engine
  • Comprendre les coĂ»ts de calcul sur Google Cloud
  • Explorer comment vous pouvez crĂ©er des clusters HPC sur Google Cloud
Sujets abordés
  • →Interaction avec Google Cloud
  • →CrĂ©er et gĂ©rer des buckets Cloud Storage
  • →Machines virtuelles Compute Engine
  • →Comprendre les coĂ»ts de calcul
  • →Introduction au HPC sur Google Cloud
Activités

Labo : Créer et gérer une machine virtuelle (Linux) et Cloud Storage

Labo optionnel : Déployer un cluster HPC avec Slurm

Objectifs
  • Comprendre les principes fondamentaux de BigQuery
  • Interroger des jeux de donnĂ©es publics dans BigQuery Studio
  • GĂ©rer des jeux de donnĂ©es dans BigQuery
  • Connecter des donnĂ©es de BigQuery Ă  Looker Studio
Sujets abordés
  • →Principes fondamentaux de BigQuery
  • →Interrogation de jeux de donnĂ©es publics
  • →Importation et exportation de donnĂ©es dans BigQuery
  • →Connexion Ă  Looker Studio
Activités

Labo : Principes fondamentaux de BigQuery et Looker Studio

Objectifs
  • Explorer Vertex AI en tant que plateforme d'apprentissage automatique
  • Provisionner des notebooks Jupyter Ă  l'aide de Vertex AI Workbench
Sujets abordés
  • →Vertex AI
  • →Vertex AI Workbench
  • →Connexion des notebooks Jupyter Ă  BigQuery
Activités

Labo : Interaction avec BigQuery en utilisant Python et R dans des notebooks Jupyter

Objectifs
  • Explorer les options d'apprentissage automatique sur Google Cloud
  • Comprendre les donnĂ©es non structurĂ©es Ă  l'aide des API ML prĂ©-entraĂ®nĂ©es
  • CrĂ©er des modèles ML personnalisĂ©s sans code avec Vertex AI AutoML
  • CrĂ©er des modèles ML personnalisĂ©s avec SQL sur BigQuery ML
Sujets abordés
  • →Options de ML sur Google Cloud
  • →API ML prĂ©-entraĂ®nĂ©es
  • →Vertex AI AutoML
  • →BigQuery ML
Activités

Labo optionnel : Extraire, analyser et traduire du texte Ă  partir d'images avec les API Cloud ML

Labo optionnel : Identifier les pièces de voiture endommagées avec Vertex AutoML Vision

Labo optionnel : Démarrer avec l'apprentissage automatique BigQuery

Formations associées

Google Cloud
Best

Architecture avec Google Compute Engine

Ce cours vous familiarisera avec l'infrastructure et les services de plateforme flexibles de Google Cloud, avec un accent particulier sur Compute Engine. Ce cours utilise une combinaison de conférences, de démonstrations et de travaux pratiques pour explorer et déployer des éléments de solution, y compris des composants d'infrastructure tels que les réseaux, les systèmes et les services d'application. Vous apprendrez également à déployer des solutions pratiques telles que la mise en réseau hybride, les clés de chiffrement fournies par le client, la gestion de la sécurité et des accès, les quotas et la facturation, ainsi que la surveillance des ressources.

3 j
Intermédiaire
Google Cloud

Infrastructure Google Cloud pour les professionnels AWS

Ce cours s'adresse aux architectes et ingénieurs cloud ayant une connaissance existante d'AWS. Il compare les solutions Google Cloud avec celles d'AWS et guide les professionnels dans leur utilisation. Dans ce cours, vous appliquerez vos connaissances des concepts et technologies AWS pour explorer les similitudes et les différences avec les concepts et technologies de Google Cloud. Vous bénéficierez d'une pratique concrète pour construire et gérer les ressources Google Cloud.

2 j
Intermédiaire

Prochaines sessions

14 septembre 2026
Distanciel • Français
S'inscrire
1 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 thĂ©oriques (Slides) — PrĂ©sentation de concepts via des supports visuels (PowerPoint, PDF).
  • DĂ©monstration technique (DĂ©mos) — Le formateur rĂ©alise une manipulation ou une procĂ©dure devant les apprenants.
  • Laboratoires dirigĂ©s (Labs) — Mise en pratique guidĂ©e sur logiciel, machine ou environnement technique.
  • Quiz / QCM — Test rapide de connaissances (format papier ou numĂ©rique 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 : VĂ©rification des connaissances tout au long de la formation via des mĂ©thodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-Ă©valuation comparatif comprenant un diagnostic initial pour situer le niveau de dĂ©part, suivi d'une Ă©valuation finale pour valider l'Ă©volution des compĂ©tences.
  • Évaluation de la qualitĂ© : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacitĂ© de la formation ressentie par les participants.

790€ € HT

par apprenant