About this Course
100% online

100% online

Start instantly and learn at your own schedule.
Flexible deadlines

Flexible deadlines

Reset deadlines in accordance to your schedule.
Intermediate Level

Intermediate Level

Hours to complete

Approx. 5 hours to complete

Suggested: 1 semaine d'étude, 6 à 8 heures par semaine...
Available languages

French

Subtitles: French, English, German, Japanese
100% online

100% online

Start instantly and learn at your own schedule.
Flexible deadlines

Flexible deadlines

Reset deadlines in accordance to your schedule.
Intermediate Level

Intermediate Level

Hours to complete

Approx. 5 hours to complete

Suggested: 1 semaine d'étude, 6 à 8 heures par semaine...
Available languages

French

Subtitles: French, English, German, Japanese

Syllabus - What you will learn from this course

Week
1
Hours to complete
1 hour to complete

Module 1 : Architecture des pipelines d'analyse des flux de données

...
Reading
5 videos (Total 39 min), 1 reading, 1 quiz
Video5 videos
Défi n° 1 : Les volumes variables nécessitent une capacité d'ingestion pour évoluer et tolérer les pannes4m
Défi n° 2 : Une latence est inévitable5m
Défi n° 3 : Besoin d'informations instantanées6m
Présentation de plusieurs scénarios de flux8m
Reading1 reading
Feuille de travail de l'atelier10m
Quiz1 practice exercise
Questionnaire du module 14m
Hours to complete
2 hours to complete

Module 2 : Ingestion de volumes variables

...
Reading
4 videos (Total 34 min), 2 quizzes
Video4 videos
Fonctionnement : Thèmes et abonnements14m
Présentation de l'atelier34s
Atelier : Démonstration et évaluation8m
Quiz1 practice exercise
Questionnaire du module 28m
Hours to complete
2 hours to complete

Module 3 : Mise en œuvre de pipelines de flux de données

...
Reading
6 videos (Total 70 min), 2 quizzes
Video6 videos
Défis du traitement par flux14m
Développement d'un pipeline de traitement des données par flux pour le trafic en direct11m
Gestion des données en retard : filigranes, déclenchements et accumulation14m
Présentation de l'atelier35s
Atelier : Démonstration et évaluation15m
Quiz1 practice exercise
Questionnaire du module 32m
Hours to complete
1 hour to complete

Module 4 : Analyse de flux de données et tableaux de bord

...
Reading
3 videos (Total 20 min), 2 quizzes
Video3 videos
Présentation de l'atelier45s
Atelier : Démonstration et évaluation5m
Quiz1 practice exercise
Questionnaire du module 44m
Hours to complete
2 hours to complete

Module 5 : Répondre aux exigences de débit et de latence

...
Reading
8 videos (Total 63 min), 2 quizzes
Video8 videos
Bigtable : Service NoSQL d'envergure et rapide en autoscaling4m
Ingestion dans Bigtable4m
Concevoir pour Bigtable23m
Flux dans Bigtable1m
Atelier : Démonstration et évaluation4m
Considérations sur les performances6m
Résumé de la spécialisation Data Engineering sur GCP8m
Quiz1 practice exercise
Questionnaire du module 56m

About Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

About the Data Engineering on Google Cloud Platform en Français Specialization

Cette formation de spécialisation en ligne d'une durée de cinq semaines présente en pratique comment concevoir et développer des systèmes de traitement des données sur Google Cloud Platform. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprennent à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à exécuter des tâches de machine learning. Ce cours traite des données par flux ainsi que des données structurées et non structurées. Ce cours permet aux participants d'acquérir les compétences suivantes : • Concevoir et développer des systèmes de traitement de données sur Google Cloud Platform • Exploiter des données non structurées à l'aide de Spark et des API de ML sur Cloud Dataproc • Traiter des données par lot ou par flux en mettant en œuvre des pipelines de données d'autoscaling sur Cloud Dataflow • Obtenir des informations métier à partir de très grands ensembles de données à l'aide de Google BigQuery • Entraîner, évaluer et effectuer des prédictions à l'aide de modèles de machine learning avec TensorFlow et Cloud ML • Obtenir des insights immédiats à partir de données par flux Ce cours s'adresse aux développeurs expérimentés qui se chargent de réaliser des opérations de transformation du big data. En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service...
Data Engineering on Google Cloud Platform en Français

Frequently Asked Questions

  • Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

  • If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

  • Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

  • If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

  • This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.

More questions? Visit the Learner Help Center.