Über diesen Kurs

2,851 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 10 Stunden zum Abschließen
Französisch
Untertitel: Französisch, Portugiesisch (Brasilien), Deutsch, Englisch, Spanisch, Japanisch...
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 10 Stunden zum Abschließen
Französisch
Untertitel: Französisch, Portugiesisch (Brasilien), Deutsch, Englisch, Spanisch, Japanisch...

von

Google Cloud-Logo

Google Cloud

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

1 Stunde zum Abschließen

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

1 Stunde zum Abschließen
5 Videos (Gesamt 39 min), 1 Lektüre, 1 Quiz
5 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
1 Lektüre
Feuille de travail de l'atelier10m
1 praktische Übung
Questionnaire du module 130m
2 Stunden zum Abschließen

Module 2 : Ingestion de volumes variables

2 Stunden zum Abschließen
4 Videos (Gesamt 34 min)
4 Videos
Fonctionnement : Thèmes et abonnements14m
Présentation de l'atelier34
Atelier : Démonstration et évaluation8m
1 praktische Übung
Questionnaire du module 230m
3 Stunden zum Abschließen

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

3 Stunden zum Abschließen
6 Videos (Gesamt 70 min)
6 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'atelier35
Atelier : Démonstration et évaluation15m
1 praktische Übung
Questionnaire du module 330m
1 Stunde zum Abschließen

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

1 Stunde zum Abschließen
3 Videos (Gesamt 20 min)
3 Videos
Présentation de l'atelier45
Atelier : Démonstration et évaluation5m
1 praktische Übung
Questionnaire du module 44m
3 Stunden zum Abschließen

Module 5 : Répondre aux exigences de débit et de latence

3 Stunden zum Abschließen
8 Videos (Gesamt 63 min)
8 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
1 praktische Übung
Module 5 – Quiz30m

Über den Spezialisierung Data Engineering on Google Cloud Platform en Français

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

Häufig gestellte Fragen

  • 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.

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..