Présentation de la formation Google Cloud Professional Data Engineer
Cette formation de 4 jours vous donne les compétences nécessaires pour piloter l’écosystème Data de Google Cloud. Vous apprendrez à concevoir des architectures de traitement de données (batch et streaming), à orchestrer des pipelines via Pub/Sub, Dataflow et Composer, à manipuler les bases relationnelles et NoSQL, et à intégrer des modèles ML via Vertex AI. Vous explorerez aussi les aspects de sécurité, gouvernance, optimisation et supervision des plateformes Data. À travers des ateliers concrets, vous développerez un projet complet de bout en bout, prêt à évoluer en environnement de production.
Objectifs de la formation Google Cloud Professional Data Engineer
Objectifs pédagogiques :
- Comprendre l’écosystème Data de Google Cloud
- Maîtriser la conception et la gestion d’architectures de traitement de données dans GCP
- Savoir déployer des pipelines batch et temps réel
- Apprendre à sécuriser, superviser et optimiser les plateformes de données
- Préparer la certification Google Cloud Professional Data Engineer
Objectifs opérationnels :
- Concevoir, déployer et exploiter une architecture Data complète sur GCP : ingestion temps réel ou batch, traitement de données, stockage (BigQuery, NoSQL), intégration ML, sécurité et optimisation de performance.
Programme de la formation Google Cloud Professional Data Engineer
Jour 1 – Fondations de la Data dans GCP
Introduction au rôle de Data Engineer dans GCP
Présentation des services Data : BigQuery, Pub/Sub, Dataflow, Dataproc, Firestore, Bigtable
Modélisation de données dans le Cloud
Lab pratique : chargement et interrogation de données avec BigQuery
Jour 2 – Pipelines de données et traitement batch/streaming
Pub/Sub : ingestion d’événements et messages en temps réel
Dataflow : pipelines batch et streaming (Apache Beam)
Dataproc : clusters Hadoop/Spark pour le Big Data
Orchestration de pipelines avec Composer (Airflow)
Lab pratique : construire un pipeline Pub/Sub → Dataflow → BigQuery
Jour 3 – Bases de données et intégration IA/ML
Bases de données relationnelles avec Cloud SQL
Bases NoSQL : Firestore et Bigtable
Utilisation de Vertex AI pour entraîner et déployer un modèle
Intégration IA dans une architecture Data
Cas pratique : pipeline Data enrichi par un modèle ML (prédictions temps réel)
Jour 4 – Sécurité, Optimisation et Certification
Sécurité des données dans GCP : IAM, DLP, KMS
Gouvernance des données : Data Catalog, contrôle d’accès
Supervision et optimisation des performances BigQuery et Dataflow
Projet fil rouge : conception d’une plateforme Data complète (ingestion, traitement, stockage, visualisation)
Préparation à la certification Professional Data Engineer : quiz, études de cas
Les autres formations en GCP
Google Cloud Digital Leader (Fondamentaux GCP)
Comprendre les services clés de Google Cloud pour piloter la transformation digitale
Google Cloud Associate Cloud Engineer
Acquérir les compétences essentielles pour déployer, gérer et surveiller des solutions sur Google Cloud
Google Cloud Professional Cloud Architect
Concevoir des architectures cloud robustes et scalables sur Google Cloud Platform
Google Kubernetes Engine (GKE) : Déploiement & Orchestration
Maîtriser le déploiement et l’orchestration de vos applications conteneurisées avec Google Kubernetes Engine
Infrastructure as Code avec Terraform & GCP
Automatiser et versionner son infrastructure GCP avec Terraform et GitOps
Sécuriser son Cloud GCP
Assurer la protection de projets GCP avec IAM, chiffrement et surveillance avancée
Gestion des Machines Virtuelles & Réseaux dans GCP
Déployer, connecter et administrer des VM et réseaux dans Google Cloud
Présentation Google Cloud Platform
Découvrir les fonctionnalités clés de Google Cloud Platform pour tirer le meilleur parti de vos solutions cloud