Connaître les principaux termes associés au cloud.

Identifier les produits et solutions Google Cloud facilitant la transformation numérique.

Expliquer comment l'exploitation de la technologie cloud et des données peut stimuler l'innovation au sein des organisations.

Identifier les principaux parcours de transformation et les produits Google Cloud de modernisation d'infrastructures et d'applications.

Décrire les facteurs déterminants du succès des opérations cloud et de leur sécurité.

À l'issue de la formation, le participant sera en mesure de :

• Concevoir et développer des architectures de traitement de données performantes et scalables sur Google Cloud.
• Mettre en œuvre des pipelines de données batch et streaming autoscalés à l'aide de Cloud Dataflow.
• Analyser et interroger de très grands volumes de données de manière optimisée avec BigQuery.
• Traiter des données complexes et non structurées avec Apache Spark sur Dataproc et les API de Machine Learning.
• Créer et déployer des modèles prédictifs et de machine learning avec BigQuery ML et Vertex AI.

À l'issue de la formation, le participant sera en mesure de :

• Identifier les fonctionnalités et cas d'usage de Gemini pour Google Cloud et Gemini dans BigQuery.
• Explorer et préparer rapidement des jeux de données à l'aide des outils d'assistance et d'insights automatisés.
• Développer, expliquer, optimiser et dépanner du code SQL avec Gemini en appliquant les meilleures pratiques d'ingénierie de prompts.
• Concevoir et itérer visuellement sur des analyses et requêtes complexes grâce à BigQuery Data Canvas.
• Invoquer des modèles d'IA générative Gemini au sein de requêtes SQL via BigQuery ML et dans des notebooks Python / Jupyter pour traiter des problématiques métier.

• Analyser l'architecture et le fonctionnement des outils de développement augmenté et des modèles de génération de code (LLM dédiés au code).
• Concevoir et configurer des agents IA personnalisés et des "skills" spécifiques pour automatiser les phases de planification et d'implémentation technique.
• Structurer et déployer un workflow de type "Agentic AI" pour orchestrer des tâches complexes de développement.
• Piloter le refactoring d'une base de code legacy volumineuse en exploitant les capacités d'analyse et de réécriture des assistants IA.
• Intégrer et manipuler des serveurs MCP (Model Context Protocol) via des cas d'usage concrets avec Playwright et Figma.
• Appliquer les principes du Spec Driven Development (développement piloté par les spécifications) pour sécuriser la génération de code par l'IA.