add pandas big query

s5/.ipynb_checkpoints/Big Data avec Google BigQuery et Pandas-checkpoint.ipynb

@@ -0,0 +1,34 @@
+{
+ "metadata": {
+  "name": "",
+  "signature": "sha256:85f04e8d4e55057b22e16c88ed53cba1f2feee144dab0aa632966bd81873c312"
+ },
+ "nbformat": 3,
+ "nbformat_minor": 0,
+ "worksheets": [
+  {
+   "cells": [
+    {
+     "cell_type": "heading",
+     "level": 1,
+     "metadata": {},
+     "source": [
+      "Analyse Big Data avec Google BigQuery et Pandas"
+     ]
+    },
+    {
+     "cell_type": "markdown",
+     "metadata": {},
+     "source": [
+      "Lorsqu'un set de donn\u00e9es devient trop important pour un traitement sur votre machine (g\u00e9n\u00e9ralement au dessus de quelques Gigaoctets), il vous faut d\u00e9porter vos calculs dans un Cloud. \n",
+      "\n",
+      "La plateforme BigQuery s'appuie sur l'infrastructure de Google. Elle vous permet de stocker et de requ\u00eater des sets de donn\u00e9es sans limite de taille. \n",
+      "\n",
+      "Dans cet exercice, vous allez voir comment Pandas et BigQuery s'int\u00e8grent pour r\u00e9aliser des traitements de donn\u00e9es dans le cloud sur des bases de donn\u00e9es volumineuses. "
+     ]
+    }
+   ],
+   "metadata": {}
+  }
+ ]
+}

s5/Big Data avec Google BigQuery et Pandas.ipynb

@@ -0,0 +1,66 @@
+{
+ "metadata": {
+  "name": "",
+  "signature": "sha256:ae54e720d4ef1b91d3093c1180f7204d2358a6e30c46f8e50c3e3e006725e69b"
+ },
+ "nbformat": 3,
+ "nbformat_minor": 0,
+ "worksheets": [
+  {
+   "cells": [
+    {
+     "cell_type": "heading",
+     "level": 1,
+     "metadata": {},
+     "source": [
+      "Analyse Big Data avec Google BigQuery et Pandas"
+     ]
+    },
+    {
+     "cell_type": "markdown",
+     "metadata": {},
+     "source": [
+      "Lorsqu'un set de donn\u00e9es devient trop important pour un traitement sur votre machine (g\u00e9n\u00e9ralement au dessus de quelques Gigaoctets), il vous faut d\u00e9porter vos calculs dans des infrastructures Cloud. \n",
+      "\n",
+      "La plateforme BigQuery s'appuie sur l'infrastructure de Google. Elle vous permet de stocker et de requ\u00eater des sets de donn\u00e9es sans limite de taille. \n",
+      "\n",
+      "Dans cet partie, vous allez voir comment Pandas et BigQuery s'int\u00e8grent pour traiter dans le cloud, des bases de donn\u00e9es volumineuses. "
+     ]
+    },
+    {
+     "cell_type": "heading",
+     "level": 1,
+     "metadata": {},
+     "source": [
+      "BigQuery"
+     ]
+    },
+    {
+     "cell_type": "markdown",
+     "metadata": {},
+     "source": [
+      "Rendez vous sur l'interface - https://bigquery.cloud.google.com/ et cr\u00e9ez un projet. \n",
+      "\n",
+      "Vous devrez renseigner vos coordonn\u00e9es bancaires pour pouvoir activer votre compte. Vous b\u00e9n\u00e9ficiez par d\u00e9faut d'une premi\u00e8re p\u00e9riode de test. "
+     ]
+    },
+    {
+     "cell_type": "markdown",
+     "metadata": {},
+     "source": [
+      "Les projets auxquels vous avez acc\u00e8s sont affich\u00e9s sur la gauche. Au sein de chaque projet vous retrouvez un ou plusieurs set de donn\u00e9es. "
+     ]
+    },
+    {
+     "cell_type": "code",
+     "collapsed": false,
+     "input": [],
+     "language": "python",
+     "metadata": {},
+     "outputs": []
+    }
+   ],
+   "metadata": {}
+  }
+ ]
+}