Valentyn Verovkin
Menjadi anggota sejak 2021
Diamond League
48465 poin
Menjadi anggota sejak 2021
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
Seiring semakin meningkatnya penggunaan Kecerdasan Buatan dan Machine Learning di kalangan perusahaan, proses membangunnya secara bertanggung jawab juga menjadi semakin penting. Membicarakan responsible AI mungkin lebih mudah bagi banyak orang daripada mempraktikkannya. Jika Anda tertarik untuk mempelajari cara mengoperasionalkan responsible AI dalam organisasi Anda, kursus ini cocok untuk Anda. Dalam kursus ini, Anda akan mempelajari bagaimana Google Cloud mengoperasionalkan responsible AI, dengan praktik terbaik dan pelajaran yang dapat dipetik. Hal ini berguna sebagai framework bagi Anda untuk membangun pendekatan responsible AI.
Selesaikan badge keahlian tingkat menengah Mengelola Model Data di Looker untuk menunjukkan keterampilan dalam hal berikut: mempertahankan performa project LookML; memanfaatkan SQL runner untuk validasi data; menerapkan praktik terbaik LookML; mengoptimalkan kueri dan laporan untuk performa; serta menerapkan tabel turunan persisten dan kebijakan penyimpanan ke dalam cache.
Dapatkan badge keahlian tingkat lanjut dengan menyelesaikan kursus tentang Menggunakan API Machine Learning di Google Cloud yang membahas fitur dasar machine learning dan dan teknologi AI berikut: Cloud Vision API, Cloud Translation API, dan Cloud Natural Language API.
Selesaikan kursus badge keahlian pengantar Membangun Objek LookML di Looker untuk menunjukkan keterampilan dalam hal berikut: membuat dimensi dan ukuran, tabel turunan, serta tampilan baru; menetapkan filter ukuran dan berdasarkan persyaratan; memperbarui dimensi dan ukuran; membangun dan menyempurnakan Eksplorasi; menggabungkan tabel ke Eksplorasi yang ada; dan memutuskan objek yang akan dibuat berdasarkan persyaratan bisnis.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk Dasbor dan Laporan Looker untuk menunjukkan keterampilan dalam hal berikut: memfilter, mengurutkan, dan melakukan pivot pada data; menggabungkan hasil dari sejumlah Eksplorasi Looker; serta menggunakan fungsi dan operator untuk membangun dasbor dan laporan Looker untuk analisis dan visualisasi data.
Dapatkan badge keahlian dengan menyelesaikan kursus badge keahlian Panduan Awal Menggunakan Looker, tempat Anda mempelajari cara menganalisis, memvisualisasikan, dan mengelola data menggunakan Looker Studio dan Looker.
Dapatkan badge keahlian dengan menyelesaikan kursus Mengembangkan Jaringan Google Cloud Anda yang berisi pelajaran tentang berbagai cara untuk men-deploy dan memantau aplikasi, termasuk cara: menjelajahi peran IAM dan menambahkan/menghapus akses project, membuat jaringan VPC, men-deploy dan memantau VM Compute Engine, menulis kueri SQL, men-deploy dan memantau VM di Compute Engine, serta men-deploy aplikasi menggunakan Kubernetes dengan beberapa pendekatan deployment.
Dapatkan badge keahlian dengan menyelesaikan kursus Introduction to Generative AI, Introduction to Large Language Models, dan Introduction to Responsible AI. Dengan berhasil menyelesaikan kuis akhir, Anda membuktikan pemahaman Anda tentang konsep dasar AI generatif. Badge keahlian adalah badge digital yang diberikan oleh Google Cloud sebagai pengakuan atas pengetahuan Anda tentang produk dan layanan Google Cloud. Pamerkan badge keahlian Anda dengan menampilkan profil Anda kepada publik dan menambahkannya ke profil media sosial Anda.
Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.
Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga membahas beberapa Alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Selesaikan badge keahlian pengantar Membuat dan Mengelola Instance AlloyDB untuk menunjukkan keterampilan dalam hal berikut: melakukan operasi inti AlloyDB dan tugas, bermigrasi ke AlloyDB dari PostgreSQL, mengelola database AlloyDB, dan mempercepat kueri analisis menggunakan Columnar Engine AlloyDB.
Selesaikan badge keahlian pengantar Membuat dan Mengelola Instance Bigtable untuk menunjukkan keterampilan dalam hal berikut: membuat instance, mendesain skema, mengkueri data, dan melakukan tugas administratif di Bigtable termasuk memantau performa serta mengonfigurasi penskalaan otomatis dan replikasi node.
Dapatkan badge keahlian dengan menyelesaikan kursus badge keahlian Berbagi Data Menggunakan Google Data Cloud, tempat Anda akan mendapatkan pengalaman praktis dengan Google Cloud Partner Berbagi Data, yang memiliki set data eksklusif yang dapat digunakan pelanggan untuk kasus penggunaan analisis mereka. Pelanggan berlangganan data ini, mengkuerinya dalam platform mereka sendiri, lalu menambahkannya dengan set data mereka sendiri dan menggunakan visualisasi untuk dasbor yang berinteraksi dengan pelanggan mereka.
Selesaikan badge keahlian pengantar Membuat dan Mengelola Instance Cloud SQL untuk PostgreSQL untuk menunjukkan keterampilan dalam hal berikut: memigrasikan, mengonfigurasi, dan mengelola Instance dan database Cloud SQL untuk PostgreSQL.
Dapatkan badge keahlian dengan menyelesaikan kursus tentang pengantar Membuat dan Mengelola Instance Cloud Spanner untuk menunjukkan keterampilan dalam: membuat dan berinteraksi dengan instance dan database Cloud Spanner; memuat database Cloud Spanner menggunakan berbagai teknik; mencadangkan database Cloud Spanner; menentukan skema dan memahami rencana kueri; serta men-deploy Aplikasi Web Modern yang terhubung ke instance Cloud Spanner.
Selesaikan kursus badge keahlian pengantar Memigrasikan Data MySQL ke Cloud SQL Menggunakan Database Migration Service untuk menunjukkan keterampilan dalam hal berikut: memigrasikan data MySQL ke Cloud SQL menggunakan berbagai jenis tugas dan opsi konektivitas yang tersedia dalam Database Migration Service dan memigrasikan data pengguna MySQL saat menjalankan tugas Database Migration Service.
This course is intended to give architects, engineers, and developers the skills required to help enterprise customers architect, plan, execute, and test database migration projects. Through a combination of presentations, demos, and hands-on labs participants move databases to Google Cloud while taking advantage of various services. This course covers how to move on-premises, enterprise databases like SQL Server to Google Cloud (Compute Engine and Cloud SQL) and Oracle to Google Cloud bare metal.
Selesaikan kursus badge keahlian tingkat menengah Melakukan Analisis Data Prediktif di BigQuery untuk mendemonstrasikan keterampilan dalam hal berikut: membuat set data di BigQuery dengan mengimpor file CSV dan JSON; memanfaatkan kemampuan BigQuery dengan konsep analitik SQL yang canggih, termasuk menggunakan BigQuery ML untuk melatih model prediksi gol pada data peristiwa sepak bola dan mengevaluasi kehebatan gol Piala Dunia.
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.
Selesaikan badge keahlian tingkat menengah Membuat Model ML dengan BigQuery ML untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengevaluasi model machine learning dengan BigQuery ML untuk membuat prediksi data.
Selesaikan badge keahlian pengantar Mendapatkan Insight dari Data BigQuery untuk menunjukkan keterampilan dalam hal berikut: menulis kueri SQL, membuat kueri tabel publik, memuat sampel data ke dalam BigQuery, memecahkan masalah error sintaksis umum dengan validator kueri di BigQuery, dan membuat laporan di Data Studio dengan menghubungkannya ke data BigQuery.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.
Dasar-Dasar Google Cloud: Infrastruktur Inti memperkenalkan konsep dan terminologi penting untuk bekerja dengan Google Cloud. Melalui video dan lab interaktif, kursus ini menyajikan dan membandingkan banyak layanan komputasi dan penyimpanan Google Cloud, bersama dengan resource penting dan alat pengelolaan kebijakan.