Spilios Theodoratos
Mitglied seit 2021
Silver League
4360 Punkte
Mitglied seit 2021
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
In this course, you’ll learn how to apply the Google Cloud Well-Architected Framework to design resilient, production-grade cloud environments. You’ll analyze real-world challenges across six distinct industries to balance competing priorities like low-latency performance, ironclad security, and carbon efficiency. By the end, you'll possess a practical architectural playbook and the critical thinking skills needed to lead reviews and optimize cloud workloads in the field.
Erhalten Sie ein Skill-Logo, indem Sie den Kurs „Umgebung für die Anwendungsentwicklung in Google Cloud einrichten“ abschließen. Dabei lernen Sie, wie Sie eine speicherorientierte Cloud-Infrastruktur mithilfe der grundlegenden Funktionen der folgenden Technologien erstellen und verbinden: Cloud Storage, Identity and Access Management, Cloud Functions und Pub/Sub.
Mit dem Skill-Logo zum Kurs Cloud Load Balancing in der Compute Engine implementieren weisen Sie Kenntnisse in folgenden Bereichen nach: virtuelle Maschinen in der Compute Engine erstellen und bereitstellen und Netzwerk- und Application Load Balancer konfigurieren.
In diesem Einführungskurs erhalten Sie praktische Fertigkeiten im Umgang mit den grundlegenden Tools und Services der Google Cloud. Ihnen werden optionale Videos bereitgestellt, in denen Sie sich weitergehend über die in den Labs behandelten Konzepte informieren können, so oft Sie möchten. „Google Cloud – Grundlagen“ ist ein empfohlener erster Kurs für Google Cloud-Lernende. Selbst wenn Sie vor diesem Kurs wenig bis gar nichts über die Cloud gewusst haben, verfügen Sie danach über praktische Erfahrungen, die Sie in Ihrem ersten Google Cloud-Projekt anwenden können. Vom Schreiben von Cloud Shell- Befehlen und dem Bereitstellen Ihrer ersten virtuellen Maschine bis hin zum Ausführen von Anwendungen auf Kubernetes Engine oder mit Load-Balancing – Google Cloud – Grundlagen ist eine erstklassige Einführung in die grundlegenden Funktionen der Plattform.
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.
Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud. In Videovorträgen, Demos und praxisorientierten Labs lernen Teilnehmende Lösungselemente kennen und stellen sie bereit. Dazu gehören sichere Interconnect-Netzwerke, Load Balancing, Autoscaling, Automatisierung der Infrastruktur und verwaltete Dienste.
This fundamental-level quest is unique amongst the other quest offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Cloud Architect Certification. From IAM, to networking, to Kubernetes engine deployment, this quest is composed of specific labs that will put your Google Cloud knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, we recommend that you also review the exam guide and other available preparation resources.
Scientists, developers, and other technologists from many different industries are taking advantage of AWS to perform big data analytics and meet the challenges of the increasing volume, variety, and velocity of digital information. AWS offers a portfolio of cloud computing services to help you manage big data by reducing costs, scaling to meet demand, and increasing the speed of innovation. In this quest, you’ll learn to work with advanced services for Big Data.
Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.
Erhalten Sie ein Skill-Logo, indem Sie den Kurs Cloud-Architektur: Entwerfen, umsetzen und verwalten abschließen. Dabei können Sie Fähigkeiten nachweisen, die für folgende Aufgaben nötig sind: eine öffentlich zugängliche Website mit Apache-Webservern bereitstellen, eine Compute Engine-VM mithilfe von Startscripts konfigurieren, sicheres RDP durch Nutzung von Firewallregeln und eines Windows-Bastion Hosts konfigurieren, ein Docker-Image in einem Kubernetes-Cluster bereitstellen und anschließend aktualisieren sowie eine Cloud SQL-Instanz erstellen und eine MySQL-Datenbank importieren. Diese Aufgabenreihe bietet eine gute Grundlage für bestimmte Themen, die Teil der Zertifizierungsprüfung zum Google Cloud Certified Professional Cloud Architect sind.
Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.
Mit dem Skill-Logo zum Kurs Informationen aus BigQuery-Daten ableiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Schreiben von SQL-Abfragen, Abfragen öffentlicher Tabellen, Laden von Beispieldaten in BigQuery, Beheben häufig auftretender Syntaxfehler mithilfe der Abfragevalidierung in BigQuery und Erstellen von Berichten in Data Studio durch Herstellen einer Verbindung zu BigQuery-Daten.