Tomasz Matyja
Menjadi anggota sejak 2020
Menjadi anggota sejak 2020
Kursus ini memperkenalkan dasar-dasar agen AI serta mengeksplorasi bagaimana agen memberikan nilai tambah di dunia nyata. Kursus ini memberikan fondasi bagi developer, arsitek, dan pengambil keputusan teknis yang ingin memahami sistem AI melalui sudut pandang perilaku otonom yang berorientasi pada sasaran.
Buat aplikasi Gemini Enterprise pertama Anda! Hubungkan beragam sumber data ke aplikasi Anda untuk membangun mesin telusur dan mesin analisis terpadu yang andal. Kuasai kemampuan tingkat lanjut seperti agen Deep Research, pencarian ide multi-agen, dan NotebookLM untuk analisis terfokus.
Selesaikan badge keahlian Men-deploy Arsitektur Multi-Agen tingkat lanjut untuk menunjukkan keterampilan Anda dalam hal berikut: membangun sistem multi-agen dengan ADK, menghubungkan agen dengan protokol Agent-to-Agent (A2A), mengintegrasikan alat eksternal menggunakan Model Context Protocol (MCP), dan men-deploy solusi multi-agen lengkap ke Agent Engine.
Dapatkan badge keahlian dengan menyelesaikan kursus Men-streaming Analytics ke BigQuery, tempat Anda menggunakan Pub/Sub, Dataflow, dan BigQuery secara bersamaan untuk melakukan streaming data untuk analisis.
Kecerdasan buatan (AI) dan machine learning (ML) mewakili evolusi penting dalam teknologi informasi yang dengan cepat mentransformasi berbagai industri. Berinovasi dengan Kecerdasan Buatan Google Cloud membahas cara organisasi menggunakan AI dan ML untuk mentransformasi proses bisnis mereka. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Saat organisasi memindahkan data dan aplikasi mereka ke cloud, mereka harus menghadapi dinamika tantangan keamanan yang berkembang pesat. Kursus ini membahas dasar-dasar keamanan cloud, nilai infrastruktur Google Cloud yang aman dari desain, dan strategi defense in depth, sekaligus memaparkan cara operasi berbasis AI dan alat kepatuhan membantu organisasi memenuhi persyaratan peraturan global yang ketat. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Dapatkan badge keahlian Pengantar dengan menyelesaikan kursus Mengonfigurasi Akun Layanan dan Peran IAM untuk Google Cloud, tempat Anda mempelajari akun layanan, peran kustom, dan cara menetapkan izin menggunakan gcloud.
Dapatkan badge keahlian tingkat menengah dengan menyelesaikan kursus badge keahlian Mengimplementasikan Pipeline CI/CD di Google Cloud. tempat Anda mempelajari cara menggunakan Artifact Registry, Cloud Build, dan Cloud Deploy. Anda berinteraksi dengan konsol Google Cloud, Google Cloud CLI, Cloud Run, dan GKE. Kursus ini mengajarkan cara membangun pipeline continuous integration pipeline, menyimpan dan mengamankan artefak, memindai kerentanan, membuktikan validitas rilis yang disetujui. Selain itu, Anda akan mendapatkan pengalaman langsung dalam men-deploy aplikasi ke GKE dan Cloud Run.
Mendapatkan gambaran konseptual tentang Agen AI. Anda akan mempelajari arsitektur teknis, yakni model, alat, dan orkestrasi, yang memungkinkan agen untuk belajar, merencanakan, dan mencapai sasaran atas nama Anda.
Learn about building conversational AI voice and chat integrations, including how telephony systems can connect with Google to enable phone-based interactions within the Conversational AI ecosystem. Explore key topics such as the differences between chat and voice conversations, the writing process for creating conversation scripts, and the beginning of the interrogative series and closing sequence.
Connect conversational agents to external systems and APIs to expand what agents can do, designing an end-to-end system that is resilient, fault-tolerant and secure.
Complete the Build basic Conversational Agents with Playbooks and Flows skill badge to demonstrate your proficiency in building virtual agents using traditional NLU and generative-based features. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
In this course, you'll learn to develop AI agents that answer questions using websites, documents, or structured data. You will explore AI Applications and understand the advantages of data store agents, including their scalability and security. You'll learn about different data store types and also discover how to connect data stores to agents and add personalization for enhanced responses. Finally, you'll gain insights into common search configurations and troubleshooting techniques.
Explore the Generative AI features for Conversational Agents and how to incorporate them into stateful Flows. Discover the possibilities with Generators, Generative Fallback, and Data Stores, as well as best practices and security settings for using these features.
Discover flows in Conversational Agents and learn how to build deterministic chat and voice experiences with language models. Explore key concepts like drivers, intents, and entities, and how to use them to create conversational agents.
Explore Playbooks and their implementation of the ReAct pattern for building conversational agents. You will learn how to construct a Playbook, set up goals and instructions to build a chatbot in natural language, and learn to test and deploy your solution.
This course explores the different products and capabilities of Gemini for customer experience, including CX Agent Studio, Agent Assist and CX Insights. Additionally, it covers the foundational principles of conversation design to craft engaging and effective experiences that emulate human-like experiences specific to the Chat channel.
Agen AI Generatif: Mentransformasi Organisasi Anda adalah kursus kelima dan terakhir dari jalur pembelajaran Pemimpin AI Generatif. Kursus ini membahas cara organisasi menggunakan agen AI generatif kustom untuk membantu mengatasi tantangan bisnis tertentu. Anda akan mendapatkan praktik langsung dalam membangun agen AI generatif dasar, sambil mempelajari komponen agen ini, seperti model, loop penalaran, dan alat.
Aplikasi AI Generatif: Mentransformasi Pekerjaan Anda adalah kursus keempat dari jalur pembelajaran Generative AI Leader. Kursus ini memperkenalkan aplikasi AI generatif Google, seperti Gemini untuk Workspace dan NotebookLM. Kursus ini memandu Anda memahami konsep seperti grounding, retrieval augmented generation, menyusun perintah yang efektif, dan membangun alur kerja otomatis.
AI Generatif: Memahami Lanskap adalah kursus ketiga dari alur pembelajaran Gen AI Leader. AI generatif mengubah cara kita bekerja dan berinteraksi dengan dunia di sekitar kita. Namun, sebagai seorang pemimpin, bagaimana Anda dapat memanfaatkan kekuatan AI untuk mendorong hasil bisnis yang nyata? Dalam kursus ini, Anda akan mempelajari berbagai lapisan dalam membangun solusi AI generatif, penawaran Google Cloud, dan faktor-faktor yang perlu dipertimbangkan saat memilih solusi.
AI Generatif: Memahami Konsep Dasar adalah kursus kedua dari alur pembelajaran Gen AI Leader. Dalam kursus ini, Anda akan memahami konsep dasar AI generatif dengan mempelajari perbedaan antara AI, ML, dan AI generatif, serta memahami bagaimana berbagai jenis data memungkinkan AI generatif mengatasi tantangan bisnis. Anda juga akan mendapatkan insight tentang strategi Google Cloud untuk mengatasi keterbatasan model dasar dan tantangan utama dalam pengembangan dan deployment AI yang bertanggung jawab dan aman.
Gen AI: Lebih dari Sekadar Chatbot adalah kursus pertama dari jalur pembelajaran Pemimpin AI Generatif dan tidak memiliki prasyarat. Kursus ini bertujuan untuk melampaui pemahaman dasar tentang chatbot guna mengeksplorasi potensi sebenarnya dari AI generatif untuk organisasi Anda. Anda akan mempelajari konsep seperti model dasar dan rekayasa perintah, yang penting untuk memanfaatkan kekuatan AI generatif. Kursus ini juga menjelaskan beberapa pertimbangan penting yang harus dipikirkan saat mengembangkan strategi AI generatif yang sukses untuk organisasi Anda.
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.
Selesaikan badge keahlian pengantar Memantau dan Mengelola Resource Google Cloud untuk menunjukkan keterampilan dalam hal berikut: memberikan dan mencabut izin IAM; menginstal agen logging serta pemantauan; membuat, men-deploy, dan menguji fungsi Cloud Run berbasis peristiwa.
This skill badge course aims to unlock the power of data visualization and business intelligence reporting with Looker, and gain hands-on experience through labs.
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.
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.
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.
In this Quest, the experienced user of Google Cloud will learn how to describe and launch cloud resources with Terraform, an open source tool that codifies APIs into declarative configuration files that can be shared amongst team members, treated as code, edited, reviewed, and versioned. In these nine hands-on labs, you will work with example templates and understand how to launch a range of configurations, from simple servers, through full load-balanced applications.
Selesaikan badge keahlian tingkat menengah Menerapkan Dasar-Dasar Keamanan Cloud di Google Cloud untuk menunjukkan kemahiran dalam hal berikut: membuat dan menetapkan peran dengan Identity and Access Management (IAM); membuat dan mengelola akun layanan; memungkinkan konektivitas pribadi di seluruh jaringan virtual private cloud (VPC); membatasi akses aplikasi menggunakan Identity-Aware Proxy; mengelola kunci dan data terenkripsi dengan Cloud Key Management Service (KMS); dan membuat cluster Kubernetes pribadi.
Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.
Dalam kursus ini, Anda akan belajar tentang data engineering on Google Cloud, peran dan tanggung jawab data engineer, dan bagaimana hal tersebut terhubung dengan penawaran yang disediakan oleh Google Cloud. Anda juga akan mempelajari cara untuk mengatasi tantangan terkait data engineering.
This 1-week, accelerated on-demand course builds upon Google Cloud Platform Big Data and Machine Learning Fundamentals. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn to build streaming data pipelines using Google cloud Pub/Sub and Dataflow to enable real-time decision making. You will also learn how to build dashboards to render tailored output for various stakeholder audiences.
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.
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.
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
Gemini untuk Google Workspace menyediakan fitur AI generatif untuk pelanggan di Google Workspace. Dalam jalur pembelajaran ini, Anda akan mempelajari berbagai fitur penting di Gemini dan cara penggunaannya untuk meningkatkan produktivitas dan efisiensi di Google Workspace.
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.
In this course, we define what machine learning is and how it can benefit your business. You'll see a few demos of ML in action and learn key ML terms like instances, features, and labels. In the interactive labs, you will practice invoking the pretrained ML APIs available as well as build your own Machine Learning models using just SQL with BigQuery ML.
This is the second course in the Data to Insights course series. Here we will cover how to ingest new external datasets into BigQuery and visualize them with Looker Studio. We will also cover intermediate SQL concepts like multi-table JOINs and UNIONs which will allow you to analyze data across multiple data sources. Note: Even if you have a background in SQL, there are BigQuery specifics (like handling query cache and table wildcards) that may be new to you. After completing this course, enroll in the Achieving Advanced Insights with BigQuery course.
In this course, we see what the common challenges faced by data analysts are and how to solve them with the big data tools on Google Cloud. You’ll pick up some SQL along the way and become very familiar with using BigQuery and Dataprep to analyze and transform your datasets. This is the first course of the From Data to Insights with Google Cloud series. After completing this course, enroll in the Creating New BigQuery Datasets and Visualizing Insights course.
The third course in this course series is Achieving Advanced Insights with BigQuery. Here we will build on your growing knowledge of SQL as we dive into advanced functions and how to break apart a complex query into manageable steps. We will cover the internal architecture of BigQuery (column-based sharded storage) and advanced SQL topics like nested and repeated fields through the use of Arrays and Structs. Lastly we will dive into optimizing your queries for performance and how you can secure your data through authorized views. After completing this course, enroll in the Applying Machine Learning to your Data with Google Cloud course.
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.
Kursus ini membekali peserta dengan keterampilan untuk mengatur data dalam lingkungan Google Workspace mereka. Peserta akan mempelajari aturan pencegahan kebocoran data di Gmail dan Drive untuk mencegah kebocoran data. Kemudian, mereka akan mempelajari cara menggunakan Google Vault untuk tujuan retensi, penyimpanan, dan pengambilan data. Selanjutnya, mereka akan mempelajari cara mengonfigurasi region data dan setelan ekspor agar selaras dengan peraturan. Terakhir, peserta akan mempelajari cara mengklasifikasikan data menggunakan label untuk meningkatkan kualitas organisasi dan keamanan.
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.
Planning for a Google Workspace Deployment is the final course in the Google Workspace Administration series. In this course, you will be introduced to Google's deployment methodology and best practices. You will follow Katelyn and Marcus as they plan for a Google Workspace deployment at Cymbal. They'll focus on the core technical project areas of provisioning, mail flow, data migration, and coexistence, and will consider the best deployment strategy for each area. You will also be introduced to the importance of Change Management in a Google Workspace deployment, ensuring that users make a smooth transition to Google Workspace and gain the benefits of work transformation through communications, support, and training. This course covers theoretical topics, and does not have any hands on exercises. If you haven’t already done so, please cancel your Google Workspace trial now to avoid any unwanted charges.
Kursus ini membantu peserta mengamankan lingkungan Google Workspace mereka. Peserta akan menerapkan kebijakan sandi kuat dan verifikasi dua langkah untuk mengatur akses pengguna. Kemudian, peserta akan menggunakan alat investigasi keamanan untuk secara proaktif mengidentifikasi dan merespons risiko keamanan. Selanjutnya, peserta akan mengelola akses aplikasi pihak ketiga dan perangkat seluler untuk memastikan keamanan. Terakhir, peserta akan menerapkan keamanan email dan langkah-langkah kepatuhan untuk melindungi data organisasi.
Kursus ini dirancang untuk memberi peserta pemahaman komprehensif tentang layanan inti Google Workspace. Peserta akan mempelajari cara mengaktifkan, menonaktifkan, dan mengonfigurasi setelan untuk layanan ini, yang meliputi Gmail, Kalender, Drive, Meet, Chat, dan Dokumen. Selanjutnya, mereka akan mempelajari cara men-deploy dan mengelola Gemini untuk memberdayakan pengguna mereka. Terakhir, peserta akan mencermati kasus penggunaan AppSheet dan Apps Script untuk mengotomatiskan tugas dan memperluas fungsionalitas aplikasi Google Workspace.
Kursus ini dirancang untuk memberikan pemahaman tentang pengelolaan pengguna dan fasilitas di Google Workspace. Peserta akan mempelajari konfigurasi unit organisasi agar selaras dengan kebutuhan organisasi mereka. Selain itu, peserta akan mempelajari cara mengelola berbagai jenis Grup Google. Peserta juga akan mengembangkan keahlian dalam mengelola setelan domain di Google Workspace. Terakhir, peserta akan menguasai pengoptimalan dan penstrukturan fasilitas dalam lingkungan Google Workspace mereka.
With Google Calendar, you can quickly schedule meetings and events and create tasks, so you always know what’s next. Google Calendar is designed for teams, so it’s easy to share your schedule with others and create multiple calendars that you and your team can use together. In this course, you’ll learn how to create and manage Google Calendar events. You will learn how to update an existing event, delete and restore events, and search your calendar. You will understand when to apply different event types such as tasks and appointment schedules. You will explore the Google Calendar settings that are available for you to customize Google Calendar to suit your way of working. During the course you will learn how to create additional calendars, share your calendars with others, and access other calendars in your organization.
Gmail is Google’s cloud based email service that allows you to access your messages from any computer or device with just a web browser. In this course, you’ll learn how to compose, send and reply to messages. You will also explore some of the common actions that can be applied to a Gmail message, and learn how to organize your mail using Gmail labels. You will explore some common Gmail settings and features. For example, you will learn how to manage your own personal contacts and groups, customize your Gmail Inbox to suit your way of working, and create your own email signatures and templates. Google is famous for search. Gmail also includes powerful search and filtering. You will explore Gmail’s advanced search and learn how to filter messages automatically.
Kursus ini memperkenalkan model difusi, yaitu kelompok model machine learning yang belakangan ini menunjukkan potensinya dalam ranah pembuatan gambar. Model difusi mengambil inspirasi dari fisika, khususnya termodinamika. Dalam beberapa tahun terakhir, model difusi menjadi populer baik di dunia industri maupun penelitian. Model difusi mendasari banyak alat dan model pembuatan gambar yang canggih di Google Cloud. Kursus ini memperkenalkan Anda pada teori yang melandasi model difusi dan cara melatih serta men-deploy-nya di Vertex AI.
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.
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
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.
A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.
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.
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Selesaikan badge keahlian pengantar Membangun Mesh Data dengan Knowledge Catalog untuk menunjukkan keterampilan dalam hal berikut: membuat mesh data dengan Knowledge Catalog untuk memfasilitasi keamanan, tata kelola, dan penemuan data di Google Cloud. Anda akan berlatih dan menguji keterampilan Anda dalam memberikan tag pada aset, menetapkan peran IAM, dan menilai kualitas data di Knowledge Catalog.
Selesaikan badge keahlian pengantar Mengelola dan Mengatur Data dengan Dataplex untuk menunjukkan keahlian dalam hal berikut: membuat aset Dataplex, membuat jenis aspek, dan menerapkan aspek ke entri di Dataplex. Badge keahlian akan memvalidasi pengetahuan praktis Anda terkait produk tertentu melalui lab interaktif dan penilaian tantangan. Dapatkan badge dengan menyelesaikan kursus atau langsung ikuti Challenge Lab untuk mendapatkan badge Anda hari ini. Badge membuktikan kemahiran Anda, meningkatkan profil profesional Anda, dan pada akhirnya membantu meningkatkan peluang karier Anda. Buka profil Anda untuk memantau badge yang telah Anda peroleh.
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 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.
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.
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.
Organisasi dalam berbagai ukuran memanfaatkan kekuatan dan fleksibilitas cloud untuk mentransformasi cara mereka beroperasi. Namun, pengelolaan dan penskalaan resource cloud secara efektif bisa menjadi tugas yang rumit. Kursus ini membahas konsep dasar operasi modern, keandalan, dan ketahanan di cloud, serta cara Google Cloud dapat membantu mendukung upaya ini. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Banyak perusahaan tradisional menggunakan sistem dan aplikasi lama yang tidak dapat mengikuti ekspektasi pelanggan modern. Para pemimpin bisnis sering kali harus memilih antara mempertahankan sistem IT lama mereka atau berinvestasi pada produk dan layanan baru. Kursus ini mengeksplorasi tantangan tersebut dan menawarkan solusi untuk mengatasinya dengan menggunakan teknologi cloud. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Teknologi cloud adalah aset yang sangat canggih. Jika dipasangkan dengan data, teknologi ini akan menjadi pendorong inovasi dan peningkatan pengalaman pelanggan. Menjelajahi Transformasi Data dengan Google Cloud membahas cara organisasi memanfaatkan cloud untuk membuat data mereka lebih mudah diakses, ditindaklanjuti, dan bernilai. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Transformasi digital adalah perjalanan penting bagi organisasi modern, dan membangun dasar yang kuat dalam cloud computing merupakan langkah pertama untuk mendorong inovasi yang bermakna. Transformasi Digital dengan Google Cloud memperkenalkan teknologi inti dan framework strategis yang membantu organisasi memodernisasi operasi mereka. Kursus ini membahas konsep cloud dasar, infrastruktur jaringan global, dan model tanggung jawab bersama untuk membantu para pemimpin menentukan jalur mereka ke cloud dengan percaya diri. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
This course, Google Cloud Big Data and Machine Learning Fundamentals - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Google Cloud Big Data and Machine Learning Fundamentals. 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.
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.
Di kursus ini, Anda akan mendapatkan pengalaman langsung dalam menerapkan konsep LookML lanjutan di Looker. Anda akan mempelajari cara menggunakan Liquid untuk menyesuaikan dan membuat dimensi serta ukuran dinamis, membuat tabel turunan SQL dinamis dan tabel turunan native yang disesuaikan, serta menggunakan ekstensi untuk memodularisasi kode LookML Anda.
In this course, you shadow a series of client meetings led by a Looker Professional Services Consultant.
By the end of this course, you should feel confident employing technical concepts to fulfill business requirements and be familiar with common complex design patterns.
In this course you will discover additional tools for your toolbox for working with complex deployments, building robust solutions, and delivering even more value.
Develop technical skills beyond LookML along with basic administration for optimizing Looker instances
This course reviews the processes for creating table calculations, pivots and visualizations
This course is designed for Looker users who want to create their own ad-hoc reports. It assumes experience of everything covered in our Get Started with Looker course (logging in, finding Looks & dashboards, adjusting filters, and sending data)
In this course you will discover Liquid, the templating language invented by Shopify and explore how it can be used in Looker to create dynamic links, content, formatting, and more.
Hands on course covering the main uses of extends and the three primary LookML objects extends are used on as well as some advanced usage of extends.
This course aims to introduce you to the basic concepts of Git: what it is and how it's used in Looker. You will also develop an in-depth knowledge of the caching process on the Looker platform, such as why they are used and why they work
This course is designed to teach you about roles, permission sets and model sets. These are areas that are used together to manage what users can do and what they can see in Looker.
This course provides an introduction to databases and summarized the differences in the main database technologies. This course will also introduce you to Looker and how Looker scales as a modern data platform. In the lessons, you will build and maintain standard Looker data models and establish the foundation necessary to learn Looker's more advanced features.
This course provides an iterative approach to plan, build, launch, and grow a modern, scalable, mature analytics ecosystem and data culture in an organization that consistently achieves established business outcomes. Users will also learn how to design and build a useful, easy-to-use dashboard in Looker. It assumes experience with everything covered in our Getting Started with Looker and Building Reports in Looker courses.
In this course, we’ll show you how organizations are aligning their BI strategy to most effectively achieve business outcomes with Looker. We'll follow four iterative steps: Plan, Build, Launch, Grow, and provide resources to take into your own services delivery to build Looker with the goal of achieving business outcomes.
By the end of this course, you should be able to articulate Looker's value propositions and what makes it different from other analytics tools in the market. You should also be able to explain how Looker works, and explain the standard components of successful service delivery.
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
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 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.
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.
Dalam kursus ini, Anda akan mendapatkan pengalaman langsung dalam menggunakan LookML di Looker. Anda akan mempelajari cara menulis kode LookML untuk membuat dimensi dan ukuran baru, membuat tabel turunan dan menggabungkannya ke Explore, memfilter Explore, dan menentukan kebijakan penyimpanan cache di LookML.
Learn how to deploy and administer databases running on Microsoft Windows Server in Amazon EC2 and Amazon RDS.
For everyone using Google Cloud Platform for the first time, getting familar with gcloud, Google Cloud's command line, will help you get up to speed faster. In this quest, you'll learn how to install and configure Cloud SDK, then use gcloud to perform some basic operations like creating VMs, networks, using BigQuery, and using gsutil to perform operations.
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.
Ingin membangun model ML dalam hitungan menit, bukan jam, hanya dengan menggunakan SQL? BigQuery ML memperluas akses machine learning dengan memungkinkan analis data membuat, melatih, mengevaluasi, dan memprediksi sesuatu dengan model machine learning menggunakan alat serta keterampilan SQL yang ada. Dalam rangkaian lab ini, Anda akan bereksperimen dengan beragam jenis model dan mempelajari ciri-ciri model yang baik.
In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.
Cloud SQL is a fully managed database service that stands out from its peers due to high performance, seamless integration, and impressive scalability. In this quest you will receive hands-on practice with the basics of Cloud SQL and quickly progress to advanced features, which you will apply to production frameworks and application environments. From creating instances and querying data with SQL, to building Deployment Manager scripts and connecting Cloud SQL instances with applications run on GKE containers, this quest will give you the knowledge and experience needed so you can start integrating this service right away.
Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.
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.
Want to turn your marketing data into insights and build dashboards? Bring all of your data into one place for large-scale analysis and model building. Get repeatable, scalable, and valuable insights into your data by learning how to query it and using BigQuery. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
Dalam kursus tingkat pemula ini, Anda akan mendapatkan praktik langsung dengan alat dan layanan dasar Google Cloud. Video opsional disediakan untuk memberikan konteks dan ulasan lebih lanjut mengenai konsep-konsep yang dibahas dalam lab ini. Dasar-Dasar Google Cloud adalah kursus pertama yang direkomendasikan bagi peserta kursus Google Cloud— Anda bisa mengikutinya dengan pengetahuan yang minim atau tanpa pengetahuan sama sekali tentang cloud, dan mendapatkan pengalaman praktis yang dapat diterapkan pada project Google Cloud pertama Anda setelah menyelesaikan kursus ini. Mulai dari menulis perintah Cloud Shell dan men-deploy virtual machine pertama Anda, hingga menjalankan aplikasi di Kubernetes Engine atau dengan load balancing, Dasar-Dasar Google Cloud merupakan pengantar utama untuk fitur dasar platform ini.
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.
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
Looking to build or optimize your data warehouse? Learn best practices to Extract, Transform, and Load your data into Google Cloud with BigQuery. In this series of interactive labs you will create and optimize your own data warehouse using a variety of large-scale BigQuery public datasets. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of this quest to receive an exclusive Google Cloud digital badge.
Jika Anda adalah developer cloud pemula yang mencari praktik langsung di luar Google Cloud Essentials, kursus ini cocok untuk Anda. Anda akan mendapatkan pengalaman praktis melalui lab yang mendalami Cloud Storage dan layanan aplikasi utama lainnya seperti Monitoring dan Cloud Functions. Anda akan mengembangkan keahlian berharga yang dapat diterapkan untuk inisiatif Google Cloud apa pun.
Big data, machine learning, dan kecerdasan buatan menjadi topik komputasi yang populer saat ini, tetapi bidang tersebut sangat terspesialisasi dan materi pengantarnya sulit diperoleh. Untungnya, Google Cloud menyediakan layanan yang mudah digunakan dalam bidang tersebut, dan melalui kursus tingkat pengantar ini, Anda dapat mengambil langkah pertama dengan alat seperti BigQuery, Cloud Speech API, dan Video Intelligence.
Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML.
This advanced-level quest is unique amongst the other catalog 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 Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud, yang memungkinkan Anda mempelajari cara membangun dan menghubungkan infrastruktur cloud yang berpusat pada penyimpanan menggunakan kemampuan dasar teknologi berikut: Cloud Storage, Identity and Access Management, Cloud Functions, dan Pub/Sub.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Managed Service for Apache Spark, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.