成为会员时间：2026
在 Google Cloud 上为机器学习 API 准备数据
Earned Aug 12, 2026 EDT
从 BigQuery 数据中挖掘数据洞见
Earned Aug 10, 2026 EDT
部署多智能体架构
Earned Aug 6, 2026 EDT
BigQuery 流式数据分析
Earned Jul 21, 2026 EDT
Build Batch Data Pipelines on Google Cloud
Earned Jul 16, 2026 EDT
使用 BigQuery 构建数据仓库
Earned Jul 7, 2026 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Jul 6, 2026 EDT
完成入门级技能徽章课程在 Google Cloud 上为机器学习 API 准备数据，展示以下技能： 使用 Dataprep by Trifacta 清理数据、在 Dataflow 中运行数据流水线、在 Managed Service for Apache Spark 中创建集群和运行 Apache Spark 作业，以及调用机器学习 API，包括 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。
完成入门级技能徽章课程“从 BigQuery 数据中挖掘数据洞见”，展示您在以下方面的技能： 编写 SQL 查询、查询公共表、将示例数据加载到 BigQuery 中、 在 BigQuery 中使用查询验证器排查常见的语法错误，以及通过连接到 BigQuery 数据在 Data Studio 中 创建报告。
完成部署多智能体架构这一高级技能徽章课程，展示您在以下方面的技能： 使用 ADK 构建多智能体系统；通过 Agent-to-Agent (A2A) protocol 连接智能体， 通过 Model Context Protocol (MCP) 集成外部工具，并将完整的多智能体解决方案部署到 Agent Engine。
完成 BigQuery 流式数据分析技能徽章课程，赢取技能徽章 。在这门课程中，您将结合使用 Pub/Sub、Dataflow 和 BigQuery 来实现流式 数据分析。
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.
完成中级技能徽章课程使用 BigQuery 构建数据仓库，展示以下技能： 联接数据以创建新表、排查联接故障、使用并集附加数据、创建日期分区表， 以及在 BigQuery 中使用 JSON、数组和结构体。
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.