Member since 2026
在 Google Cloud 為機器學習 API 準備資料
Earned Aug 12, 2026 EDT
從 BigQuery 資料取得深入分析結果
Earned Aug 10, 2026 EDT
部署多代理架構
Earned Aug 6, 2026 EDT
以串流方式將分析資料傳入 BigQuery
Earned Jul 21, 2026 EDT
Build Batch Data Pipelines on Google Cloud
Earned Jul 16, 2026 EDT
透過 BigQuery 建構資料倉儲
Earned Jul 7, 2026 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Jul 6, 2026 EDT
完成 在 Google Cloud 為機器學習 API 準備資料 技能徽章入門課程，即可證明您具備下列技能： 使用 Dataprep by Trifacta 清理資料、在 Dataflow 執行資料管道、在 Managed Service for Apache Spark 建立叢集和執行 Apache Spark 工作，以及呼叫機器學習 API，包含 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。
完成 從 BigQuery 資料取得深入分析結果 技能徽章入門課程，即可證明您具備下列技能： 撰寫 SQL 查詢、查詢公開資料表、將樣本資料載入 BigQuery、使用 BigQuery 的查詢驗證工具 排解常見語法錯誤，以及在 Data Studio 中 透過連結 BigQuery 資料建立報表。
完成進階的「部署多代理架構」技能徽章課程，證明您具備以下技能： 使用 ADK 建構多代理系統、將代理連結代理對代理 (A2A) 通訊協定、使用 Model Context Protocol (MCP) 整合外部工具，以及將完整的多代理解決方案部署至 Agent Engine。
完成「以串流方式將分析資料傳入 BigQuery」課程，即可獲得技能徽章。 在此課程中，您將綜合應用 Pub/Sub、Dataflow 和 BigQuery，並以串流方式傳送 資料進行分析。
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 透過 BigQuery 建構資料倉儲 技能徽章中階課程，即可證明您具備下列技能： 彙整資料以建立新資料表、排解彙整作業問題、利用聯集附加資料、建立依日期分區的資料表， 以及在 BigQuery 使用 JSON、陣列和結構體。
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.