Date d'abonnement : 2018
Alexa Skills Development
Earned jan. 30, 2018 EST
[DEPRECATED] Data Engineering
Earned jan. 25, 2018 EST
Scientific Data Processing
Earned jan. 25, 2018 EST
API d'apprentissage automatique
Earned jan. 20, 2018 EST
Kubernetes dans Google Cloud
Earned jan. 16, 2018 EST
In this Quest, you will learn how to create Alexa skills that respond to voice commands and which can be used on the Amazon Echo, Dot, and Tap devices. You will create back-end functions in AWS Lambda, and then connect them with voice response logic using the Alexa Skills Kit. You will use both the AWS Console and the Amazon Developer Portal in these labs, the latter requiring you to have or create a no-cost, no-credit-card-required account. No hardware device is required for any lab; an Alexa voice response simulation system is provided in the Amazon Developer Portal. Templates used in these labs can be adapted and extended to create your own Alexa skills and offer them to the worldwide Alexa user community.
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.
Big data, machine learning et données scientifiques ? Il semble que ce soit la combinaison parfaite. Dans cette quête avancée, vous allez vous familiariser avec des services GCP tels que BigQuery, Managed Service for Apache Spark et Tensorflow, que vous appliquerez à des cas utilisant des ensembles de données scientifiques réelles. En vous faisant acquérir de l'expérience avec des tâches telles que l'analyse des données sismiques et l'agrégation d'images satellites, le traitement de données scientifiques développera vos compétences dans le domaine du Big data et du machine learning, et vous aidera à résoudre les problèmes que vous rencontrez dans différentes disciplines scientifiques.
Il n'a échappé à personne que le machine learning est une technologie très dynamique, et Google Cloud Platform a joué un rôle déterminant dans son développement. Doté d'une multitude d'API.
Kubernetes est le système d'orchestration de conteneurs le plus populaire, et Google Kubernetes Engine a été conçu spécifiquement pour les déploiements gérés de Kubernetes dans Google Cloud. Dans ce cours de niveau avancé, vous allez suivre des ateliers pratiques pour apprendre à configurer les images et les conteneurs Docker, ainsi qu'à déployer des applications Kubernetes Engine opérationnelles. Vous allez également acquérir les compétences nécessaires pour intégrer l'orchestration de conteneurs à votre propre workflow. Vous cherchez un atelier challenge pratique pour démontrer vos compétences et valider vos connaissances ? Suivez cet atelier challenge complémentaire après avoir terminé ce cours et le cours Déployer des applications Kubernetes sur Google Cloud pour recevoir un badge numérique Google Cloud exclusif.