Gabung Login

Aye NyeinSan

Menjadi anggota sejak 2022

Silver League

14878 poin
Men-deploy Aplikasi Kubernetes di Google Cloud Earned Apr 9, 2026 EDT
Meningkatkan Kemampuan Model Gemini Earned Apr 6, 2026 EDT
Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit Earned Apr 4, 2026 EDT
Penelusuran Vektor dan Embedding Earned Apr 3, 2026 EDT
Men-deploy Arsitektur Multi-Agen Earned Mar 27, 2026 EDT
Membangun Aplikasi Serverless dengan Cloud Run Functions Earned Mar 22, 2026 EDT
Memantau dan Membuat Log dengan Google Cloud Observability Earned Feb 21, 2026 EST
Developing Applications with Cloud Run on Google Cloud: Fundamentals Earned Feb 7, 2026 EST
Machine Learning Operations (MLOps): Getting Started Earned Jul 14, 2025 EDT
Mengelola Kubernetes di Google Cloud Earned Jun 13, 2024 EDT
Intro to ML: Image Processing Earned Jun 5, 2024 EDT
Pengantar ML: Pemrosesan Bahasa Earned Jun 1, 2024 EDT
Menganalisis Sentimen dengan Natural Language API Earned Mei 27, 2024 EDT
Memantau dan Mengelola Resource Google Cloud Earned Mei 26, 2024 EDT
Membangun Infrastruktur dengan Terraform di Google Cloud Earned Mei 23, 2024 EDT
Mitigating Security Vulnerabilities on Google Cloud Earned Mei 20, 2024 EDT
Fondasi Google Cloud Computing: Networking & Keamanan di Google Cloud Earned Mei 18, 2024 EDT
Penjelajah AI Generatif - Agent Platform Earned Mei 17, 2024 EDT

Selesaikan badge keahlian Men-deploy Aplikasi Kubernetes di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut ini: mengonfigurasi dan membangun image container Docker, membuat dan mengelola cluster Google Kubernetes Engine (GKE), memanfaatkan kubectl untuk pengelolaan cluster yang efisien, dan men-deploy aplikasi Kubernetes dengan praktik continuous delivery (CD) yang andal.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Meningkatkan Kemampuan Model Gemini untuk menunjukkan keahlian dalam hal berikut: memanfaatkan fitur canggih model Gemini, termasuk pembuatan dan eksekusi kode, grounding, pembuatan konten terkontrol, serta pembuatan data sintetis, untuk membangun aplikasi AI yang lebih kuat dan canggih.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit untuk menunjukkan keterampilan dalam hal berikut: membuat teks, menerapkan panggilan fungsi dengan Python SDK dan Gemini API, serta men-deploy aplikasi Streamlit dengan Cloud Run. Anda akan mempelajari berbagai cara memberikan perintah kepada Gemini untuk membuat teks, menggunakan Cloud Shell untuk menguji dan melakukan iterasi pada aplikasi Streamlit, lalu mengemasnya sebagai container Docker yang di-deploy di Cloud Run.

Pelajari lebih lanjut

Menjelajahi teknologi, alat, dan aplikasi penelusuran yang didukung AI dalam kursus ini. Mempelajari penelusuran semantik dengan memanfaatkan embedding vektor, penelusuran campuran yang menggabungkan pendekatan semantik dan kata kunci, serta Retrieval-Augmented Generation (RAG) yang meminimalkan halusinasi AI sebagai agen AI yang di-grounding. Mendapatkan pengalaman praktis dengan Vertex AI Vector Search untuk membangun mesin telusur yang cerdas.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

Dapatkan badge keahlian Pengantar dengan menyelesaikan kursus Membangun Aplikasi Serverless dengan Cloud Run Functions, yang akan membahas cara menggunakan Cloud Run Functions melalui Konsol Google Cloud dan command line. 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.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Memantau dan Membuat Log dengan Google Cloud Observability untuk menunjukkan kemahiran dalam hal berikut: memantau virtual machine di Compute Engine, menggunakan Cloud Monitoring untuk pengawasan multi-project, memperluas kemampuan pemantauan dan logging ke Cloud Functions, membuat dan mengirimkan metrik aplikasi kustom, serta mengonfigurasi pemberitahuan Cloud Monitoring berdasarkan metrik kustom.

Pelajari lebih lanjut

This course introduces the Cloud Run serverless platform for running applications. In this course, you learn about the fundamentals of Cloud Run, its resource model and the container lifecycle. You learn about service identities, how to control access to services, and how to develop and test your application locally before deploying it to Cloud Run. The course also teaches you how to integrate with other services on Google Cloud so you can build full-featured applications.

Pelajari lebih lanjut

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Pelajari lebih lanjut

Selesaikan kursus badge keahlian tingkat menengah Mengelola Kubernetes di Google Cloud untuk menunjukkan keterampilan dalam hal berikut: mengelola deployment dengan kubectl, memantau serta menjalankan proses debug aplikasi di Google Kubernetes Engine (GKE), dan menggunakan teknik continuous delivery.

Pelajari lebih lanjut

Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.

Pelajari lebih lanjut

Bukan rahasia lagi bahwa machine learning adalah salah satu bidang yang berkembang paling cepat di ranah teknologi, dan Google Cloud Platform telah berperan penting dalam memajukan pengembangannya. Dengan berbagai API, GCP memiliki alat untuk hampir semua tugas machine learning. Dalam kursus pengantar ini, Anda akan melakukan praktik langsung dengan machine learning sebagaimana diterapkan pada pemrosesan bahasa, melalui serangkaian lab yang akan memungkinkan Anda mengekstrak entity dari teks, melakukan analisis sentimen dan sintaksis, serta menggunakan Speech to Text API untuk melakukan transkripsi.

Pelajari lebih lanjut

Dapatkan badge keahlian dengan menyelesaikan quest Menganalisis Sentimen dengan Natural Language API, yang mempelajari cara API memperoleh sentimen dari teks.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

Selesaikan badge keahlian Membangun Infrastruktur dengan Terraform di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: Prinsip Infrastruktur sebagai Kode (IaC) menggunakan Terraform, penyediaan dan pengelolaan resource Google Cloud dengan konfigurasi Terraform, pengelolaan status yang efektif (lokal dan jarak jauh), serta modularisasi kode Terraform agar dapat digunakan kembali dan diatur.

Pelajari lebih lanjut

In this self-paced training course, participants learn mitigations for attacks at many points in a Google Cloud-based infrastructure, including Distributed Denial-of-Service attacks, phishing attacks, and threats involving content classification and use. They also learn about the Security Command Center, cloud logging and audit logging, and using Forseti to view overall compliance with your organization's security policies.

Pelajari lebih lanjut

Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tidak memiliki latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan gambaran umum tentang berbagai konsep penting dalam dasar-dasar cloud computing, big data, dan machine learning, serta di mana dan bagaimana Google Cloud berperan di dalamnya. Pada akhir rangkaian kursus, peserta kursus akan mampu mengartikulasikan konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: 1. Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing 2. Fondasi Google Cloud Computing: Infrastruktur di Google Cloud 3. Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud 4. Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus ketiga ini membahas alat otomatisasi dan pengelolaan cloud serta membangun jaringan yang aman.

Pelajari lebih lanjut

Kursus Penjelajah AI Generatif - Agent Platform adalah sekumpulan lab yang membahas cara menggunakan AI Generatif di Google Cloud. Melalui lab ini, Anda akan mempelajari cara menggunakan model Gemini di Agent Platform. Anda juga akan mempelajari apa itu desain perintah, praktik terbaik desain perintah, serta cara menggunakan desain perintah untuk pencarian ide, klasifikasi teks, ekstraksi teks, peringkasan teks, dan lainnya. Anda juga akan mempelajari cara menyesuaikan model dasar dengan melatihnya melalui pelatihan kustom di Agent Platform dan men-deploy-nya ke endpoint di Agent Platform.

Pelajari lebih lanjut