Rodrigo Ewerling
Menjadi anggota sejak 2020
Diamond League
127595 poin
Menjadi anggota sejak 2020
Ini adalah kursus ketiga dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan memulai dengan mendapatkan ringkasan tentang perjalanan data, mulai dari pengumpulan hingga insight. Kemudian Anda akan mempelajari cara menggunakan SQL untuk mengubah data mentah menjadi format yang dapat digunakan. Selanjutnya, Anda akan mempelajari cara mengubah volume data yang besar menggunakan pipeline data. Terakhir, Anda akan memperoleh pengalaman dalam menerapkan strategi transformasi pada set data yang nyata untuk memenuhi kebutuhan bisnis.
Ini adalah kursus keempat dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan berfokus pada pengembangan keterampilan dalam lima tahap utama visualisasi data di cloud: bercerita, membuat perencanaan, melakukan eksplorasi data, membuat visualisasi, dan berbagi data dengan orang lain. Anda juga akan mendapatkan pengalaman menggunakan keterampilan UI/UX untuk membuat wireframe visualisasi berbasis cloud yang berdampak dan bekerja dengan alat visualisasi data berbasis cloud untuk mengeksplorasi set data, membuat laporan, serta membangun dasbor yang mendorong keputusan dan meningkatkan kolaborasi.
Ini adalah kursus kelima dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan menggabungkan dan menerapkan pengetahuan serta keterampilan dasar dari kursus 1 sampai 4 dalam project akhir praktis yang berfokus pada project siklus proses data secara keseluruhan. Anda akan mempraktikkan penggunaan alat berbasis cloud untuk mengumpulkan, menyimpan, memproses, menganalisis, memvisualisasikan, dan mengomunikasikan insight data secara efektif. Pada akhir kursus, Anda akan menyelesaikan project yang menunjukkan kemahiran Anda dalam menyusun data secara efektif dari berbagai sumber, mempresentasikan solusi kepada berbagai pemangku kepentingan, dan memvisualisasikan insight data menggunakan software berbasis cloud. Anda juga akan memperbarui resume Anda dan mempraktikkan teknik wawancara untuk membantu mempersiapkan diri melamar pekerjaan dan menghadapi wawancara.
Ini adalah kursus kedua dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan mempelajari cara data disusun dan diatur. Anda akan mendapatkan pengalaman langsung dalam mengelola arsitektur lakehouse data dan komponen cloud seperti BigQuery, Google Cloud Storage, dan Dataproc untuk menyimpan, menganalisis, serta memproses set data besar secara efisien.
Ini adalah kursus pertama dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan mendefinisikan bidang analisis data cloud dan menjelaskan peran serta tanggung jawab seorang analis data cloud terkait akuisisi, penyimpanan, pemrosesan, dan visualisasi data. Anda akan mempelajari arsitektur alat berbasis Google Cloud, seperti BigQuery dan Cloud Storage, serta cara penggunaannya untuk menyusun, menampilkan, dan melaporkan data secara efektif.
This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
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 Generative 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 yang perlu dipertimbangkan saat memilih solusi.
AI Generatif: Memahami Konsep Dasar adalah kursus kedua dari alur pembelajaran Generative AI Leader. Dalam kursus ini, Anda akan mempelajari konsep dasar AI generatif. Anda akan mempelajari perbedaan antara AI, ML, dan AI generatif serta mempelajari 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.
AI Generatif: Lebih dari Sekadar Chatbot adalah kursus pertama dari alur pembelajaran Generative AI Leader. Kursus ini 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 memandu Anda melalui pertimbangan penting yang harus Anda buat saat mengembangkan strategi AI generatif yang sukses untuk organisasi Anda.
This course explores the Geographic Information Systems (GIS), GIS Visualization, and machine learning enhancements to BigQuery.
This course explores how to implement a streaming analytics solution using Dataflow and BigQuery.
This course explores how to leverage Looker to create data experiences and gain insights with modern business intelligence (BI) and reporting.
This course explores how to implement a streaming analytics solution using Pub/Sub.
This course continues to explore the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Dataflow.
This course continues to explore the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Cloud Data Fusion.
This course explores the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Dataproc.
This course identifies best practices for migrating data warehouses to BigQuery and the key skills required to perform successful migration.
Welcome to Optimize in BigQuery, where we map Enterprise Data Warehouse concepts and components to BigQuery and Google data services with a focus on optimization.
Welcome to Design in BigQuery, where we map Enterprise Data Warehouse concepts and components to BigQuery and Google data services with a focus on schema design.
Kursus ini memperkenalkan topik penting tentang privasi dan keamanan AI. Kursus ini mengeksplorasi metode dan alat praktis untuk menerapkan rekomendasi praktik privasi dan keamanan AI melalui penggunaan produk dan alat open source Google Cloud.
This course discusses the key elements of Google's Data Warehouse solution portfolio and strategy.
Kursus ini memperkenalkan konsep penafsiran dan transparansi AI. Kursus ini membahas pentingnya transparansi AI bagi developer dan engineer. Kursus ini juga mengeksplorasi metode dan alat praktis untuk membantu mencapai penafsiran dan transparansi, baik dalam model data maupun AI.
Kursus ini memperkenalkan konsep responsible AI dan prinsip AI. Di dalamnya tercakup teknik untuk secara praktis mengidentifikasi keadilan dan bias serta memitigasi bias dalam praktik AI/ML. Kursus ini juga mengeksplorasi metode dan alat praktis untuk menerapkan praktik terbaik Responsible AI menggunakan produk Google Cloud dan alat open source.
Aplikasi AI generatif dapat mewujudkan pengalaman pengguna baru yang hampir tidak dimungkinkan sebelum ditemukannya model bahasa besar (LLM). Sebagai developer aplikasi, bagaimana cara menggunakan AI generatif untuk membangun aplikasi yang menarik dan canggih di Google Cloud? Dalam kursus ini, Anda akan mempelajari aplikasi AI generatif dan cara Anda dapat menggunakan desain perintah serta retrieval-augmented generation (RAG) untuk membangun aplikasi yang canggih menggunakan LLM. Anda akan mempelajari arsitektur siap produksi yang dapat digunakan untuk aplikasi AI generatif dan Anda akan membangun aplikasi chat LLM berbasis RAG.
Kursus ini membekali para praktisi machine learning dengan alat, teknik, dan praktik terbaik penting untuk mengevaluasi model AI generatif dan prediktif. Evaluasi model adalah disiplin ilmu yang sangat penting untuk memastikan sistem ML memberikan hasil yang andal, akurat, dan berperforma tinggi dalam produksi. Peserta akan mendapatkan pemahaman yang mendalam mengenai berbagai metrik evaluasi, metodologi, dan penerapannya yang sesuai di berbagai jenis model dan tugas. Kursus ini akan berfokus pada tantangan unik yang dibuat oleh model AI generatif dan memberikan strategi untuk mengatasinya secara efektif. Dengan memanfaatkan platform Vertex AI di Google Cloud, para peserta akan belajar cara mengimplementasikan proses evaluasi yang kuat untuk melakukan pemilihan, pengoptimalan, dan pemantauan berkelanjutan pada model.
Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.
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.
This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.
Kursus ini mengeksplorasi Gemini in BigQuery, yakni paket fitur yang didukung AI untuk membantu alur kerja data ke AI. Paket fitur ini meliputi eksplorasi dan persiapan data, pembuatan kode dan pemecahan masalah, serta penemuan dan visualisasi alur kerja. Melalui penjelasan konseptual, kasus penggunaan praktis, dan lab interaktif, kursus ini akan membantu para praktisi data dalam meningkatkan produktivitas mereka dan mempercepat pipeline pengembangan.
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.
Kursus ini memperkenalkan Vertex AI Studio, sebuah alat untuk berinteraksi dengan model AI generatif, membuat prototipe ide bisnis, dan meluncurkannya ke dalam produksi. Melalui kasus penggunaan yang imersif, pelajaran menarik, dan lab interaktif, Anda akan menjelajahi siklus proses dari perintah ke produk dan mempelajari cara memanfaatkan Vertex AI Studio untuk aplikasi multimodal Gemini, desain perintah, rekayasa perintah, dan tuning model. Tujuan kursus ini adalah agar Anda dapat memanfaatkan potensi AI generatif dalam project Anda dengan Vertex AI Studio.
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.
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.
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.
Organizations of all sizes are embracing the power and flexibility of the cloud to transform how they operate. However, managing and scaling cloud resources effectively can be a complex task. Scaling with Google Cloud Operations explores the fundamental concepts of modern operations, reliability, and resilience in the cloud, and how Google Cloud can help support these efforts. Part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.
As organizations move their data and applications to the cloud, they must address new security challenges. The Trust and Security with Google Cloud course explores the basics of cloud security, the value of Google Cloud's multilayered approach to infrastructure security, and how Google earns and maintains customer trust in the cloud. Part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.
Artificial intelligence (AI) and machine learning (ML) represent an important evolution in information technologies that are quickly transforming a wide range of industries. “Innovating with Google Cloud Artificial Intelligence” explores how organizations can use AI and ML to transform their business processes. Part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.
Many traditional enterprises use legacy systems and applications that can't stay up-to-date with modern customer expectations. Business leaders often have to choose between maintaining their aging IT systems or investing in new products and services. "Modernize Infrastructure and Applications with Google Cloud" explores these challenges and offers solutions to overcome them by using cloud technology. Part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.
Cloud technology can bring great value to an organization, and combining the power of cloud technology with data has the potential to unlock even more value and create new customer experiences. “Exploring Data Transformation with Google Cloud” explores the value data can bring to an organization and ways Google Cloud can make data useful and accessible. Part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.
There's much excitement about cloud technology and digital transformation, but often many unanswered questions. For example: What is cloud technology? What does digital transformation mean? How can cloud technology help your organization? Where do you even begin? If you've asked yourself any of these questions, you're in the right place. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey. If you want to learn about cloud technology so you can excel in your role and help build the future of your business, then this introductory course on digital transformation is for you. This course is part of the Cloud Digital Leader learning path.
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.
This is the second of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll explore how data is structured and organized. You’ll gain hands-on experience with the data lakehouse architecture and cloud components like BigQuery, Google Cloud Storage, and DataProc to efficiently store, analyze, and process large datasets.
Learn how to use NotebookLM to create a personalized study guide for the Professional Machine Learning Engineer certification exam (PMLE). You'll review NotebookLM features, create a notebook, and use the study guide to practice for a certification exam.
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.
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
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.
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.
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.
Dapatkan badge keahlian tingkat menengah dengan menyelesaikan kursus Membangun dan Men-Deploy Solusi Machine Learning di Vertex AI, tempat Anda akan belajar cara menggunakan platform Vertex AI Google Cloud, AutoML, dan layanan pelatihan kustom untuk melatih, mengevaluasi, menyesuaikan, menjelaskan, serta men-deploy model machine learning. Kursus badge keahlian ini diperuntukkan bagi Data Scientist dan Engineer Machine Learning profesional. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan Badge keahlian ini, dan challenge lab penilaian akhir, untuk menerima badge digital yang dapat Anda bagikan ke jaringan Anda.
Dapatkan badge keahlian dengan menyelesaikan kursus Panduan Awal Menggunakan Pub/Sub, tempat Anda mempelajari cara menggunakan Pub/Sub melalui Konsol Cloud, cara tugas Cloud Scheduler dapat menghemat tenaga Anda, dan cara Pub/Sub Lite dapat menghemat uang Anda dalam proses transfer peristiwa bervolume tinggi.
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 Panduan Awal Menggunakan Dataplex untuk menunjukkan keterampilan dalam hal berikut: membuat aset Dataplex, membuat jenis aspek, dan menerapkan aspek ke entri di Dataplex.
Dapatkan badge keahlian dengan menyelesaikan kursus badge keahlian Panduan Awal Menggunakan Cloud Storage, tempat Anda mempelajari cara membuat bucket Cloud Storage, cara menggunakan command line Cloud Storage, dan cara menggunakan Kunci Bucket untuk melindungi objek di bucket.
Dapatkan badge keahlian dengan menyelesaikan kursus Membuat Data Lake Streaming di Cloud Storage, tempat Anda menggunakan Pub/Sub, Dataflow, dan Cloud Storage bersama-sama untuk membuat data lake streaming di Google Cloud.
Selesaikan kursus badge keahlian pengantar Membuat Data Lake Aman di Cloud Storage untuk menunjukkan keterampilan dalam hal berikut: mengamankan dan mengonfigurasi bucket Cloud Storage, menggunakan Gemini untuk pembuatan teks, mengelola kontrol akses IAM, dan membuat Dataplex lake untuk tata kelola data.
Cloud Storage, Cloud Functions, dan Cloud Pub/Sub adalah layanan Google Cloud Platform yang dapat digunakan untuk menyimpan, memproses, dan mengelola data. Ketiga layanan dapat digunakan bersama untuk membuat berbagai aplikasi berbasis data. Dalam badge keahlian ini, Anda akan menggunakan Cloud Storage untuk menyimpan gambar, Cloud Functions untuk memproses gambar, dan Cloud Pub/Sub untuk mengirim gambar ke aplikasi lain.
Cloud Storage, Cloud Functions, dan Cloud Pub/Sub adalah layanan Google Cloud Platform yang dapat digunakan untuk menyimpan, memproses, dan mengelola data. Ketiga layanan dapat digunakan bersama untuk membuat berbagai aplikasi berbasis data. Dalam badge keahlian ini, Anda akan menggunakan Cloud Storage untuk menyimpan gambar, Cloud Functions untuk memproses gambar, dan Cloud Pub/Sub untuk mengirim gambar ke aplikasi lain.
Selesaikan badge keahlian pengantar Menggunakan API untuk Mengelola Cloud Storage untuk menunjukkan keterampilan dalam hal berikut: menggunakan API, termasuk Cloud Storage API, untuk mengelola resource Cloud Storage.
Dapatkan badge keahlian dengan menyelesaikan quest Dasar-Dasar Google Cloud Compute, dan pelajari cara menggunakan virtual machine (VM), persistent disk, dan server web menggunakan Compute Engine.
Selesaikan kursus badge keahlian Memperkaya Metadata dan Penemuan Data BigLake untuk menunjukkan keterampilan dalam menggunakan BigQuery, BigLake, dan Dataplex Universal Catalog. Anda akan membuat tabel BigLake, lalu memperkaya pengelolaan metadata dan penemuan data dalam tabel.
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.
Selesaikan kursus badge keahlian pengantar Mengamankan Data BigLake untuk menunjukkan keterampilan dengan IAM, BigQuery, BigLake, dan Data Catalog dalam Dataplex untuk membuat dan mengamankan tabel BigLake.
Selesaikan badge keahlian pengantar Mulai Menggunakan Sensitive Data Protection untuk menunjukkan keterampilan dalam hal berikut: menggunakan layanan Sensitive Data Protection (termasuk Cloud Data Loss Prevention API) untuk memeriksa, mengedit, dan melakukan de-identifikasi data sensitif di Google Cloud.
Selesaikan kursus badge keahlian Pemantauan di Google Cloud tingkat pemula untuk menunjukkan keterampilan dalam hal berikut: menggunakan alat Cloud Monitoring untuk memantau resource di Google Cloud.
Dapatkan badge keahlian dengan menyelesaikan kursus tentang pengantar Mengintegrasikan Data BigQuery dan Google Workspace Menggunakan Apps Script untuk menunjukkan keterampilan dalam menghubungkan produk Workspace dengan BigQuery melalui AppSheet.
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
This skill badge aims to evaluate a partner's ability to migrate data from Cloudera to Google Cloud Platform. Learners will gain hands-on experience through labs and achieve comprehensive knowledge and practical skills for migrating data from Cloudera to Google Cloud Platform.
This is the fifth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll combine and apply the foundational knowledge and skills from courses 1-4 in a hands-on Capstone project that focuses on the full data lifecycle project. You’ll practice using cloud-based tools to acquire, store, process, analyze, visualize, and communicate data insights effectively. By the end of the course, you’ll have completed a project demonstrating their proficiency in effectively structuring data from multiple sources, presenting solutions to varied stakeholders, and visualizing data insights using cloud-based software. You’ll also update your resume and practice interview techniques to help prepare for applying and interviewing for jobs.
This is the fourth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll focus on developing skills in the five key stages of visualizing data in the cloud: storytelling, planning, exploring data, building visualizations, and sharing data with others. You’ll also gain experience using UI/UX skills to wireframe impactful, cloud-native visualizations and work with cloud-native data visualization tools to explore datasets, create reports, and build dashboards that drive decisions and foster collaboration.
In this quest, you will get hands-on experience with LookML in Looker. You will learn how to write LookML code to create new dimensions and measures, create derived tables and join them to Explores, filter Explores, and define caching policies in LookML.
This is the third of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll begin by getting an overview of the data journey, from collection to insights. You’ll then learn how to use SQL to transform raw data into a usable format. Next, you’ll learn how to transform high volumes of data with a data pipeline. Finally, you’ll gain experience applying transformation strategies to real data sets to solve business needs.
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.
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.
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.
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.
This course is designed for data analysts who want to learn about using BigQuery for their data analysis needs. Through a combination of videos, labs, and demos, we cover various topics that discuss how to ingest, transform, and query your data in BigQuery to derive insights that can help in business decision making.
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.
Dalam kursus tingkat pemula ini, Anda akan mempelajari alur kerja Analisis Data di Google Cloud dan alat yang dapat Anda gunakan untuk mengeksplorasi, menganalisis, dan memvisualisasikan data, serta membagikan temuan Anda dengan para pemangku kepentingan. Dengan menggunakan studi kasus serta lab interaktif, materi, dan kuis/demo, kursus ini akan mendemonstrasikan cara menghasilkan data bersih hingga visualisasi dan dasbor yang menghasilkan dampak dari set data mentah. Entah Anda sudah bekerja dengan data dan ingin mempelajari cara sukses di Google Cloud, atau ingin mengembangkan karier Anda, kursus ini akan membantu Anda memulai. Hampir semua orang yang melakukan atau menggunakan analisis data dalam pekerjaan mereka dapat mengambil manfaat dari kursus ini.
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.
In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.
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 Membangun Mesh Data dengan Dataplex untuk menunjukkan keterampilan dalam hal berikut: membuat mesh data dengan Dataplex 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 Dataplex.
This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.
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.
Excited to follow your favorite soccer/football stars on their next quest? Use GenAIus Travel Guides to learn how to interact with chat applications, master prompt engineering, understand the importance of context in AI, and work with Generative AI. Earn an exclusive Google Cloud Generative AI Credential and showcase your new skills! No prior experience needed!
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
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.
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.
This is the first of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll define the field of cloud data analysis and describe roles and responsibilities of a cloud data analyst as they relate to data acquisition, storage, processing, and visualization. You’ll explore the architecture of Google Cloud-based tools, like BigQuery and Cloud Storage, and how they are used to effectively structure, present, and report data.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Today, developers need all the tools to shine. Artifact Registry is your one-stop shop for storing and managing your code. Learn how to start building your dream code and earn a Google Cloud Credential along the way!- No prior experience needed!
Today's fast-paced digital world needs security experts. Become one by mastering the fine points of security and compliance in the Cloud! Boost your skillset with a Google Cloud Credential- No prior experience required!
Hey there! You're invited to game on with the Arcade Trivia for May Week 4! Play throughout the month and boost your cloud learning journey. Every week, we'll release a new set of questions to test your knowledge of Google Cloud Platform. Get started now and earn the May Trivia Week 4 badge!
Discover the craft of turning data into actionable insights and earn a Google Cloud Credential along the way! No prior experience needed!
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 Looker Studio dengan menghubungkannya ke data BigQuery.
Hey there! You're invited to game on with the Arcade Trivia for May Week 3! Play throughout the month and boost your cloud learning journey. Every week, we'll release a new set of questions to test your knowledge of Google Cloud Platform. Get started now and earn the May Trivia Week 3 badge!
Hey there! You're invited to game on with the Arcade Trivia for May Week 2! Play throughout the month and boost your cloud learning journey. Every week, we'll release a new set of questions to test your knowledge of Google Cloud Platform. Get started now and earn the May Trivia Week 2 badge!
Hey there! You're invited to game on with the Arcade Trivia for May Week 1! Play throughout the month and boost your cloud learning journey. Every week, we'll release a new set of questions to test your knowledge of Google Cloud Platform. Get started now and earn the May Trivia Week 1 badge!
Google Cloud Certifications provide a tangible way for you to demonstrate your skills to potential or current employers. These certifications incorporate performance-based questions, testing your hands-on expertise through practical tasks. Begin your journey towards becoming a Google Certified Professional with the help of the Arcade Cert Zone. Be one of the first 20 people to complete the challenge and earn a 100% discount voucher for your next Google Cloud Digital Leader Examination. Welcome!
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
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.
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.
Organizations around the world rely on Apache Kafka to integrate existing systems in real time and build a new class of event streaming applications that unlock new business opportunities. Google and Confluent are in a partnership to deliver the best event streaming service based on Apache Kafka and to build event driven applications and big data pipelines on Google Cloud Platform. In this game, you will first learn how to deploy and create a streaming data pipeline with Apache Kafka. You will then perform hand-on labs on the different functionalities of the Confluent Platform including deploying and running Apache Kafka on GKE and developing a Streaming Microservices Application.
Get hands-on practice with Google Cloud’s fundamental tools and services.You will compete with your peers to see who can finish this game with the most points. Speed and accuracy will be used to calculate your scores — earn points by completing the labs accurately and bonus points for speed! Be sure to click “End” where you’re done with each lab to be rewarded your points. All players who complete all of the labs will be awarded with this game badge. The access code for this game will be- "5a-devjam"
This quest offers hands-on practice with Cloud Data Fusion, a cloud-native, code-free, data integration platform. ETL Developers, Data Engineers and Analysts can greatly benefit from the pre-built transformations and connectors to build and deploy their pipelines without worrying about writing code. This Quest starts with a quickstart lab that familiarises learners with the Cloud Data Fusion UI. Learners then get to try running batch and realtime pipelines as well as using the built-in Wrangler plugin to perform some interesting transformations on data.
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.
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Jaringan Google Cloud, untuk mempelajari cara menjalankan tugas-tugas networking dasar di Google Cloud Platform, yakni membuat jaringan kustom, menambahkan aturan firewall subnet, lalu membuat VM dan menguji latensi saat VM berkomunikasi satu sama lain.
Dapatkan badge keahlian dengan menyelesaikan kursus Mengembangkan Jaringan Google Cloud Anda yang berisi pelajaran tentang berbagai cara untuk men-deploy dan memantau aplikasi, termasuk cara: menjelajahi peran IAM dan menambahkan/menghapus akses project, membuat jaringan VPC, men-deploy dan memantau VM Compute Engine, menulis kueri SQL, men-deploy dan memantau VM di Compute Engine, serta men-deploy aplikasi menggunakan Kubernetes dengan beberapa pendekatan deployment.
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.
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.
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.
Selesaikan badge keahlian Mengimplementasikan Alur Kerja DevOps di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: membuat repositori git dengan Cloud Source Repositories, meluncurkan, mengelola, dan menskalakan deployment di Google Kubernetes Engine (GKE), serta merancang pipeline CI/CD yang mengotomatiskan pembangunan dan deployment image container ke GKE.
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.
Obtain a competitive advantage through DevOps. DevOps is an organizational and cultural movement that aims to increase software delivery velocity, improve service reliability, and build shared ownership among software stakeholders. In this course you will learn how to use Google Cloud to improve the speed, stability, availability, and security of your software delivery capability. DevOps Research and Assessment has joined Google Cloud. How does your team measure up? Take this five question multiple-choice quiz and find out!
Kursus pengantar ini unik dibandingkan penawaran kursus lainnya. Semua lab dalam kursus ini telah diseleksi untuk membekali profesional IT dengan praktik langsung terkait berbagai topik dan layanan yang muncul di Sertifikasi Associate Cloud Engineer yang Tersertifikasi Google Cloud. Dari IAM, networking, hingga deployment Kubernetes Engine, kursus ini terdiri atas beberapa lab khusus yang akan menguji pengetahuan Anda terkait Google Cloud. Perlu diketahui bahwa meskipun praktik dalam lab akan meningkatkan keterampilan dan kemampuan Anda, sebaiknya Anda juga meninjau panduan ujian dan referensi persiapan lainnya yang tersedia.
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.
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 Looker 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.
Want to learn the core SQL and visualization skills of a Data Analyst? Interested in how to write queries that scale to petabyte-size datasets? Take the BigQuery for Analyst Quest and learn how to query, ingest, optimize, visualize, and even build machine learning models in SQL inside of BigQuery.
Dapatkan badge keahlian tingkat lanjut dengan menyelesaikan kursus tentang Menggunakan API Machine Learning di Google Cloud yang membahas fitur dasar machine learning dan dan teknologi AI berikut: Cloud Vision API, Cloud Translation API, dan Cloud Natural Language API.
This is the first of two Quests of hands-on labs is derived from the exercises from the book Data Science on Google Cloud Platform, 2nd Edition by Valliappa Lakshmanan, published by O'Reilly Media, Inc. In this first Quest, covering up through chapter 8, you are given the opportunity to practice all aspects of ingestion, preparation, processing, querying, exploring and visualizing data sets using Google Cloud tools and services.
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.
Big data, machine learning, and scientific data? It sounds like the perfect match. In this advanced-level quest, you will get hands-on practice with GCP services like Big Query, Dataproc, and Tensorflow by applying them to use cases that employ real-life, scientific data sets. By getting experience with tasks like earthquake data analysis and satellite image aggregation, Scientific Data Processing will expand your skill set in big data and machine learning so you can start tackling your own problems across a spectrum of scientific disciplines.
It's no secret that machine learning is one of the fastest growing fields in tech, and Google Cloud has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning APIs by taking labs like Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API. Looking for a hands-on challenge lab to demonstrate your skills and validate your knowledge? Enroll in and finish the additional challenge lab at the end of this quest to receive an exclusive Google Cloud digital badge.
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 Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
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.
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 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.
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.
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
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.
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.
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.