参加 ログイン

Nurazizah Rahmi

メンバー加入日: 2021

シルバーリーグ

5300 ポイント
BigQuery for Marketing Analysts Earned 9月 26, 2021 EDT
Scientific Data Processing Earned 9月 26, 2021 EDT
NCAA® March Madness®: Bracketology with Google Cloud Earned 9月 26, 2021 EDT
BigQuery ML を使用した ML モデルの作成 Earned 9月 26, 2021 EDT
Looker ダッシュボードとレポート用にデータを準備する Earned 9月 26, 2021 EDT
BigQuery のデータから分析情報を引き出す Earned 9月 26, 2021 EDT
Data Catalog Fundamentals Earned 9月 26, 2021 EDT
DEPRECATED Applied Data: Blockchain Earned 9月 25, 2021 EDT
ベースライン: データ、ML、AI Earned 9月 24, 2021 EDT
Google Cloud の ML API 用にデータを準備 Earned 9月 24, 2021 EDT
ベースライン: インフラストラクチャ Earned 9月 23, 2021 EDT
Cloud Data Fusion でのコードレス パイプラインの構築 Earned 9月 23, 2021 EDT
Google Cloud の基礎 Earned 9月 22, 2021 EDT
BigQuery でデータ ウェアハウスを構築する Earned 9月 22, 2021 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 9月 22, 2021 EDT

マーケティングデータを洞察し、ダッシュボード構築はいかがでしょう？大規模な分析とモデル構築のために、すべてのデータを1か所にまとめましょう。クエリ方法を学び、また BigQuery を使用しながら、再現性があり、拡張可能、そして価値ある洞察を データ化します。 BigQuery は、Google が完全管理しており、 NoOpsで、低コストの分析データベースです。 BigQuery を使用すれば、管理すべき インフラストラクチャを持たずに、またはデータベース管理者を必要とすることなく、何テラバイトものデータをクエリすることができます。 BigQuery は SQL を使用し、従量制モデルを利用できます。 BigQuery を使用すれば、データ分析に集中でき、意味ある洞察を見い出だすことができます。

詳細

ビッグデータ、機械学習、科学的データ。完璧な組み合わせといえます。このクエストは上級レベルであり、実際の科学的データセットを使用するユースケースに BigQuery、Managed Service for Apache Spark、Tensorflow などの GCP サービスを当てはめ、実践的な演習を行います。「科学的データ処理」では、地震データの分析や衛星画像の集約といったタスクを実践し、ビッグデータと機械学習に関するスキルの強化を図ります。これにより、多岐にわたる科学的分野でさまざまな問題に取り組むことができるようになります。

詳細

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.

詳細

「BigQuery ML を使用した ML モデルの作成」コースの中級スキルバッジを獲得できるアクティビティを修了すると、 BigQuery ML を使用して ML モデルを作成および評価し、データを予測するスキルを証明できます。

詳細

「Looker ダッシュボードとレポート用にデータを準備する」スキルバッジを獲得できる入門コースを修了すると、 データのフィルタ、並べ替え、ピボット、異なる Looker Explore から取得した結果の統合、 関数と演算子を使用してデータを分析し可視化するための Looker ダッシュボードとレポートの作成に関するスキルを実証できます。

詳細

「BigQuery のデータから分析情報を引き出す」の入門スキルバッジを獲得すると、 SQL クエリの作成、一般公開テーブルに対するクエリの実行、BigQuery へのサンプルデータの読み込み、BigQuery でのクエリ バリデータを使用した一般的な構文エラーのトラブルシューティング、 BigQuery データへの接続による Data Studio でのレポート作成といったスキルを実証できます。

詳細

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.

詳細

Blockchain and related technologies, such as distributed ledger and distributed apps, are becoming new value drivers and solution priorities in many industries. In this course you will gain hands-on experience with distributed ledger and the exploration of blockchain datasets in Google Cloud. It brings the research and solution work of Google's Allen Day into self-paced labs for you to run and learn directly. Since this course uses advanced SQL in BigQuery, a SQL-in-BigQuery refresher lab is at the start.

詳細

ビッグデータ、ML、AI は今日のコンピュータ業界ではホットなトピックですが、 これらの分野は非常に専門性が高く、 入門レベルの教材を見つけるのは困難です。幸いなことに、Google Cloud はこうした分野でユーザー フレンドリーなサービスを提供しており、 この入門レベルのコースを通じて、BigQuery、Cloud Speech API、 Video Intelligence などのツールを使い始めるための第一歩を踏み出せます。

詳細

「Google Cloud の ML API 用にデータを準備」コースの入門スキルバッジを獲得できるアクティビティを修了すると、 Dataprep by Trifacta を使用したデータのクリーニング、Dataflow でのデータ パイプラインの実行、Managed Service for Apache Spark でのクラスタの作成と Apache Spark ジョブの実行、 Cloud Natural Language API、Google Cloud Speech-to-Text API、Video Intelligence API などの ML API の呼び出しに関するスキルを証明できます。

詳細

これは、Google Cloud Essentials よりもレベルの高い内容の練習機会を求めている初心者のクラウド デベロッパーに おすすめのコースです。Cloud Storage だけでなく、 Monitoring や Cloud Run functions などの主要なアプリケーション サービスに関連するラボを通して、 実践的な経験を積むことが可能です。また、 あらゆる Google Cloud イニシアチブに応用できる有益なスキルを身に付けることができます。

詳細

このコースでは、クラウドネイティブでコーディング不要のデータ統合プラットフォーム である Cloud Data Fusion を使用した実践的な演習を行います。このプラットフォームの事前構築済みの変換とコネクタを利用すれば、 ETL デベロッパー、データ エンジニア、データ アナリストはコーディングの心配無用で パイプラインを構築してデプロイできるため、大いに恩恵を受けられます。コースではまず、 クイックスタート ラボを通じて Cloud Data Fusion の UI に慣れてもらいます。その後、 バッチ パイプラインとリアルタイム パイプラインの実行や、組み込みの Wrangler プラグイン を使った各種の変換の実施を試してみます。

詳細

この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。

詳細

「BigQuery でデータ ウェアハウスを構築する」スキルバッジを獲得できる中級コースを修了すると、 データの結合による新しいテーブルの作成、結合のトラブルシューティング、UNION を使用したデータの連結、日付パーティション分割テーブルの作成、 BigQuery での JSON、配列、構造体の操作に関するスキルを証明できます。

詳細

「Compute Engine での Cloud Load Balancing の実装」入門コースを修了してスキルバッジを獲得すると、次のスキルを実証できます: Compute Engine における仮想マシンの作成とデプロイ、 ネットワーク ロードバランサとアプリケーション ロードバランサの構成。

詳細