Guillermo Gonzalez
Member since 2023
Üretken Yapay Zeka Ajanları: Kuruluşunuzu Dönüştürün
Earned Eki 23, 2026 EDT
Üretken Yapay Zeka Uygulamaları: İşinizi Dönüştürün
Earned Eki 22, 2026 EDT
Üretken Yapay Zeka: Ekosistemi Tanıma
Earned Eki 21, 2026 EDT
Üretken Yapay Zeka: Temel Kavramları Öğrenin
Earned Eki 21, 2026 EDT
Üretken Yapay Zeka: Chatbot'tan Daha Fazlası
Earned Eki 15, 2026 EDT
Üretken Yapay Zekaya Giriş
Earned Eyl 25, 2025 EDT
Working with Notebooks in Vertex AI
Earned Haz 16, 2025 EDT
Launching into Machine Learning
Earned Ağu 26, 2024 EDT
Engineer Data for Predictive Modeling with BigQuery ML
Earned Eki 19, 2023 EDT
Build a Data Warehouse with BigQuery
Earned Eki 13, 2023 EDT
Introduction to AI and Machine Learning on Google Cloud
Earned Eki 9, 2023 EDT
Google Cloud'da Makine Öğrenimi API'leri İçin Veri Hazırlama
Earned Eki 6, 2023 EDT
Serverless Data Processing with Dataflow: Operations
Earned Eki 3, 2023 EDT
Serverless Data Processing with Dataflow: Develop Pipelines
Earned Eyl 29, 2023 EDT
Serverless Data Processing with Dataflow: Foundations
Earned Eyl 19, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned Eyl 15, 2023 EDT
Build Streaming Data Pipelines on Google Cloud
Earned Eyl 12, 2023 EDT
Build Batch Data Pipelines on Google Cloud
Earned Eyl 9, 2023 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Eyl 5, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned Ağu 31, 2023 EDT
Build a Certification Study Guide: PDE Exam Prep
Earned Ağu 28, 2023 EDT
Üretken Yapay Zeka Ajanları: Kuruluşunuzu Dönüştürün, Üretken Yapay Zeka Lideri öğrenme rotasının beşinci ve son kursudur. Bu kursta, kuruluşların özel üretken yapay zeka ajanlarını kullanarak belirli işletme zorluklarının üstesinden nasıl gelebileceği ele alınmaktadır. Temel bir üretken yapay zeka ajanı oluşturarak pratik yapacak, bu ajanların modeller, mantık döngüleri ve araçlar gibi bileşenlerini keşfedeceksiniz.
Learn more
Üretken Yapay Zeka Uygulamaları ile İşinizi Dönüştürün, Üretken Yapay Zeka Lideri öğrenme rotasının dördüncü kursudur. Bu kursta, Google'ın üretken yapay zeka uygulamaları (ör. Gemini ile Google Workspace ve NotebookLM) tanıtılmaktadır. Temellendirme, veriyle artırılmış üretim, etkili istemler hazırlama ve otomatik iş akışları oluşturma gibi kavramlar hakkında size rehberlik eder.
Learn more
Üretken Yapay Zeka: Ekosistemi Tanıma, Üretken Yapay Zeka Lideri öğrenme rotasının üçüncü kursudur. Üretken yapay zeka, çalışma şeklimizi ve çevremizle etkileşim kurma biçimimizi değiştiriyor. Peki bir lider olarak bu teknolojinin gücünden yararlanıp işletmenizde nasıl gerçek sonuçlar elde edebilirsiniz? Bu kursta, üretken yapay zeka çözümleri oluşturmanın farklı katmanlarını, Google Cloud'un sunduğu hizmetleri ve çözüm seçerken dikkate alınması gereken faktörleri keşfedeceksiniz.
Learn more
Üretken Yapay Zeka: Temel Kavramları Öğrenin, Üretken Yapay Zeka Lideri öğrenme rotasının ikinci kursudur. Bu kursta, yapay zeka, makine öğrenimi ve üretken yapay zeka arasındaki farkları keşfederek üretken yapay zekanın temel kavramlarını öğrenecek ve çeşitli veri türlerinin üretken yapay zekanın kurumsal zorlukları çözmesine nasıl yardımcı olduğunu anlayacaksınız. Temel modellerin sınırlamalarını gidermeye yardımcı olacak Google Cloud stratejileriyle sorumlu ve güvenli yapay zeka geliştirme ve dağıtımının temel zorlukları hakkında da bilgi edineceksiniz.
Learn more
Üretken Yapay Zeka: Chatbot'tan Daha Fazlası, Gen AI Leader öğrenme rotasının ilk kursudur ve ön koşul gerektirmez. Bu kurs, chatbot'larla ilgili temel bilgilerin ötesine geçerek üretken yapay zekanın kuruluşunuza sağlayabileceği gerçek potansiyeli keşfetmeyi amaçlamaktadır. Üretken yapay zekanın gücünden yararlanmak için çok önemli olan temel modeller ve istem mühendisliği gibi kavramları keşfedeceksiniz. Kurs ayrıca kuruluşunuz için başarılı bir üretken yapay zeka stratejisi geliştirirken dikkate almanız gereken önemli noktalar hakkında size rehberlik edecek.
Learn more
Bu giriş seviyesi mikro öğrenme kursu, üretken yapay zekanın ne olduğunu, nasıl kullanıldığını ve geleneksel makine öğrenimi yöntemlerinden farkını açıklamayı amaçlamaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da ele alınmaktadır.
Learn more
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.
Learn more
The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.
Learn more
Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.
Learn more
Complete the intermediate Build a Data Warehouse with BigQuery skill badge course to demonstrate skills in the following: joining data to create new tables, troubleshooting joins, appending data with unions, creating date-partitioned tables, and working with JSON, arrays, and structs in BigQuery.
Learn more
This course introduces Google Cloud's AI and machine learning (ML) capabilities, with a focus on developing both generative and predictive AI projects. It explores the various technologies, products, and tools available throughout the data-to-AI lifecycle, empowering data scientists, AI developers, and ML engineers to enhance their expertise through interactive exercises.
Learn more
Giriş düzeyindeki Google Cloud'da Makine Öğrenimi API'leri İçin Veri Hazırlama beceri rozetini tamamlayarak şu konulardaki becerilerinizi gösterin: Dataprep by Trifacta ile veri temizleme, Dataflow'da veri ardışık düzenleri çalıştırma, Managed Service for Apache Spark'ta küme oluşturma ve Apache Spark işleri çalıştırma ve makine öğrenimi API'lerini (Cloud Natural Language API, Google Cloud Speech-to-Text API ve Video Intelligence API dahil olmak üzere) çağırma.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam.
You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
Learn more
