Dalam kursus ini, Anda akan mempelajari cara mengembangkan aplikasi menggunakan Flutter, yakni toolkit UI portabel dari Google, dan mengintegrasikan aplikasi dengan Gemini, yakni rangkaian produk model AI generatif Google. Anda juga akan menggunakan Vertex AI Agent Builder, yakni platform Google untuk membangun dan mengelola Agen dan aplikasi AI.
Dalam kursus ini, Anda akan mempelajari cara menggunakan Agent Development Kit Google untuk membangun sistem multi-agen yang kompleks. Anda akan membangun agen yang dilengkapi dengan berbagai alat. Anda juga akan menghubungkannya melalui hubungan dan alur induk-turunan untuk menentukan interaksi antara berbagai agen. Anda akan menjalankan agen secara lokal dan men-deploy-nya ke Agent Runtime di Gemini Enterprise Agent Platform untuk dijalankan sebagai alur agen terkelola. Agent Runtime akan menangani keputusan infrastruktur dan penskalaan resource. Lab ini didasarkan pada versi pra-rilis produk ini. Lab ini mungkin mengalami jeda saat kami melakukan update pemeliharaan.
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.
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.
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.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga membahas beberapa Alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Kursus ini memperkenalkan Anda pada arsitektur Transformer dan model Representasi Encoder Dua Arah dari Transformer (Bidirectional Encoder Representations from Transformers atau BERT). Anda akan belajar tentang komponen utama arsitektur Transformer, seperti mekanisme self-attention, dan cara penggunaannya untuk membangun model BERT. Anda juga akan belajar tentang berbagai tugas yang dapat memanfaatkan BERT, seperti klasifikasi teks, menjawab pertanyaan, dan inferensi natural language. Kursus ini diperkirakan memakan waktu sekitar 45 menit untuk menyelesaikannya.
Kursus ini memberi Anda sinopsis tentang arsitektur encoder-decoder, yang merupakan arsitektur machine learning yang canggih dan umum untuk tugas urutan-ke-urutan seperti terjemahan mesin, ringkasan teks, dan tanya jawab. Anda akan belajar tentang komponen utama arsitektur encoder-decoder serta cara melatih dan menyalurkan model ini. Dalam panduan lab yang sesuai, Anda akan membuat kode pada penerapan simpel arsitektur encoder-decoder di TensorFlow untuk pembuatan puisi dari awal.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda menggunakan produk dan layanan Google untuk mengembangkan, menguji, men-deploy, dan mengelola aplikasi. Dengan bantuan Gemini, Anda belajar cara mengembangkan dan membangun aplikasi web, memperbaiki error dalam aplikasi, mengembangkan pengujian, dan mengkueri data. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan siklus proses pengembangan software (SDLC). Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari cara Gemini, kolaborator berteknologi AI generatif dari Google Cloud, membantu developer membangun aplikasi. Anda akan mempelajari cara memanfaatkan Gemini untuk menjelaskan kode, merekomendasikan layanan Google Cloud, dan membuat kode untuk aplikasi Anda. Dengan lab interaktif, Anda akan merasakan peningkatan alur kerja pengembangan aplikasi menggunakan Gemini. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Menyelesaikan badge keahlian tingkat menengah Menginspeksi Dokumen Multimedia dengan Multimodalitas Gemini dan RAG Multimodal untuk menunjukkan keterampilan dalam hal berikut ini: menggunakan prompt multimodal untuk mengekstrak informasi dari data teks dan visual dengan menghasilkan deskripsi video, dan mengambil informasi tambahan di luar video menggunakan multimodalitas dengan Gemini; membangun metadata dokumen yang berisi teks dan gambar dengan mendapatkan semua potongan teks yang relevan, dan mencetak kutipan dengan menggunakan Multimodal Retrieval Augmented Generation (RAG) dengan Gemini.
Selesaikan badge keahlian tingkat menengah Mempelajari AI Generatif di Agent Platform untuk menunjukkan keterampilan dalam hal berikut: pembuatan teks, analisis gambar dan video untuk peningkatan kualitas pembuatan konten, serta penerapan teknik panggilan fungsi dalam Gemini API. Temukan cara memanfaatkan teknik Gemini yang canggih, menjelajahi pembuatan konten multimodal, dan memperluas kemampuan project yang didukung AI.
Kursus singkat tentang cara mengintegrasikan aplikasi dengan Gemini di Google Cloud ini akan membantu Anda memahami Gemini API dan model AI generatif. Kursus ini menjelaskan cara mengakses model Gemini dari kode. Anda dapat menguji kemampuan model dengan perintah teks, gambar, dan video dari aplikasi.
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.
Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.
Selesaikan badge keahlian pengantar Desain Perintah dalam Agent Platform untuk menunjukkan keterampilan Anda dalam hal berikut: rekayasa perintah, analisis gambar, dan teknik generatif multimodal, dalam Agent Platform. Pelajari cara membuat perintah yang efektif, memandu output AI generatif, dan menerapkan model Gemini dalam skenario pemasaran di dunia nyata.
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 Arsitektur Cloud: Merancang, Mengimplementasikan, dan Mengelola untuk menunjukkan keahlian Anda dalam hal berikut: men-deploy situs yang dapat diakses secara publik menggunakan server web Apache, mengonfigurasi VM Compute Engine menggunakan skrip startup, mengonfigurasi RDP yang aman menggunakan Bastion host Windows dan aturan firewall, membangun dan men-deploy image Docker ke cluster Kubernetes serta kemudian mengupdatenya, membuat instance CloudSQL, dan mengimpor database MySQL. Kursus badge keahlian ini merupakan referensi yang bagus untuk memahami topik yang akan muncul di ujian sertifikasi Professional Cloud Architect Tersertifikasi Google Cloud.
Kursus ini membekali peserta dengan keterampilan untuk membangun solusi yang sangat andal dan efisien di Google Cloud menggunakan pola desain yang telah terbukti. Kursus ini merupakan kelanjutan dari kursus Membangun dengan Google Compute Engine atau Membangun dengan Google Kubernetes Engine dan memberikan pengalaman interaktif dengan teknologi yang dibahas dalam kursus tersebut. Melalui kombinasi presentasi, aktivitas desain, dan lab interaktif, peserta akan mempelajari cara menentukan serta menyeimbangkan kebutuhan bisnis dan teknis untuk merancang deployment Google Cloud yang sangat andal, sangat tersedia, aman, dan hemat biaya.
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.
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.
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 Managed Service for Apache Spark, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
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.
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.
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.
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.
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.
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.
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.
In this Quest, the experienced user of Google Cloud will learn how to describe and launch cloud resources with Terraform, an open source tool that codifies APIs into declarative configuration files that can be shared amongst team members, treated as code, edited, reviewed, and versioned. In these nine hands-on labs, you will work with example templates and understand how to launch a range of configurations, from simple servers, through full load-balanced applications.
Quest level dasar ini berbeda dengan penawaran Qwiklabs lainnya. Semua lab yang termasuk dalam level ini telah diseleksi untuk membekali profesional IT dengan praktik langsung tentang berbagai topik dan layanan yang diujikan dalam Sertifikasi Google Cloud Certified Professional Cloud Architect . Dari IAM, hingga jaringan, dan penerapan Kubernetes Engine, quest ini tersusun atas sejumlah lab spesifik yang akan menguji pengetahuan Anda tentang GCP. Harap diketahui bahwa, meskipun praktik dengan lab ini akan meningkatkan keterampilan dan kemampuan Anda, sebaiknya Anda juga mempelajari panduan ujian serta referensi persiapan lain yang tersedia.
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.
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 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.
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 Data Studio dengan menghubungkannya ke data BigQuery.
Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Jaringan Google Cloud yang Aman yang membahas resource yang terkait dengan beberapa jaringan untuk membangun, menskalakan, dan mengamankan aplikasi Anda di Google Cloud.
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.
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.
For everyone using Google Cloud Platform for the first time, getting familar with gcloud, Google Cloud's command line, will help you get up to speed faster. In this quest, you'll learn how to install and configure Cloud SDK, then use gcloud to perform some basic operations like creating VMs, networks, using BigQuery, and using gsutil to perform operations.
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.
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.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Kursus ini menawarkan praktik langsung dengan Cloud Data Fusion, platform integrasi data tanpa kode berbasis cloud. Developer ETL, Data Engineer, dan Analis dapat memperoleh manfaat besar dari transformasi dan konektor bawaan untuk membangun dan men-deploy pipeline mereka tanpa perlu menulis kode. Kursus ini dimulai dengan lab panduan memulai yang memperkenalkan UI Cloud Data Fusion kepada peserta. Peserta dapat mencoba menjalankan pipeline batch dan real time serta menggunakan plugin Wrangler untuk melakukan beberapa transformasi menarik pada data.
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.
Big data, machine learning, and scientific data? It sounds like the perfect match. In this course, you will get hands-on practice with GCP services like BigQuery, Managed Service for Apache Spark, 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.
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.
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.
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.
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.
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.
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.
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.
Kubernetes adalah sistem orkestrasi container paling populer, dan Google Kubernetes Engine dirancang secara khusus untuk mendukung deployment Kubernetes terkelola di Google Cloud. Dalam kursus tingkat lanjut ini, Anda akan mendapatkan praktik langsung dalam mengonfigurasi Image Docker, container, serta men-deploy aplikasi Kubernetes Engine yang sepenuhnya lengkap dan siap produksi. Kursus ini akan mengajari Anda keterampilan praktis yang diperlukan untuk mengintegrasikan orkestrasi container ke dalam alur kerja Anda sendiri. Apakah Anda sedang mencari challenge lab interaktif untuk menunjukkan keterampilan Anda dan menguji pengetahuan yang dimiliki? Setelah menyelesaikan kursus ini, selesaikan Challenge Lab tambahan di akhir kursus Men-deploy Aplikasi Kubernetes di Google Cloud untuk menerima badge digital eksklusif Google Cloud.