Teilnehmen Anmelden

Ihre Kompetenzen in der Google Cloud Console anwenden

Erwin Aji Nugroho

Mitglied seit 2026

Serverless Data Processing with Dataflow: Develop Pipelines Earned Apr 14, 2026 EDT
Data Mesh mit Knowledge Catalog aufbauen Earned Apr 14, 2026 EDT
Data Warehouse mit BigQuery erstellen Earned Apr 14, 2026 EDT
Serverless Data Processing with Dataflow: Foundations Earned Apr 13, 2026 EDT
Build Streaming Data Pipelines on Google Cloud Earned Apr 13, 2026 EDT
Build Batch Data Pipelines on Google Cloud Earned Apr 9, 2026 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned Apr 9, 2026 EDT
Einführung in Data Engineering in Google Cloud Earned Apr 9, 2026 EDT
Preparing for your Professional Data Engineer Journey Earned Apr 8, 2026 EDT
ML-Modelle mit BigQuery ML erstellen Earned Apr 8, 2026 EDT
Mit Gemini in BigQuery produktiver arbeiten Earned Apr 8, 2026 EDT
Gemini-Modelle in BigQuery nutzen Earned Apr 8, 2026 EDT
BigQuery Machine Learning für Inferenzen nutzen Earned Apr 8, 2026 EDT
Gemini für Data Scientists und Analysts Earned Apr 7, 2026 EDT

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.

Weitere Informationen

Mit dem Skill-Logo Data Mesh mit Knowledge Catalog aufbauen weisen Sie die folgenden Kenntnisse nach: Aufbauen eines Data Mesh mit Knowledge Catalog für mehr Datensicherheit, Governance und Discovery in Google Cloud. Sie fördern und testen Ihre Fähigkeiten beim Tagging von Assets, Zuweisen von IAM-Rollen und Bewerten der Datenqualität in Knowledge Catalog.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

In diesem Kurs lernen Sie Data Engineering on Google Cloud sowie die Rollen und Verantwortlichkeiten von Data Engineers kennen und sehen, wie diese mit den Angeboten von Google Cloud zusammenhängen. Außerdem erfahren Sie, wie Sie Herausforderungen im Bereich Data Engineering meistern können.

Weitere Informationen

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.

Weitere Informationen

Mit dem Skill-Logo zum Kurs ML-Modelle mit BigQuery ML erstellen weisen Sie fortgeschrittene Kenntnisse in folgendem Bereich nach: Erstellen und Bewerten von Machine-Learning-Modellen mit BigQuery ML, um Datenvorhersagen zu treffen.

Weitere Informationen

Dieser Kurs behandelt Gemini in BigQuery, eine Suite KI-gesteuerter Funktionen zur Aufbereitung von Daten für die Verwendung in künstlicher Intelligenz. Zu diesen Funktionen gehören explorative Datenanalyse und ‑aufbereitung, Codegenerierung und Fehlerbehebung sowie Workflow-Erkennung und ‑Visualisierung. Durch konzeptionelle Erläuterungen, einen praxisnahen Anwendungsfall und praktische Übungen können Datenexperten mit diesem Kurs ihre Produktivität steigern und die Entwicklungspipeline beschleunigen.

Weitere Informationen

In diesem Kurs wird gezeigt, wie Sie KI-/ML-Modelle für Aufgaben basierend auf generativer KI in BigQuery verwenden. Anhand eines praktischen Anwendungsfalls zum Customer-Relationship-Management lernen Sie den Workflow zur Lösung eines Geschäftsproblems mit Gemini-Modellen kennen. Zur besseren Nachvollziehbarkeit bietet der Kurs auch eine Schritt-für-Schritt-Anleitung für das Programmieren von Lösungen mithilfe von SQL-Abfragen und Python-Notebooks.

Weitere Informationen

Sie erfahren alles über BigQuery Machine Learning für Inferenzen, warum Datenanalysten es nutzen sollten, Anwendungsfälle und unterstützte ML-Modelle. Sie lernen auch, wie Sie ML-Modelle in BigQuery erstellen und verwalten.

Weitere Informationen

In diesem Kurs erfahren Sie, wie Sie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, bei der Analyse von Kundendaten und der Prognose von Produktverkäufen unterstützen kann. Außerdem lernen Sie, wie Sie mithilfe von Kundendaten in BigQuery Neukunden identifizieren, kategorisieren und gewinnen können. In den praxisorientierten Labs erfahren Sie, wie Gemini Datenanalysen und Workflows für Machine Learning optimiert. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.

Weitere Informationen