Ahmed Hassan
Jest członkiem od 2022
Liga srebrna
23335 pkt.
Build a Certification Study Guide: PDE Exam Prep
Earned wrz 12, 2024 EDT
Engineer Data for Predictive Modeling with BigQuery ML
Earned wrz 5, 2024 EDT
Przygotowywanie danych do użycia z interfejsami ML w Google Cloud
Earned wrz 2, 2024 EDT
Tworzenie siatki danych przy użyciu Knowledge Catalog
Earned sie 29, 2024 EDT
Serverless Data Processing with Dataflow: Operations
Earned sie 19, 2024 EDT
Serverless Data Processing with Dataflow: Develop Pipelines
Earned sie 18, 2024 EDT
Serverless Data Processing with Dataflow: Foundations
Earned sie 11, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned sie 11, 2024 EDT
Build Streaming Data Pipelines on Google Cloud
Earned sie 9, 2024 EDT
Build a Data Warehouse with BigQuery
Earned wrz 14, 2022 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned wrz 3, 2022 EDT
Build Batch Data Pipelines on Google Cloud
Earned sie 30, 2022 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned sie 10, 2022 EDT
Podstawy Google Cloud
Earned kwi 30, 2022 EDT
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.
Więcej informacji
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.
Więcej informacji
Ukończ szkolenie wprowadzające Przygotowywanie danych do użycia z interfejsami ML w Google Cloud, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: czyszczenie danych przy użyciu usługi Dataprep firmy Trifacta, uruchamianie potoków danych w Dataflow, tworzenie klastrów i uruchamianie zadań Apache Spark w Managed Service for Apache Spark, a także wywoływanie interfejsów API dotyczących uczenia maszynowego, w tym Cloud Natural Language API, Google Cloud Speech-to-Text API oraz Video Intelligence API.
Więcej informacji
Ukończ szkolenie wprowadzające Tworzenie siatki danych przy użyciu Knowledge Catalog, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: tworzenie siatki danych przy użyciu Knowledge Catalog w celu ułatwienia zarządzania danymi oraz ich wykrywania i ochrony w Google Cloud. Przećwiczysz i sprawdzisz swoje umiejętności w zakresie tagowania zasobów, przypisywania ról uprawnień i oceny jakości danych w Knowledge Catalog.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
Na tym kursie dla początkujących nauczysz się używać podstawowych narzędzi i usług Google Cloud. Dostępne są opcjonalne filmy zapewniające szerszy kontekst i pomagające powtórzyć pojęcia omówione podczas laboratoriów. Podstawy Google Cloud to kurs zalecany jako pierwszy dla osób poznających Google Cloud – możesz zacząć naukę, mając minimalną albo nawet zerową wiedzę o chmurze, a skończyć z praktycznymi umiejętnościami, które wykorzystasz w swoim pierwszym projekcie Google Cloud. Od wpisywania poleceń w Cloud Shell i wdrażania pierwszej maszyny wirtualnej po uruchamianie aplikacji w Kubernetes Engine lub aplikacji z równoważeniem obciążenia, Podstawy Google Cloud to doskonałe wprowadzenie do podstawowych funkcji platformy.
Więcej informacji
