Teilnehmen Anmelden

DANIEL ALONSO GARCÍA

Mitglied seit 2023

Bronze League

36115 Punkte
Mit Google Cloud Operations skalieren Earned Aug 7, 2025 EDT
Vertrauen und Sicherheit mit Google Cloud Earned Aug 2, 2025 EDT
Infrastruktur und Anwendungen mit Google Cloud modernisieren Earned Aug 1, 2025 EDT
Innovationen mit künstlicher Intelligenz von Google Cloud Earned Jul 31, 2025 EDT
Datentransformation mit Google Cloud Earned Dez 10, 2024 EST
Digitale Transformation mit Google Cloud Earned Dez 10, 2024 EST
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden Earned Dez 10, 2024 EST
Prompt-Design mit Agent Platform Earned Dez 10, 2024 EST
Einführung in die verantwortungsbewusste Anwendung von KI Earned Dez 9, 2024 EST
Einführung in Large Language Models Earned Dez 9, 2024 EST
Einführung in generative KI Earned Dez 9, 2024 EST
Analyzing and Visualizing Data in Looker Earned Feb 11, 2024 EST
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten Earned Feb 10, 2024 EST
Daten für ML-APIs in Google Cloud vorbereiten Earned Feb 10, 2024 EST
Serverless Data Processing with Dataflow: Operations Earned Feb 9, 2024 EST
Data Warehouse mit BigQuery erstellen Earned Feb 6, 2024 EST
Serverless Data Processing with Dataflow: Develop Pipelines Earned Feb 3, 2024 EST
Serverless Data Processing with Dataflow: Foundations Earned Jan 5, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Jan 5, 2024 EST
Build Streaming Data Pipelines on Google Cloud Earned Jan 5, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Jan 3, 2024 EST
Build a Certification Study Guide: PDE Exam Prep Earned Jan 3, 2024 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Nov 9, 2023 EST
Applying Machine Learning to your Data with Google Cloud Earned Apr 28, 2023 EDT
Achieving Advanced Insights with BigQuery Earned Apr 25, 2023 EDT
Creating New BigQuery Datasets and Visualizing Insights Earned Apr 24, 2023 EDT
Exploring and Preparing your Data with BigQuery Earned Apr 21, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned Apr 20, 2023 EDT

Unternehmen jeder Größe nutzen die Leistungsfähigkeit und Flexibilität der Cloud, um ihre Abläufe zu transformieren. Die effektive Verwaltung und Skalierung von Cloud-Ressourcen kann jedoch eine komplexe Aufgabe sein. In diesem Kurs werden die grundlegenden Konzepte moderner Betriebsabläufe, Zuverlässigkeit und Ausfallsicherheit in der Cloud erläutert und es wird gezeigt, wie Google Cloud diese Bemühungen unterstützen kann. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, sich in ihrer Rolle weiterzuentwickeln und die Zukunft ihres Unternehmens mitzugestalten.

Weitere Informationen

Wenn Unternehmen ihre Daten und Anwendungen in die Cloud verlagern, müssen sie sich mit einer sich schnell entwickelnden Landschaft von Sicherheitsherausforderungen auseinandersetzen. In diesem Kurs werden die Grundlagen der Cloud-Sicherheit, der Wert der von Grund auf sicheren Infrastruktur von Google Cloud und die mehrschichtige Sicherheitsstrategie erläutert. Außerdem wird gezeigt, wie KI-gestützte Abläufe und Compliance-Tools Unternehmen dabei helfen, strenge globale regulatorische Anforderungen zu erfüllen. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, sich in ihrer Rolle weiterzuentwickeln und die Zukunft ihres Unternehmens mitzugestalten.

Weitere Informationen

Viele traditionelle Unternehmen verwenden ältere Systeme und Apps, die nicht mit den modernen Kundenerwartungen Schritt halten können. Führungskräfte müssen sich oft entscheiden, ob sie ihre veralteten IT-Systeme weiter betreiben oder in neue Produkte und Dienste investieren. In diesem Kurs werden diese Herausforderungen untersucht und Lösungen für ihre Bewältigung mithilfe von Cloud-Technologie angeboten. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, sich in ihrer Rolle weiterzuentwickeln und die Zukunft ihres Unternehmens mitzugestalten.

Weitere Informationen

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind wichtige Entwicklungen in der Informationstechnologie, die schnell eine Vielzahl von Branchen verändern. In „Innovationen mit künstlicher Intelligenz von Google Cloud“ wird erläutert, wie Unternehmen mit KI und ML ihre Geschäftsprozesse transformieren können. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, sich in ihrer Rolle weiterzuentwickeln und die Zukunft ihres Unternehmens mitzugestalten.

Weitere Informationen

Cloud-Technologie ist ein leistungsstarkes Asset. In Kombination mit Daten wird sie zum Katalysator für Innovation und einen besseren Kundenservice. Im Kurs „Datentransformation mit Google Cloud“ erfahren Sie, wie Unternehmen die Cloud nutzen können, um ihre Daten zugänglicher, verwertbarer und wertvoller zu machen. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, in ihrer Rolle zu wachsen und die Zukunft ihres Unternehmens zu gestalten.

Weitere Informationen

Die digitale Transformation ist für moderne Unternehmen von entscheidender Bedeutung. Eine solide Grundlage im Cloud Computing ist der erste Schritt, um sinnvolle Innovationen voranzutreiben. „Digitale Transformation mit Google Cloud“ stellt die wichtigsten Technologien und strategischen Frameworks vor, mit denen Abläufe in Unternehmen modernisiert werden können. In diesem Kurs werden grundlegende Cloud-Konzepte, die globale Netzwerkinfrastruktur und das Modell der gemeinsamen Verantwortung behandelt. So können Führungskräfte dem Weg in die Cloud zuversichtlich entgegenblicken. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, sich in ihrer Rolle weiterzuentwickeln und die Zukunft ihres Unternehmens mitzugestalten.

Weitere Informationen

Da die Nutzung von künstlicher Intelligenz und Machine Learning in Unternehmen weiter zunimmt, wird auch deren verantwortungsbewusste Entwicklung ein immer wichtigeres Thema. Dabei ist es für viele schwierig, die Überlegungen zur verantwortungsbewussten Anwendung von KI in die Praxis umzusetzen. Wenn Sie wissen möchten, wie sich die verantwortungsbewusste Anwendung von KI in die Praxis umsetzen, also operationalisieren lässt, finden Sie in diesem Kurs entsprechende Hilfestellungen. In diesem Kurs erfahren Sie, wie dies mit Google Cloud heutzutage möglich ist, inklusive entsprechender Best Practices und Erkenntnisse. Es wird gezeigt, welches Framework Google Cloud bietet, um einen eigenen Ansatz für die verantwortungsbewusste Anwendung von KI zu entwickeln.

Weitere Informationen

Mit dem Skill-Logo Prompt-Design mit Agent Platform weisen Sie Grundkenntnisse in folgenden Bereichen nach: Prompt Engineering, Bildanalyse und multimodale generative Techniken in Agent Platform. Entdecken Sie, wie Sie wirksame Prompts erstellen, auf generativer KI basierende Ausgaben steuern und Gemini-Modelle in Marketing-Szenarien aus der Praxis anwenden.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird erklärt, was verantwortungsbewusste Anwendung von KI bedeutet, warum sie wichtig ist und wie Google dies in seinen Produkten berücksichtigt. Darüber hinaus werden die 7 KI-Grundsätze von Google behandelt.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird untersucht, was Large Language Models (LLM) sind, für welche Anwendungsfälle sie genutzt werden können und wie die LLM-Leistung durch Feinabstimmung von Prompts gesteigert werden kann. Darüber hinaus werden Tools von Google behandelt, die das Entwickeln eigener Anwendungen basierend auf generativer KI ermöglichen.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird erklärt, was generative KI ist, wie sie genutzt wird und wie sie sich von herkömmlichen Methoden für Machine Learning unterscheidet. Darüber hinaus werden Tools von Google behandelt, mit denen Sie eigene generative KI-Anwendungen entwickeln können.

Weitere Informationen

In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.

Weitere Informationen

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.

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

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

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

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.

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

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.

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 this course, we define what machine learning is and how it can benefit your business. You'll see a few demos of ML in action and learn key ML terms like instances, features, and labels. In the interactive labs, you will practice invoking the pretrained ML APIs available as well as build your own Machine Learning models using just SQL with BigQuery ML.

Weitere Informationen

The third course in this course series is Achieving Advanced Insights with BigQuery. Here we will build on your growing knowledge of SQL as we dive into advanced functions and how to break apart a complex query into manageable steps. We will cover the internal architecture of BigQuery (column-based sharded storage) and advanced SQL topics like nested and repeated fields through the use of Arrays and Structs. Lastly we will dive into optimizing your queries for performance and how you can secure your data through authorized views. After completing this course, enroll in the Applying Machine Learning to your Data with Google Cloud course.

Weitere Informationen

This is the second course in the Data to Insights course series. Here we will cover how to ingest new external datasets into BigQuery and visualize them with Looker Studio. We will also cover intermediate SQL concepts like multi-table JOINs and UNIONs which will allow you to analyze data across multiple data sources. Note: Even if you have a background in SQL, there are BigQuery specifics (like handling query cache and table wildcards) that may be new to you. After completing this course, enroll in the Achieving Advanced Insights with BigQuery course.

Weitere Informationen

In this course, we see what the common challenges faced by data analysts are and how to solve them with the big data tools on Google Cloud. You’ll pick up some SQL along the way and become very familiar with using BigQuery and Dataprep to analyze and transform your datasets. This is the first course of the From Data to Insights with Google Cloud series. After completing this course, enroll in the Creating New BigQuery Datasets and Visualizing Insights course.

Weitere Informationen

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.

Weitere Informationen