DANIEL ALONSO GARCÍA
Menjadi anggota sejak 2023
Bronze League
36115 poin
Menjadi anggota sejak 2023
Organisasi dalam berbagai ukuran memanfaatkan kekuatan dan fleksibilitas cloud untuk mentransformasi cara mereka beroperasi. Namun, pengelolaan dan penskalaan resource cloud secara efektif bisa menjadi tugas yang rumit. Kursus ini membahas konsep dasar operasi modern, keandalan, dan ketahanan di cloud, serta cara Google Cloud dapat membantu mendukung upaya ini. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Saat organisasi memindahkan data dan aplikasi mereka ke cloud, mereka harus menghadapi dinamika tantangan keamanan yang berkembang pesat. Kursus ini membahas dasar-dasar keamanan cloud, nilai infrastruktur Google Cloud yang aman dari desain, dan strategi defense in depth, sekaligus memaparkan cara operasi berbasis AI dan alat kepatuhan membantu organisasi memenuhi persyaratan peraturan global yang ketat. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Banyak perusahaan tradisional menggunakan sistem dan aplikasi lama yang tidak dapat mengikuti ekspektasi pelanggan modern. Para pemimpin bisnis sering kali harus memilih antara mempertahankan sistem IT lama mereka atau berinvestasi pada produk dan layanan baru. Kursus ini mengeksplorasi tantangan tersebut dan menawarkan solusi untuk mengatasinya dengan menggunakan teknologi cloud. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Kecerdasan buatan (AI) dan machine learning (ML) mewakili evolusi penting dalam teknologi informasi yang dengan cepat mentransformasi berbagai industri. Berinovasi dengan Kecerdasan Buatan Google Cloud membahas cara organisasi menggunakan AI dan ML untuk mentransformasi proses bisnis mereka. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Teknologi cloud adalah aset yang sangat canggih. Jika dipasangkan dengan data, teknologi ini akan menjadi pendorong inovasi dan peningkatan pengalaman pelanggan. Menjelajahi Transformasi Data dengan Google Cloud membahas cara organisasi memanfaatkan cloud untuk membuat data mereka lebih mudah diakses, ditindaklanjuti, dan bernilai. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Transformasi digital adalah perjalanan penting bagi organisasi modern, dan membangun dasar yang kuat dalam cloud computing merupakan langkah pertama untuk mendorong inovasi yang bermakna. Transformasi Digital dengan Google Cloud memperkenalkan teknologi inti dan framework strategis yang membantu organisasi memodernisasi operasi mereka. Kursus ini membahas konsep cloud dasar, infrastruktur jaringan global, dan model tanggung jawab bersama untuk membantu para pemimpin menentukan jalur mereka ke cloud dengan percaya diri. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Seiring semakin meningkatnya penggunaan Kecerdasan Buatan dan Machine Learning di kalangan perusahaan, proses membangunnya secara bertanggung jawab juga menjadi semakin penting. Membicarakan responsible AI mungkin lebih mudah bagi banyak orang daripada mempraktikkannya. Jika Anda tertarik untuk mempelajari cara mengoperasionalkan responsible AI dalam organisasi Anda, kursus ini cocok untuk Anda. Dalam kursus ini, Anda akan mempelajari bagaimana Google Cloud mengoperasionalkan responsible AI, dengan praktik terbaik dan pelajaran yang dapat dipetik. Hal ini berguna sebagai framework bagi Anda untuk membangun pendekatan responsible AI.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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, 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.
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.
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.
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.
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.