Juan Ramirez
Menjadi anggota sejak 2022
Bronze League
6910 poin
Menjadi anggota sejak 2022
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.
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.
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.
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.
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.
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 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 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.
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.
This advanced-level Quest builds on its predecessor Quest, and offers hands-on practice on the more advanced data integration features available in Cloud Data Fusion, while sharing best practices to build more robust, reusable, dynamic pipelines. Learners get to try out the data lineage feature as well to derive interesting insights into their data’s history.
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.
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.
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.
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.
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.
Dasar-Dasar Google Cloud: Infrastruktur Inti memperkenalkan konsep dan terminologi penting untuk bekerja dengan Google Cloud. Melalui video dan lab interaktif, kursus ini menyajikan dan membandingkan banyak layanan komputasi dan penyimpanan Google Cloud, bersama dengan resource penting dan alat pengelolaan kebijakan.
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.