Martulandi Adipta
メンバー加入日: 2020
シルバーリーグ
6400 ポイント
NCAA® March Madness®: Bracketology with Google Cloud
Earned 9月 24, 2021 EDT
[DEPRECATED] Data Engineering
Earned 9月 24, 2021 EDT
Data Catalog Fundamentals
Earned 9月 23, 2021 EDT
BigQuery for Marketing Analysts
Earned 9月 23, 2021 EDT
DEPRECATED BigQuery Basics for Data Analysts
Earned 9月 23, 2021 EDT
Google Cloud での ML の API の使用
Earned 9月 23, 2021 EDT
BigQuery ML を使用した予測モデリング向けのデータ エンジニアリング
Earned 9月 23, 2021 EDT
BigQuery でデータ ウェアハウスを構築する
Earned 9月 22, 2021 EDT
BigQuery ML を使用した ML モデルの作成
Earned 9月 21, 2021 EDT
Looker ダッシュボードとレポート用にデータを準備する
Earned 9月 21, 2021 EDT
BigQuery のデータから分析情報を引き出す
Earned 9月 21, 2021 EDT
Google Cloud の ML API 用にデータを準備
Earned 9月 20, 2021 EDT
Data Science on the Google Cloud Platform
Earned 9月 20, 2021 EDT
Cloud Data Fusion でのコードレス パイプラインの構築
Earned 3月 16, 2021 EDT
Google Cloud の基礎
Earned 2月 18, 2021 EST
In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.
詳細
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
詳細
Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.
詳細
マーケティングデータを洞察し、ダッシュボード構築はいかがでしょう？大規模な分析とモデル構築のために、すべてのデータを1か所にまとめましょう。クエリ方法を学び、また BigQuery を使用しながら、再現性があり、拡張可能、そして価値ある洞察を データ化します。 BigQuery は、Google が完全管理しており、 NoOpsで、低コストの分析データベースです。 BigQuery を使用すれば、管理すべき インフラストラクチャを持たずに、またはデータベース管理者を必要とすることなく、何テラバイトものデータをクエリすることができます。 BigQuery は SQL を使用し、従量制モデルを利用できます。 BigQuery を使用すれば、データ分析に集中でき、意味ある洞察を見い出だすことができます。
詳細
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
詳細
「Google Cloud での ML の API の使用 」コースを修了して、上級スキルバッジを獲得しましょう。このコースでは、ML と AI テクノロジーを活用する 3 つの API（Cloud Vision API、Cloud Translation API、Cloud Natural Language API） の基本機能について学習します。
詳細
「BigQuery ML を使用した予測モデリング向けのデータ エンジニアリング」のスキルバッジを獲得できる中級コースを修了すると、 Dataprep by Trifacta を使用した BigQuery へのデータ変換パイプラインの構築、 Cloud Storage、Dataflow、BigQuery を使用した抽出、変換、読み込み（ETL）ワークフローの構築、 BigQuery ML を使用した ML モデルの構築に関するスキルを実証できます。
詳細
「BigQuery でデータ ウェアハウスを構築する」スキルバッジを獲得できる中級コースを修了すると、 データの結合による新しいテーブルの作成、結合のトラブルシューティング、UNION を使用したデータの連結、日付パーティション分割テーブルの作成、 BigQuery での JSON、配列、構造体の操作に関するスキルを証明できます。
詳細
「BigQuery ML を使用した ML モデルの作成」コースの中級スキルバッジを獲得できるアクティビティを修了すると、 BigQuery ML を使用して ML モデルを作成および評価し、データを予測するスキルを証明できます。
詳細
「Looker ダッシュボードとレポート用にデータを準備する」スキルバッジを獲得できる入門コースを修了すると、 データのフィルタ、並べ替え、ピボット、異なる Looker Explore から取得した結果の統合、 関数と演算子を使用してデータを分析し可視化するための Looker ダッシュボードとレポートの作成に関するスキルを実証できます。
詳細
「BigQuery のデータから分析情報を引き出す」の入門スキルバッジを獲得すると、 SQL クエリの作成、一般公開テーブルに対するクエリの実行、BigQuery へのサンプルデータの読み込み、BigQuery でのクエリ バリデータを使用した一般的な構文エラーのトラブルシューティング、 BigQuery データへの接続による Data Studio でのレポート作成といったスキルを実証できます。
詳細
「Google Cloud の ML API 用にデータを準備」コースの入門スキルバッジを獲得できるアクティビティを修了すると、 Dataprep by Trifacta を使用したデータのクリーニング、Dataflow でのデータ パイプラインの実行、Managed Service for Apache Spark でのクラスタの作成と Apache Spark ジョブの実行、 Cloud Natural Language API、Google Cloud Speech-to-Text API、Video Intelligence API などの ML API の呼び出しに関するスキルを証明できます。
詳細
これは 2 つのクエストから構成されるハンズオンラボの 1 つ目のクエストで、『Data Science on Google Cloud Platform』（著者: Valliappa Lakshmanan、出版元: O'Reilly Media, Inc.）という書籍から抜粋した演習をもとに作成されたものです。1 つ目のクエストでは第 8 章までを扱い、Google Cloud Platform のツールとサービスを使用して、データセットの取り込み、準備、処理、クエリ、探索、可視化に関するあらゆる面について学習することができます。
詳細
このコースでは、クラウドネイティブでコーディング不要のデータ統合プラットフォーム である Cloud Data Fusion を使用した実践的な演習を行います。このプラットフォームの事前構築済みの変換とコネクタを利用すれば、 ETL デベロッパー、データ エンジニア、データ アナリストはコーディングの心配無用で パイプラインを構築してデプロイできるため、大いに恩恵を受けられます。コースではまず、 クイックスタート ラボを通じて Cloud Data Fusion の UI に慣れてもらいます。その後、 バッチ パイプラインとリアルタイム パイプラインの実行や、組み込みの Wrangler プラグイン を使った各種の変換の実施を試してみます。
詳細
この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。
詳細
