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.
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.
Mit dem Skill-Logo zum Kurs Monitoring und Verwaltung von Ressourcen in Google Cloud weisen Sie Grundkenntnisse in folgenden Bereichen nach: IAM-Berechtigungen erteilen und widerrufen, Monitoring- und Logging-Agents installieren, eine ereignisgesteuerte Cloud Run-Funktion erstellen, bereitstellen und testen.
Machine Learning gehört zu den am schnellsten wachsenden Technologiefeldern – und Google Cloud hat zu dessen Weiterentwicklung maßgeblich beigetragen. Dank zahlreicher APIs bietet Google Cloud ein Tool für nahezu jede Aufgabe im Bereich des maschinellen Lernens. In diesem Kurs für Einsteiger können Sie praktische Erfahrungen mit Machine Learning hinsichtlich der Sprachverarbeitung sammeln. Sie absolvieren Labs, in denen Sie Entitäten aus Text extrahieren, Sentiment- und Syntaxanalysen durchführen und die Speech-to-Text API für Transkriptionen verwenden.
In diesem Kurs lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Data Scientists, KI-Entwickler*innen und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.
Erhalten Sie ein Skill-Logo, für den Abschluss der Aufgabenreihe Sentimentanalyse mit der Natural Language API, in der Sie lernen, wie die API die Stimmung eines Textes bestimmt.
Mit dem Skill-Logo zum Fortgeschrittenen-Kurs Prädiktive Datenanalyse in BigQuery durchführen weisen Sie Kenntnisse in folgenden Bereichen nach: Datasets in BigQuery erstellen durch Importieren von CSV- und JSON-Dateien; Leistungsfähigkeit von BigQuery mit ausgefeilten SQL-Analysekonzepten nutzen, einschließlich BigQuery ML zum Trainieren eines Modells für Torvorhersagen auf Grundlage von Fußballereignisdaten und zum Bewerten der Besonderheit von WM-Toren.
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Sprache und Text mit Google APIs analysieren abschließen, in der Sie lernen, wie Sie die Natural Language API und die Speech API in praxisnahen Umgebungen einsetzen.
Mit dem Skill-Logo zum Einsteigerkurs LookML-Objekte in Looker erstellen weisen Sie Kenntnisse über Folgendes nach: neue Dimensionen und Messwerte, Ansichten und abgeleitete Tabellen erstellen, Messwertfilter und Typen basierend auf Anforderungen festlegen, Dimensionen und Messwerte aktualisieren, Explores erstellen und verfeinern, Ansichten mit vorhandenen Explores verknüpfen und entscheiden, welche LookML- Objekte aufgrund von Geschäftsanforderungen erstellt werden sollen.
Mit dem Skill-Logo für den Kurs Bilder mit TensorFlow in Google Cloud klassifizieren erwerben Sie Kenntnisse in der Verwendung von TensorFlow und Vertex AI zum Erstellen und Trainieren von Machine-Learning-Modellen. Sie arbeiten hauptsächlich mit nutzerverwalteten Vertex AI Workbench-Notebooks.
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
This introductory-level quest shows application developers how the Google Cloud ecosystem could help them build secure, scalable, and intelligent cloud native applications. You learn how to develop and scale applications without setting up infrastructure, run data analytics, gain insights from data, and develop with pre-trained ML APIs to leverage machine learning even if you are not a Machine Learning expert. You will also experience seamless integration between various Google services and APIs to create intelligent apps.
Big Data, Machine Learning und künstliche Intelligenz sind heutzutage sehr wichtige Themen. Diese Technologiefelder bringen jedoch sehr spezielle Anforderungen mit sich und es ist schwierig, einführende Materialien dafür zu finden. Google Cloud bietet nutzerfreundliche Dienste in diesen Bereichen an, die in diesem Kurs für Einsteiger behandelt werden. Verschaffen Sie sich Einblicke in die Nutzung von Tools wie BigQuery, der Cloud Speech API und Video Intelligence.
Sie möchten Machine-Learning-Modelle mithilfe von SQL in Minuten statt in Stunden erstellen? BigQuery ML sorgt für eine breite Nutzung von Machine Learning, indem es Datenanalysten ermöglicht, ML-Modelle zu erstellen, zu trainieren und zu bewerten sowie mit den Modellen und vorhandenen SQL-Tools und ‑Fähigkeiten Vorhersagen zu treffen. In dieser Lab-Reihe experimentieren Sie mit verschiedenen Modelltypen und erfahren, was für ein gutes Modell notwendig ist.
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
Looking to build or optimize your data warehouse? Learn best practices to Extract, Transform, and Load your data into Google Cloud with BigQuery. In this series of interactive labs you will create and optimize your own data warehouse using a variety of large-scale BigQuery public datasets. 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. 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 this quest to receive an exclusive Google Cloud digital badge.
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.
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.
Mit dem Skill-Logo zum Kurs Informationen aus BigQuery-Daten ableiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Schreiben von SQL-Abfragen, Abfragen öffentlicher Tabellen, Laden von Beispieldaten in BigQuery, Beheben häufig auftretender Syntaxfehler mithilfe der Abfragevalidierung in BigQuery und Erstellen von Berichten in Data Studio durch Herstellen einer Verbindung zu BigQuery-Daten.