PAULO MACEDO
Menjadi anggota sejak 2023
Menjadi anggota sejak 2023
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.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk Dasbor dan Laporan Looker untuk menunjukkan keterampilan dalam hal berikut: memfilter, mengurutkan, dan melakukan pivot pada data; menggabungkan hasil dari sejumlah Eksplorasi Looker; serta menggunakan fungsi dan operator untuk membangun dasbor dan laporan Looker untuk analisis dan visualisasi data.
Dalam kursus ini, Anda akan mendapatkan pengalaman langsung dalam menggunakan LookML di Looker. Anda akan mempelajari cara menulis kode LookML untuk membuat dimensi dan ukuran baru, membuat tabel turunan dan menggabungkannya ke Explore, memfilter Explore, dan menentukan kebijakan penyimpanan cache di LookML.
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.
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
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.
Pelajari cara mengubah angka mentah menjadi keputusan yang jelas dan berbasis data di Google Cloud. Melalui lab interaktif dan skenario praktis di dunia nyata, kursus tingkat pemula ini memandu Anda membuat kueri data di BigQuery, mengeksplorasi tren di Looker, dan membuat laporan interaktif yang dapat dibagikan di Data Studio.
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.
In many IT organizations, incentives are not aligned between developers, who strive for agility, and operators, who focus on stability. Site reliability engineering, or SRE, is how Google aligns incentives between development and operations and does mission-critical production support. Adoption of SRE cultural and technical practices can help improve collaboration between the business and IT. This course introduces key practices of Google SRE and the important role IT and business leaders play in the success of SRE organizational adoption.
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.
Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.
Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Jaringan Google Cloud yang Aman yang membahas resource yang terkait dengan beberapa jaringan untuk membangun, menskalakan, dan mengamankan aplikasi Anda di Google Cloud.
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.
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.
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.
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.
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.
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud, yang memungkinkan Anda mempelajari cara membangun dan menghubungkan infrastruktur cloud yang berpusat pada penyimpanan menggunakan kemampuan dasar teknologi berikut: Cloud Storage, Identity and Access Management, Cloud Functions, dan Pub/Sub.
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tanpa latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan ringkasan tentang berbagai konsep penting dalam dasar-dasar cloud, big data, dan machine learning, serta peran dan cara penggunaan Google Cloud. Di akhir rangkaian kursus, peserta kursus akan mampu menjelaskan konsep-konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing Fondasi Google Cloud Computing: Infrastruktur di Google Cloud Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus terakhir dalam rangkaian ini mengulas layanan big data terkelola, machine learning dan nilainya, serta cara untuk menunjukkan keahlian Anda di Google Cloud dengan mendapatkan Badge Keahlian.
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tidak memiliki latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan gambaran umum tentang berbagai konsep penting dalam dasar-dasar cloud computing, big data, dan machine learning, serta di mana dan bagaimana Google Cloud berperan di dalamnya. Pada akhir rangkaian kursus, peserta kursus akan mampu mengartikulasikan konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: 1. Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing 2. Fondasi Google Cloud Computing: Infrastruktur di Google Cloud 3. Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud 4. Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus ketiga ini membahas alat otomatisasi dan pengelolaan cloud serta membangun jaringan yang aman.
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tanpa latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan ringkasan tentang berbagai konsep penting dalam dasar-dasar cloud, big data, dan machine learning, serta peran dan cara penggunaan Google Cloud. Di akhir rangkaian kursus, peserta kursus akan mampu menjelaskan konsep-konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: 1. Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing 2. Fondasi Google Cloud Computing: Infrastruktur di Google Cloud 3. Fondasi Google Cloud Computing: Jaringan dan Keamanan di Google Cloud 4. Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tidak memiliki latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan gambaran umum tentang berbagai konsep penting dalam dasar-dasar cloud computing, big data, dan machine learning, serta di mana dan bagaimana Google Cloud berperan di dalamnya. Pada akhir rangkaian kursus, peserta kursus akan mampu mengartikulasikan konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: 1. Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing 2. Fondasi Google Cloud Computing: Infrastruktur di Google Cloud 3. Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud 4. Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus pertama ini memberikan gambaran umum tentang cloud computing, cara menggunakan Google Cloud, dan berbagai opsi komputasi.