Johnson Chin
Menjadi anggota sejak 2023
Gold League
23828 poin
Menjadi anggota sejak 2023
Selesaikan badge keahlian tingkat menengah Meningkatkan Kemampuan Model Gemini untuk menunjukkan keahlian dalam hal berikut: memanfaatkan fitur canggih model Gemini, termasuk pembuatan dan eksekusi kode, grounding, pembuatan konten terkontrol, serta pembuatan data sintetis, untuk membangun aplikasi AI yang lebih kuat dan canggih.
Selesaikan badge keahlian pengantar Membangun Aplikasi AI yang Bermanfaat dengan Gemini dan Imagen untuk menunjukkan keterampilan dalam hal berikut: pengenalan citra, natural language processing, pembuatan gambar menggunakan model Gemini dan Imagen Google yang canggih, serta men-deploy aplikasi di platform Vertex 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.
In this self-paced training course, participants learn mitigations for attacks at many points in a Google Cloud-based infrastructure, including Distributed Denial-of-Service attacks, phishing attacks, and threats involving content classification and use. They also learn about the Security Command Center, cloud logging and audit logging, and using Forseti to view overall compliance with your organization's security policies.
This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.
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, 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.
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.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu menganalisis data pelanggan dan memprediksi penjualan produk. Anda juga akan mempelajari cara mengidentifikasi, mengategorikan, dan mengembangkan pelanggan baru menggunakan data pelanggan di BigQuery. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan analisis data dan alur kerja machine learning. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Jika Anda adalah developer cloud pemula yang mencari praktik langsung di luar Google Cloud Essentials, kursus ini cocok untuk Anda. Anda akan mendapatkan pengalaman praktis melalui lab yang mendalami Cloud Storage dan layanan aplikasi utama lainnya seperti Monitoring dan Cloud Functions. Anda akan mengembangkan keahlian berharga yang dapat diterapkan untuk inisiatif Google Cloud apa pun.
Selesaikan badge keahlian tingkat menengah Membuat Model ML dengan BigQuery ML untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengevaluasi model machine learning dengan BigQuery ML untuk membuat prediksi data.
Selesaikan kursus badge keahlian tingkat menengah Melakukan Analisis Data Prediktif di BigQuery untuk mendemonstrasikan keterampilan dalam hal berikut: membuat set data di BigQuery dengan mengimpor file CSV dan JSON; memanfaatkan kemampuan BigQuery dengan konsep analitik SQL yang canggih, termasuk menggunakan BigQuery ML untuk melatih model prediksi gol pada data peristiwa sepak bola dan mengevaluasi kehebatan gol Piala Dunia.
Dapatkan badge keahlian dengan menyelesaikan quest Menganalisis Sentimen dengan Natural Language API, yang mempelajari cara API memperoleh sentimen dari teks.
Dapatkan badge keahlian dengan menyelesaikan kursus Menganalisis Ucapan dan Bahasa dengan Google API, tempat Anda mempelajari cara menggunakan API Natural Language and Speech dalam konteks nyata.
Selesaikan kursus badge keahlian pengantar Membangun Objek LookML di Looker untuk menunjukkan keterampilan dalam hal berikut: membuat dimensi dan ukuran, tabel turunan, serta tampilan baru; menetapkan filter ukuran dan berdasarkan persyaratan; memperbarui dimensi dan ukuran; membangun dan menyempurnakan Eksplorasi; menggabungkan tabel ke Eksplorasi yang ada; dan memutuskan objek yang akan dibuat berdasarkan persyaratan bisnis.
Dapatkan badge keahlian dengan menyelesaikan kursus Menganalisis Gambar dengan Cloud Vision API yang membahas cara memanfaatkan Cloud Vision API untuk berbagai tugas, termasuk mengekstrak teks dari gambar.
Kursus singkat tentang cara mengintegrasikan aplikasi dengan Gemini di Google Cloud ini akan membantu Anda memahami Gemini API dan model AI generatif. Kursus ini menjelaskan cara mengakses model Gemini dari kode. Anda dapat menguji kemampuan model dengan perintah teks, gambar, dan video dari aplikasi.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
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.
Networking is a principle theme of cloud computing. It’s the underlying structure of Google Cloud, and it’s what connects all your resources and services to one another. This course will cover essential Google Cloud networking services and will give you hands-on practice with specialized tools for developing mature networks. From learning the ins-and-outs of VPCs, to creating enterprise-grade load balancers, Automate Deployment and Manage Traffic on a Google Cloud Network will give you the practical experience needed so you can start building robust networks right away.
Kursus Penjelajah AI Generatif - Agent Platform adalah sekumpulan lab yang membahas cara menggunakan AI Generatif di Google Cloud. Melalui lab ini, Anda akan mempelajari cara menggunakan model Gemini di Agent Platform. Anda juga akan mempelajari apa itu desain perintah, praktik terbaik desain perintah, serta cara menggunakan desain perintah untuk pencarian ide, klasifikasi teks, ekstraksi teks, peringkasan teks, dan lainnya. Anda juga akan mempelajari cara menyesuaikan model dasar dengan melatihnya melalui pelatihan kustom di Agent Platform dan men-deploy-nya ke endpoint di Agent Platform.
Kursus pengantar ini unik dibandingkan penawaran kursus lainnya. Semua lab dalam kursus ini telah diseleksi untuk membekali profesional IT dengan praktik langsung terkait berbagai topik dan layanan yang muncul di Sertifikasi Associate Cloud Engineer yang Tersertifikasi Google Cloud. Dari IAM, networking, hingga deployment Kubernetes Engine, kursus ini terdiri atas beberapa lab khusus yang akan menguji pengetahuan Anda terkait Google Cloud. Perlu diketahui bahwa meskipun praktik dalam lab akan meningkatkan keterampilan dan kemampuan Anda, sebaiknya Anda juga meninjau panduan ujian dan referensi persiapan lainnya yang tersedia.
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.