Teilnehmen Anmelden

Ana Teresa Caldas Araripe

Mitglied seit 2026

Silver League

636 Punkte
Freigegebene Daten über die Daten-Cloud von Google nutzen Earned Sep 4, 2026 EDT
Data Mesh mit Knowledge Catalog aufbauen Earned Aug 31, 2026 EDT
Daten für ML-APIs in Google Cloud vorbereiten Earned Aug 2, 2026 EDT
Den ersten Agent mit dem Agent Development Kit (ADK) erstellen Earned Jul 29, 2026 EDT
Multi-Agenten-Architekturen bereitstellen Earned Jul 29, 2026 EDT
Streamanalyse in BigQuery Earned Jul 15, 2026 EDT
Informationen aus BigQuery-Daten ableiten Earned Jul 10, 2026 EDT
Data Warehouse mit BigQuery erstellen Earned Jul 3, 2026 EDT

Holen Sie sich ein Skill-Logo, indem Sie den Kurs Freigegebene Daten über die Daten-Cloud von Google nutzen abschließen. In diesem Kurs erwerben Sie praktische Kenntnisse mit Google Cloud-Partnern für die Datenfreigabe, die eigene Datasets haben, die Kundinnen und Kunden für ihre Anwendungsfälle in der Analyse verwenden können. Kundinnen und Kunden können diese Daten abonnieren, sie in ihrer eigenen Plattform abfragen und um ihre eigenen Datasets erweitern sowie ihre Visualisierungstools für kundenorientierte Dashboards verwenden.

Weitere Informationen

Mit dem Skill-Logo Data Mesh mit Knowledge Catalog aufbauen weisen Sie die folgenden Kenntnisse nach: Aufbauen eines Data Mesh mit Knowledge Catalog für mehr Datensicherheit, Governance und Discovery in Google Cloud. Sie fördern und testen Ihre Fähigkeiten beim Tagging von Assets, Zuweisen von IAM-Rollen und Bewerten der Datenqualität in Knowledge Catalog.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.

Weitere Informationen

In diesem Modul können Sie Ihr Verständnis von KI-Agenten in die Praxis umsetzen und mit dem Agent Development Kit (ADK) von Google Ihren ersten KI-Agenten erstellen, konfigurieren und ausführen. In diesem praxisorientierten Kurs richten Sie zuerst eine vollständige ADK-Entwicklungsumgebung ein. Dann erstellen Sie KI-Agenten sowohl mit Python-Code als auch mit einer YAML-Konfiguration und führen diese über verschiedene Benutzeroberflächen aus. Außerdem lernen Sie die wichtigsten Parameter kennen, die das Verhalten von KI-Agenten definieren. Dazu wenden Sie das in Kurs 1 Gelernte auf funktionierenden Code an. Beachten Sie auch die anderen Inhalte des Programms Gemini Enterprise Agent Ready (GEAR).

Weitere Informationen

Holen Sie sich das Skill-Logo Multi-Agenten-Architekturen bereitstellenfür Profis, um Ihre Kenntnisse in den folgenden Bereichen nachzuweisen: Aufbau von Multi-Agenten-Systemen mit einem ADK, Verbindung von Agenten mit dem Agent-zu-Agent (A2A)-Protokoll, Einbindung externer Tools mithilfe des Model Context Protocols (MCP) und Bereitstellung einer vollständigen Multi-Agenten-Lösung für die Agent Engine.

Weitere Informationen

Weisen Sie mit einem Skill-Logo Ihre Kenntnisse über Streamanalyse in BigQuery nach. In diesem Kurs wenden Sie sowohl Pub/Sub und Dataflow als auch BigQuery an, um Daten für die Analyse zu streamen.

Weitere Informationen

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.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.

Weitere Informationen