Kalyanasundaram Balasubramanian
Menjadi anggota sejak 2018
Diamond League
31970 poin
Menjadi anggota sejak 2018
Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit untuk menunjukkan keterampilan dalam hal berikut: membuat teks, menerapkan panggilan fungsi dengan Python SDK dan Gemini API, serta men-deploy aplikasi Streamlit dengan Cloud Run. Anda akan mempelajari berbagai cara memberikan perintah kepada Gemini untuk membuat teks, menggunakan Cloud Shell untuk menguji dan melakukan iterasi pada aplikasi Streamlit, lalu mengemasnya sebagai container Docker yang di-deploy di Cloud Run.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda menggunakan produk dan layanan Google untuk mengembangkan, menguji, men-deploy, dan mengelola aplikasi. Dengan bantuan Gemini, Anda belajar cara mengembangkan dan membangun aplikasi web, memperbaiki error dalam aplikasi, mengembangkan pengujian, dan mengkueri data. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan siklus proses pengembangan software (SDLC). Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu engineer mengelola infrastruktur. Anda akan mempelajari cara memerintah Gemini untuk menemukan dan memahami log aplikasi, membuat cluster GKE, dan menyelidiki cara membuat lingkungan build. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan alur kerja DevOps. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda mengamankan lingkungan dan resource cloud. Anda akan mempelajari cara men-deploy contoh workload ke dalam lingkungan di Google Cloud, mengidentifikasi kesalahan konfigurasi keamanan dengan Gemini, dan memperbaiki kesalahan konfigurasi keamanan dengan Gemini. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan postur keamanan cloud. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari cara Gemini, kolaborator yang didukung AI generatif dari Google Cloud, dalam membantu engineer jaringan membuat, mengupdate, dan memelihara jaringan VPC. Anda akan mempelajari cara memanfaatkan Gemini untuk memberikan panduan spesifik untuk tugas-tugas jaringan Anda, lebih dari yang ditawarkan mesin telusur. Dengan menggunakan lab interaktif, Anda akan melihat cara Gemini dalam mempermudah urusan Anda dengan jaringan VPC Google Cloud. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
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.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu administrator menyediakan infrastruktur. Anda akan mempelajari cara memerintah Gemini untuk menjelaskan infrastruktur, men-deploy cluster GKE, dan memperbarui infrastruktur yang ada. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan alur kerja deployment GKE. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari cara Gemini, kolaborator berteknologi AI generatif dari Google Cloud, membantu developer membangun aplikasi. Anda akan mempelajari cara memanfaatkan Gemini untuk menjelaskan kode, merekomendasikan layanan Google Cloud, dan membuat kode untuk aplikasi Anda. Dengan lab interaktif, Anda akan merasakan peningkatan alur kerja pengembangan aplikasi menggunakan Gemini. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Selesaikan badge keahlian Membangun Infrastruktur dengan Terraform di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: Prinsip Infrastruktur sebagai Kode (IaC) menggunakan Terraform, penyediaan dan pengelolaan resource Google Cloud dengan konfigurasi Terraform, pengelolaan status yang efektif (lokal dan jarak jauh), serta modularisasi kode Terraform agar dapat digunakan kembali dan diatur.
Dapatkan badge keahlian dengan menyelesaikan kursus Mengembangkan Jaringan Google Cloud Anda yang berisi pelajaran tentang berbagai cara untuk men-deploy dan memantau aplikasi, termasuk cara: menjelajahi peran IAM dan menambahkan/menghapus akses project, membuat jaringan VPC, men-deploy dan memantau VM Compute Engine, menulis kueri SQL, men-deploy dan memantau VM di Compute Engine, serta men-deploy aplikasi menggunakan Kubernetes dengan beberapa pendekatan deployment.
This course provides an introduction to using Terraform for Google Cloud. It enables learners to describe how Terraform can be used to implement infrastructure as code and to apply some of its key features and functionalities to create and manage Google Cloud infrastructure. Learners will get hands-on practice building and managing Google Cloud resources using Terraform.
Welcome to the two-part course on Logging, Monitoring, and Observability in Google Cloud. The core operations tools in Google Cloud break down into two major categories. The operations-focused components and the application performance management tools. This course, Logging and Monitoring in Google Cloud, covers the operations-focused components including Logging, Monitoring, and Service Monitoring. After taking this course, it is suggested that you complete part 2, Observability in Google Cloud, to learn about the available application performance management tools.
Selamat datang di kursus Mulai Menggunakan Google Kubernetes Engine. Jika Anda tertarik dengan Kubernetes, lapisan software yang berada di antara aplikasi Anda dan infrastruktur hardware Anda, maka Anda berada di tempat yang tepat! Google Kubernetes Engine menghadirkan Kubernetes sebagai layanan terkelola di Google Cloud. Tujuan kursus ini adalah untuk memperkenalkan dasar-dasar Google Kubernetes Engine, atau GKE, sebagaimana umumnya disebut, dan cara membuat aplikasi dalam container dan menjalankannya di Google Cloud. Kursus ini dimulai dengan pengantar dasar tentang Google Cloud, lalu dilanjutkan dengan ringkasan container dan Kubernetes, arsitektur Kubernetes, dan operasi Kubernetes.
Kursus akselerasi sesuai permintaan ini memperkenalkan peserta pada infrastruktur dan layanan platform yang komprehensif dan fleksibel yang disediakan oleh Google Cloud. Melalui kombinasi video materi edukasi, demo, dan lab interaktif, peserta akan mengeksplorasi dan men-deploy berbagai elemen solusi, termasuk membuat interkoneksi jaringan yang aman, load balancing, penskalaan otomatis, otomatisasi infrastruktur, serta layanan terkelola.
Kursus akselerasi sesuai permintaan ini memperkenalkan peserta pada infrastruktur dan layanan platform yang komprehensif dan fleksibel yang disediakan oleh Google Cloud, dengan fokus pada Compute Engine. Melalui kombinasi video materi edukasi, demo, dan lab praktis, peserta akan mengeksplorasi dan men-deploy berbagai elemen solusi, termasuk komponen infrastruktur seperti jaringan, sistem, dan layanan aplikasi. Kursus ini juga membahas cara men-deploy solusi praktis termasuk kunci enkripsi yang disediakan pelanggan, pengelolaan keamanan dan akses, kuota dan penagihan, serta pemantauan resource.
Kursus akselerasi sesuai permintaan ini memperkenalkan peserta pada infrastruktur dan layanan platform yang komprehensif dan fleksibel yang disediakan oleh Google Cloud, dengan fokus pada Compute Engine. Melalui kombinasi video materi edukasi, demo, dan lab interaktif, peserta akan mengeksplorasi dan men-deploy berbagai elemen solusi, termasuk komponen infrastruktur seperti jaringan, virtual machine, dan layanan aplikasi. Anda akan mempelajari cara menggunakan Google Cloud melalui konsol dan Cloud Shell. Anda juga akan mempelajari peran arsitek cloud, pendekatan desain infrastruktur, dan konfigurasi networking virtual dengan Virtual Private Cloud (VPC), Project, Jaringan, Subnetwork, alamat IP, Rute, dan Aturan firewall.
Mempelajari cara membuat panduan belajar yang dipersonalisasi menggunakan Gemini Notebook untuk menghadapi ujian sertifikasi Associate Cloud Engineer. Anda akan meninjau kembali fitur Gemini Notebook, membuat notebook di Gemini Notebook, dan mempelajari cara menggunakan panduan belajar untuk berlatih menghadapi ujian sertifikasi.
Dalam kursus ini Anda akan diperkenalkan dengan mekanisme atensi, yakni teknik efektif yang membuat jaringan neural berfokus pada bagian tertentu urutan input. Anda akan mempelajari cara kerja atensi, cara penggunaannya untuk meningkatkan performa berbagai tugas machine learning, termasuk terjemahan mesin, peringkasan teks, dan menjawab pertanyaan.
Kursus ini memberi Anda sinopsis tentang arsitektur encoder-decoder, yang merupakan arsitektur machine learning yang canggih dan umum untuk tugas urutan-ke-urutan seperti terjemahan mesin, ringkasan teks, dan tanya jawab. Anda akan belajar tentang komponen utama arsitektur encoder-decoder serta cara melatih dan menyalurkan model ini. Dalam panduan lab yang sesuai, Anda akan membuat kode pada penerapan simpel arsitektur encoder-decoder di TensorFlow untuk pembuatan puisi dari awal.
Kursus ini memperkenalkan model difusi, yaitu kelompok model machine learning yang belakangan ini menunjukkan potensinya dalam ranah pembuatan gambar. Model difusi mengambil inspirasi dari fisika, khususnya termodinamika. Dalam beberapa tahun terakhir, model difusi menjadi populer baik di dunia industri maupun penelitian. Model difusi mendasari banyak alat dan model pembuatan gambar yang canggih di Google Cloud. Kursus ini memperkenalkan Anda pada teori yang melandasi model difusi dan cara melatih serta men-deploy-nya di Vertex AI.
Dapatkan badge keahlian dengan menyelesaikan kursus Introduction to Generative AI, Introduction to Large Language Models, dan Introduction to Responsible AI. Dengan berhasil menyelesaikan kuis akhir, Anda membuktikan pemahaman Anda tentang konsep dasar AI generatif. Badge keahlian adalah badge digital yang diberikan oleh Google Cloud sebagai pengakuan atas pengetahuan Anda tentang produk dan layanan Google Cloud. Pamerkan badge keahlian Anda dengan menampilkan profil Anda kepada publik dan menambahkannya ke profil media sosial Anda.
Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.
Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga membahas beberapa Alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Welcome to Cloud Hero, Gamers! Click "Join this Game". To modify your player name or avatar, go to your My Account page at https://google.qwiklabs.com. Points are earned by completing the steps in the lab.... and bonus points are earned for speed! Be sure to complete each lab by selecting the END option to get the maximum points. Please respect the GCP resource quotas that have been allocated. Otherwise, you'll waste your Game time and gain fewer points.
People have used machine learning to solve problems ranging from identifying clouds in satellite images to ensuring food safety and responding four times faster to customer emails. In this game, you'll get hands-on experience with advanced training and prediction solutions. Challenge yourself to complete each task as quickly and accurately as possible to score points and earn badges!
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.
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.
Welcome Gamers! Today's game is all about experimenting with Big Query for Machine Learning! Use real life case studies to learn various concepts of BQML and have fun. Take labs to earn points. The faster you complete the lab objectives, the higher your score.
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.
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.
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.
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.
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.
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.
Organisasi dalam berbagai ukuran memanfaatkan kekuatan dan fleksibilitas cloud untuk mentransformasi cara mereka beroperasi. Namun, pengelolaan dan penskalaan resource cloud secara efektif bisa menjadi tugas yang rumit. Kursus ini membahas konsep dasar operasi modern, keandalan, dan ketahanan di cloud, serta cara Google Cloud dapat membantu mendukung upaya ini. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Banyak perusahaan tradisional menggunakan sistem dan aplikasi lama yang tidak dapat mengikuti ekspektasi pelanggan modern. Para pemimpin bisnis sering kali harus memilih antara mempertahankan sistem IT lama mereka atau berinvestasi pada produk dan layanan baru. Kursus ini mengeksplorasi tantangan tersebut dan menawarkan solusi untuk mengatasinya dengan menggunakan teknologi cloud. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Teknologi cloud adalah aset yang sangat canggih. Jika dipasangkan dengan data, teknologi ini akan menjadi pendorong inovasi dan peningkatan pengalaman pelanggan. Menjelajahi Transformasi Data dengan Google Cloud membahas cara organisasi memanfaatkan cloud untuk membuat data mereka lebih mudah diakses, ditindaklanjuti, dan bernilai. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
Get hands-on practice with Google Cloud! You will compete with your peers to see who can finish this game with the most points. Speed and accuracy will be used to calculate your scores — earn points by completing the labs accurately and bonus points for speed! Be sure to click “End” where you’re done with each lab to be rewarded your points.
Transformasi digital adalah perjalanan penting bagi organisasi modern, dan membangun dasar yang kuat dalam cloud computing merupakan langkah pertama untuk mendorong inovasi yang bermakna. Transformasi Digital dengan Google Cloud memperkenalkan teknologi inti dan framework strategis yang membantu organisasi memodernisasi operasi mereka. Kursus ini membahas konsep cloud dasar, infrastruktur jaringan global, dan model tanggung jawab bersama untuk membantu para pemimpin menentukan jalur mereka ke cloud dengan percaya diri. Sebagai bagian dari alur pembelajaran Cloud Digital Leader, kursus ini bertujuan membantu individu berkembang dalam peran mereka dan membangun masa depan bisnis mereka.
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.