Partecipa Accedi

Laurence Carton

Membro dal giorno 2023

Campionato Argento

20696 punti
Secure Enterprise AI Agents Earned ott 14, 2026 EDT
Build Collaborative Multi-Agent Systems with ADK & MCP Earned ott 6, 2026 EDT
Manage Kubernetes in Google Cloud Earned feb 5, 2025 EST
Implement CI/CD Pipelines on Google Cloud Earned gen 28, 2025 EST
Prepara i dati per le API ML su Google Cloud Earned giu 4, 2024 EDT
[DEPRECATED] Gemini for Data Scientists and Analysts Earned mag 24, 2024 EDT
Serverless Data Processing with Dataflow: Operations Earned ott 27, 2023 EDT
Serverless Data Processing with Dataflow: Foundations Earned ott 3, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Italiano Earned ott 2, 2023 EDT
Introduction to Vertex Forecasting and Time Series in Practice Earned set 29, 2023 EDT
Creazione di pipeline di dati in batch su Google Cloud Earned set 29, 2023 EDT
Creazione di sistemi di analisi dei flussi di dati resilienti su Google Cloud Earned set 15, 2023 EDT
Modernizzazione di data lake e data warehouse con Google Cloud Earned ago 11, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Italiano Earned ago 4, 2023 EDT
Build a Certification Study Guide: PDE Exam Prep Earned lug 20, 2023 EDT

Learn how to secure and govern AI agents on Google Cloud. This course provides a practical roadmap to securing agent memory, enforcing strict access controls with IAM and VPC Service Controls, and deploying real-time conversation guardrails to ensure safe, compliant enterprise deployments. Explore other content in the Gemini Agent Ready (GEAR) program.

Scopri di più

Learn to design, coordinate, and deploy multi-agent systems using Google’s Agent Development Kit (ADK) and the Model Context Protocol (MCP). Using a travel concierge example, you'll learn to orchestrate a network of specialized agents with custom guardrails. By the end of the course, you'll understand the design patterns and deployment strategies required for robust, scalable AI workflows. Explore other content in the Gemini Agent Ready (GEAR) program.

Scopri di più

Complete the intermediate Manage Kubernetes in Google Cloud skill badge course to demonstrate skills in the following: managing deployments with kubectl, monitoring and debugging applications on Google Kubernetes Engine (GKE), and continuous delivery techniques.

Scopri di più

Earn the intermediate skill badge by completing the Implement CI/CD Pipelines on Google Cloud skill badge course where you learn how to use Artifact Registry, Cloud Build, and Cloud Deploy. You interact with the Google Cloud console, Google Cloud CLI, Cloud Run, and GKE. This course teaches you how to build continuous integration pipelines, store and secure artifacts, scan for vulnerabilities, attest to the validity of approved releases. Additionally, you get hands-on experience deploying applications to both GKE and Cloud Run.

Scopri di più

Ottieni il corso intermedio con badge delle competenze Prepara i dati per le API ML su Google Cloud per dimostrare le tue competenze nei seguenti ambiti: pulizia dei dati con Dataprep di Trifacta, esecuzione delle pipeline di dati in Dataflow, creazione dei cluster ed esecuzione dei job Apache Spark in Managed Service for Apache Spark e richiamo delle API ML tra cui l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text e l'API Video Intelligence.

Scopri di più

In this course, you learn how Gemini, a generative AI-powered collaborator from Google Cloud, helps analyze customer data and predict product sales. You also learn how to identify, categorize, and develop new customers using customer data in BigQuery. Using hands-on labs, you experience how Gemini improves data analysis and machine learning workflows.

Scopri di più

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.

Scopri di più

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.

Scopri di più

L'integrazione del machine learning nelle pipeline di dati aumenta la capacità di estrarre insight dai dati. Questo corso illustra i modi in cui il machine learning può essere incluso nelle pipeline di dati su Google Cloud. Per una personalizzazione minima o nulla, il corso tratta di AutoML. Per funzionalità di machine learning più personalizzate, il corso introduce Notebooks e BigQuery Machine Learning (BigQuery ML). Inoltre, il corso spiega come mettere in produzione soluzioni di machine learning utilizzando Vertex AI.

Scopri di più

This course is an introduction to building forecasting solutions with Google Cloud. You start with sequence models and time series foundations. You then walk through an end-to-end workflow: from data preparation to model development and deployment with Vertex AI. Finally, you learn the lessons and tips from a retail use case and apply the knowledge by building your own forecasting models.

Scopri di più

Le pipeline di dati in genere rientrano in uno dei paradigmi EL (Extract, Load), ELT (Extract, Load, Transform) o ETL (Extract, Transform, Load). Questo corso descrive quale paradigma dovrebbe essere utilizzato e quando per i dati in batch. Inoltre, questo corso tratta diverse tecnologie su Google Cloud per la trasformazione dei dati, tra cui BigQuery, l'esecuzione di Spark su Dataproc, i grafici della pipeline in Cloud Data Fusion e trattamento dati serverless con Dataflow. Gli studenti fanno esperienza pratica nella creazione di componenti della pipeline di dati su Google Cloud utilizzando Qwiklabs.

Scopri di più

L'elaborazione dei flussi di dati sta diventando sempre più diffusa poiché la modalità flusso consente alle aziende di ottenere parametri in tempo reale sulle operazioni aziendali. Questo corso tratta la creazione di pipeline di dati in modalità flusso su Google Cloud. Pub/Sub viene presentato come strumento per la gestione dei flussi di dati in entrata. Il corso spiega anche come applicare aggregazioni e trasformazioni ai flussi di dati utilizzando Dataflow e come archiviare i record elaborati in BigQuery o Bigtable per l'analisi. Gli studenti acquisiranno esperienza pratica nella creazione di componenti della pipeline di dati in modalità flusso su Google Cloud utilizzando QwikLabs.

Scopri di più

I due componenti chiave di qualsiasi pipeline di dati sono costituiti dai data lake e dai data warehouse. In questo corso evidenzieremo i casi d'uso per ogni tipo di spazio di archiviazione e approfondiremo i dettagli tecnici delle soluzioni di data lake e data warehouse disponibili su Google Cloud. Inoltre, descriveremo il ruolo di un data engineer, illustreremo i vantaggi di una pipeline di dati di successo per le operazioni aziendali ed esamineremo i motivi per cui il data engineering dovrebbe essere eseguito in un ambiente cloud. Questo è il primo corso della serie Data engineering su Google Cloud. Dopo il completamento di questo corso, iscriviti al corso Creazione di pipeline di dati in batch su Google Cloud.

Scopri di più

Questo corso presenta i prodotti e i servizi per big data e di machine learning di Google Cloud che supportano il ciclo di vita dai dati all'IA. Esplora i processi, le sfide e i vantaggi della creazione di una pipeline di big data e di modelli di machine learning con Vertex AI su Google Cloud.

Scopri di più

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.

Scopri di più