José Sotomayor
Menjadi anggota sejak 2022
Gold League
22940 poin
Menjadi anggota sejak 2022
Renew your Professional Data Engineer certification through hands-on labs and friendly competition! This Cloud Hero challenge puts your skills to the test, putting your expertise into practice across two required labs. Earn points for accuracy, rack up bonus points for speed, and see where you stand on the leaderboard. Can you claim the top spot? **Critical Steps for Recertification:** To successfully recertify, you must link your Google Skills and CM Connect accounts, complete both labs in this game, and manually enroll in two required courses. How to enroll / steps (can be done before or after the game): Visit CertMetrics and click "Sign in with Google Skills" Click each course link below and click the "Start" button on the course page to enroll Course 1 Course 2 Come back to this page to start this game Complete the labs in the game to earn your renewal
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.
Selesaikan kursus badge keahlian pengantar Mengamankan Data Lakehouse untuk menunjukkan keterampilan dengan IAM, BigQuery, Lakehouse, dan Data Catalog dalam Knowledge Catalog untuk membuat dan mengamankan tabel Lakehouse.
Keamanan adalah fitur layanan Google Cloud yang tidak dapat dikompromikan, dan Google Cloud telah mengembangkan alat khusus untuk memastikan keamanan dan identitas di seluruh project Anda. Dalam kursus pengantar ini, Anda akan melakukan praktik langsung dengan Layanan Identity and Access Management (IAM) Google Cloud, yang merupakan layanan utama untuk mengelola akun pengguna dan virtual machine. Anda akan mendapatkan pengalaman dengan keamanan jaringan dengan menyediakan VPC dan VPN, serta mempelajari alat-alat yang tersedia untuk mendapatkan perlindungan dari ancaman keamanan dan kebocoran data.
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.
Selesaikan kursus badge keahlian pengantar Membuat Data Lake Aman di Cloud Storage untuk menunjukkan keterampilan dalam hal berikut: mengamankan dan mengonfigurasi bucket Cloud Storage, menggunakan Gemini untuk pembuatan teks, mengelola kontrol akses IAM, dan membuat Knowledge Catalog lake untuk tata kelola data.
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.
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 tingkat menengah Menerapkan Dasar-Dasar Keamanan Cloud di Google Cloud untuk menunjukkan kemahiran dalam hal berikut: membuat dan menetapkan peran dengan Identity and Access Management (IAM); membuat dan mengelola akun layanan; memungkinkan konektivitas pribadi di seluruh jaringan virtual private cloud (VPC); membatasi akses aplikasi menggunakan Identity-Aware Proxy; mengelola kunci dan data terenkripsi dengan Cloud Key Management Service (KMS); dan membuat cluster Kubernetes pribadi.
Selesaikan kursus badge keahlian Memperkaya Metadata dan Penemuan Data Lakehouse untuk menunjukkan keterampilan dalam menggunakan BigQuery, Lakehouse, dan Knowledge Catalog. Anda akan membuat tabel Lakehouse, lalu memperkaya pengelolaan metadata dan penemuan data dalam tabel.
In this course, you learn about Cloud Run functions, Google's serverless, fully-managed functions as a service (FaaS) product that lets you implement single-purpose function code that reponds to HTTP requests and events from your cloud infrastructure.
Dapatkan badge keahlian Pengantar dengan menyelesaikan kursus Membangun Aplikasi Serverless dengan Cloud Run Functions, yang akan membahas cara menggunakan Cloud Run Functions melalui Konsol Google Cloud dan command line. Badge keahlian akan memvalidasi pengetahuan praktis Anda terkait produk tertentu melalui lab interaktif dan penilaian tantangan. Dapatkan badge dengan menyelesaikan kursus atau langsung ikuti Challenge Lab untuk mendapatkan badge Anda hari ini. Badge membuktikan kemahiran Anda, meningkatkan profil profesional Anda, dan pada akhirnya membantu meningkatkan peluang karier Anda. Buka profil Anda untuk memantau badge yang telah Anda peroleh.
This course introduces you to event-based applications and teaches you how to use service orchestration and choreography to coordinate microservices. Using lectures and hands-on labs, you learn how to use Workflows, Eventarc, Cloud Tasks, and Cloud Scheduler to build microservices applications on Google Cloud.
This course teaches you how to build and secure event-driven applications by using Eventarc. Using lectures and hands-on labs, you create Eventarc triggers to route events from Google Cloud services to event receivers that act on the events. You learn about the standard CloudEvents format that is used by Eventarc, and you build and deploy an event receiver service to consume events.
Dapatkan Badge Keahlian dengan menyelesaikan kursus Membangun Aplikasi Berbasis Peristiwa dengan Eventarc. Dalam kursus ini, Anda akan menggunakan Eventarc untuk membuat pemicu peristiwa di berbagai resource, termasuk topik Pub/Sub dan bucket Cloud Storage.
Selesaikan badge keahlian pengantar Membangun Mesh Data dengan Knowledge Catalog untuk menunjukkan keterampilan dalam hal berikut: membuat mesh data dengan Knowledge Catalog untuk memfasilitasi keamanan, tata kelola, dan penemuan data di Google Cloud. Anda akan berlatih dan menguji keterampilan Anda dalam memberikan tag pada aset, menetapkan peran IAM, dan menilai kualitas data di Knowledge Catalog.
Selesaikan badge keahlian pengantar Mengelola dan Mengatur Data dengan Dataplex untuk menunjukkan keahlian dalam hal berikut: membuat aset Dataplex, membuat jenis aspek, dan menerapkan aspek ke entri di Dataplex. Badge keahlian akan memvalidasi pengetahuan praktis Anda terkait produk tertentu melalui lab interaktif dan penilaian tantangan. Dapatkan badge dengan menyelesaikan kursus atau langsung ikuti Challenge Lab untuk mendapatkan badge Anda hari ini. Badge membuktikan kemahiran Anda, meningkatkan profil profesional Anda, dan pada akhirnya membantu meningkatkan peluang karier Anda. Buka profil Anda untuk memantau badge yang telah Anda peroleh.
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.
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.
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 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.
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 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.
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.
This course, Analyzing and Visualizing Data in Looker - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Analyzing and Visualizing Data in Looker. 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.
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.
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.