Complete the intermediate Engineer AI Agents with Agent Development Kit (ADK) skill badge by completing this course to demonstrate skills in the following: formulating real-world language model research problems; building a simple tokenizer; preparing a dataset for training a transformer language model; running the training loop of a small language model. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
Complete the intermediate Implement Multimodal Vector Search with BigQuery skill badge to demonstrate skills in the following: using Gemini in BigQuery to generate and debug SQL, conduct sentiment analysis, summarize text and identify keywords, generate embeddings, create a Retrieval Augmented Generation (RAG) pipeline, and implement multimodal vector search.
Complete the intermediate Inspect Rich Documents with Gemini Multimodality and Multimodal RAG skill badge course to demonstrate skills in the following: using multimodal prompts to extract information from text and visual data, generating a video description, and retrieving extra information beyond the video using multimodality with Gemini; building metadata of documents containing text and images, getting all relevant text chunks, and printing citations by using Multimodal Retrieval Augmented Generation (RAG) with Gemini. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.
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.
This course reviews the essential security features of Model Armor and equips you to work with the service. You’ll learn about the security risks associated with LLMs and how Model Armor protects your AI apps. Explore other content in the Gemini Agent Ready (GEAR) program.
Complete the introductory Orchestrate Multi-Agent Workflows with Gemini Enterprise skill badge to demonstrate skills in the following: using agentic assistants powered by Gemini Enterprise to unify data across first- and third-party sources, develop multimedia marketing materials, and automate business actions across systems. Skill badges validate your practical knowledge on specific products through hands-on labs and challenge assessments. Earn a badge by completing a course or jump straight into the challenge lab to get your badge today. Badges prove your proficiency, enhance your professional profile, and ultimately lead to increased career opportunities. Visit your profile to track badges you’ve earned. Explore other content in the Gemini Agent Ready (GEAR) program.
As enterprise teams transition to autonomous AI agents, security evolves toward proactive, identity-centric protection. In this course, you will implement a zero-trust security architecture for Cymbal Banking's underwriting platform using the Gemini Enterprise Agent Platform. By deploying a regional Egress Agent Gateway, configuring Model Armor and Semantic Governance (SGP) safety templates, assigning cryptographic SPIFFE identities to agent runtimes, and declaring a VPC-SC perimeter in Terraform, you will protect database boundaries and manage tools with production-grade governance.
You've built basic LLM agents that respond to queries—now let's make them stateful. Use session state to build agents that maintain context, remember user preferences, and provide personalized experiences. Transform agents from stateless responders to intelligent assistants. Explore other content in the Gemini Agent Ready (GEAR) program. Join the community forum for questions and discussions
Take your agents from localhost to production. This course teaches you to deploy ADK agents to Agent Runtime and Cloud Run, with optional cross-session memory via Memory Bank. Explore other content in the Gemini Agent Ready (GEAR) program. Join the community forum for questions and discussions
You’ve built agents with advanced configuration—now give them real-world capabilities. Equip agents with tools that enable searching the web, executing code, querying databases, and performing custom actions. Transform agents from intelligent responders into capable assistants that take action. Explore other content in the Gemini Agent Ready (GEAR) program. Join the community forum for questions and discussions
Gen AI Agents: Transform Your Organization is the fifth and final course of the Gen AI Leader learning path. This course explores how organizations can use custom gen AI agents to help tackle specific business challenges. You gain hands-on practice building a basic gen AI agent, while exploring the components of these agents, such as models, reasoning loops, and tools. Explore other content in the Gemini Agent Ready (GEAR) program.
Gen AI: Navigate the Landscape is the third course of the Gen AI Leader learning path. Gen AI is changing how we work and interact with the world around us. But as a leader, how can you harness its power to drive real business outcomes? In this course, you explore the different layers of building gen AI solutions, Google Cloud’s offerings, and the factors to consider when selecting a solution.
Transform Your Work With Gen AI Apps is the fourth course of the Gen AI Leader learning path. This course introduces Google’s gen AI applications, such as Google Workspace with Gemini and Gemini Notebook. It guides you through concepts like grounding, retrieval augmented generation, constructing effective prompts and building automated workflows.
Gen AI: Unlock Foundational Concepts is the second course of the Gen AI Leader learning path. In this course, you unlock the foundational concepts of generative AI by exploring the differences between AI, ML, and gen AI, and understanding how various data types enable generative AI to address business challenges. You also gain insights into Google Cloud strategies to address the limitations of foundation models and the key challenges for responsible and secure AI development and deployment.
Explore the architecture and deployment of multi-agent systems using Google’s Agent Development Kit (ADK) and Google Cloud’s robust infrastructure. You will learn to design hierarchical agent trees and deterministic workflow agents while identifying the ideal hosting environment—from serverless Cloud Run to high-performance GKE—to ensure your AI agents are secure, scalable, and production-ready. Explore other content in the Gemini Agent Ready (GEAR) program.
You’ve built your first agent—now it’s time to take it further. In this course, you’ll advance your skills by learning how to turn a basic AI agent into a sophisticated, precise assistant—applying advanced instructions, model selection, planning capabilities, and structured output patterns. Explore other content in the Gemini Agent Ready (GEAR) program. Join the community forum for questions and discussions
Complete the intermediate Analyze and Reason on Multimodal Data with Gemini skill badge course to demonstrate skills in the following: analyzing text, image, audio, and video data using Gemini, and reasoning about this combined information to draw conclusions and extract insights.
Complete the Enrich Metadata and Discovery of Lakehouse Data skill badge course to demonstrate skills in BigQuery, Lakehouse, and Knowledge Catalog. You create Lakehouse tables and enrich metadata management and discovery of the table data.
Gen AI: Beyond the Chatbot is the first course of the Gen AI Leader learning path and has no prerequisites. This course aims to move beyond the basic understanding of chatbots to explore the true potential of generative AI for your organization. You explore concepts like foundation models and prompt engineering, which are crucial for leveraging the power of gen AI. The course also guides you through important considerations you should make when developing a successful gen AI strategy for your organization.
Learn to coordinate multiple specialized agents working together. This lesson teaches you when to use multi-agent systems, how to orchestrate agents with workflow patterns, and how agents communicate through shared state. By the end, you’ll build a complete multi-agent application.
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.
Explore the vital transition from task-driven workflows to human-centric AI orchestration. You will learn to strategically distinguish between augmentation and automation, and how to balance machine efficiency with human intuition. Explore other content in the Gemini Agent Ready (GEAR) program.
Complete the introductory Secure Lakehouse Data skill badge course to demonstrate skills with IAM, BigQuery, Lakehouse, and Knowledge Catalog to create and secure Lakehouse tables.
Completa il corso introduttivo con badge delle competenze Genera insight dai dati BigQuery per dimostrare le tue competenze nei seguenti ambiti: scrivere query SQL, eseguire query su tabelle pubbliche, caricare dati di esempio in BigQuery, risolvere i problemi di sintassi comuni con lo strumento di convalida query in BigQuery e creare report in Data Studio collegando ai dati di BigQuery.
Complete the introductory Organize and Govern Data with Knowledge Catalog skill badge to demonstrate skills in the following: creating Knowledge Catalog assets, creating aspect types, and applying aspects to entries in Knowledge Catalog.
Complete the introductory Develop AI-Powered Prototypes in Google AI Studio skill badge to demonstrate skills in the following: crafting effective prompts, leveraging multimodal capabilities for image and video analysis, prototyping functional AI-driven applications from templates and text prompts, and utilizing API keys to build and deploy custom AI solutions. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
Complete the intermediate Enhance Gemini Model Capabilities skill badge to demonstrate skills in the following: leveraging advanced features of Gemini models, including code generation and execution, grounding, controlled content generation, and synthetic data creation, to build more powerful and sophisticated AI applications.
Complete the intermediate Explore Generative AI in Agent Platform skill badge to demonstrate skills in text generation, image and video analysis for enhanced content creation, and applying function calling techniques within the Gemini API. Discover how to leverage sophisticated Gemini techniques, explore multimodal content generation, and expand the capabilities of your AI-powered projects. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
Turn your understanding of agents into practical reality by building, configuring, and running your first AI agent using Google’s Agent Development Kit (ADK) in Gemini platform. In this hands-on course, you’ll set up a complete ADK development environment, create agents with both Python code and YAML configuration, and run them through multiple interfaces. You’ll also learn the core parameters that define agent behavior Explore other content in the Gemini Agent Ready (GEAR) program.
Learn about how you can use Agent Development Kit (ADK) to build complex, production-ready AI agents. This course covers ADK’s open-source framework, moving from simple prompt engineering to a code-first, structured software development approach suitable for enterprise-grade, multi-agent systems. Explore other content in the Gemini Agent Ready (GEAR) program.
Complete the introductory Prompt Design in Agent Platform skill badge to demonstrate skills in the following: prompt engineering, image analysis, and multimodal generative techniques, within Agent Platform. Discover how to craft effective prompts, guide generative AI output, and apply Gemini models to real-world marketing scenarios. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
Create your first Gemini Enterprise application to earn a skill badge! Connect diverse data sources to your application to build a powerful, unified search and analysis engine. Master advanced capabilities like deep research agents, multi-agent ideation, and Gemini Notebook for focused analysis. Explore other content in the Gemini Agent Ready (GEAR) program.
Discover how AI agents drive business impact. You’ll map agent types to your KPIs and explore use cases that solve real bottlenecks. Then, learn how Gemini Enterprise empowers you to build and orchestrate the right agents—from no-code to high-code solutions. Explore other content in the Gemini Agent Ready (GEAR) program.
This course introduces the fundamentals of AI agents and explores where agents add value in the real world. It provides a foundation for developers, architects, and technical decision-makers who want to understand AI systems through the lens of autonomous, goal-directed behavior. Explore other content in the Gemini Agent Ready (GEAR) program.
Gain a conceptual overview of AI Agents. Discover how AI Agents use autonomous action and reasoning to solve complex problems. You’ll explore the technical architecture—models, tools, and orchestration—that enables agents to learn, plan, and achieve goals on your behalf.
This course introduces Google Vids, an AI-powered creation tool in Google Workspace that helps you turn raw documents into professional, engaging videos without prior editing experience. You will learn how to quickly generate drafts using templates and automated tools, as well as how to customize your content with transcript-based editing, dynamic visual enhancements, and custom music. Finally, you will explore how to integrate AI avatars and voiceovers to seamlessly narrate your presentations across various business use cases.
This video covers how to eliminate tedious manual data entry using Gemini. Learn how to take a picture or screenshot of data (from PDFs, paper, or images) and prompt Gemini to instantly convert it into a structured Google Sheet. Discover this simple hack to save countless hours transcribing data, turning Gemini into your personal data entry assistant. Just snap, prompt, and export!
This video covers using AI to identify weaknesses and hidden assumptions in your strategy. You'll learn the "Poke Holes" method, a simple way to pressure-test your plans with AI prompts, uncovering gaps and strengthening your strategic thinking.
This video will cover how to use NotebookLM to gather and analyze publicly available information, combine it with internal documents, and extract key competitive insights.
Unleash Team Potential: Assess Learning Needs Using GenAI offers practical guidance on using generative AI to perform skill assessment and career development recommendations, thus empowering leaders to elevate team performance, foster talent growth, and bridge skill gaps to achieve success.
This course covers how to use Gemini in Google Drive to manage and retrieve files. Learn to locate assets using natural language, extract specific facts via AI Overviews without opening files, instantly summarize multiple media formats, and save file collections as Projects for repeatable research. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
Gemini per Google Workspace è un componente aggiuntivo che fornisce agli utenti accesso a funzionalità di AI generativa. Questo corso approfondisce le funzionalità di Gemini in Google Meet. Attraverso lezioni video e attività ed esempi pratici, acquisirai una comprensione completa delle funzionalità di Gemini in Google Meet. Imparerai a utilizzare Gemini per generare immagini di sfondo, migliorare la qualità video e tradurre i sottotitoli. Alla fine del corso avrai acquisito le conoscenze e le competenze necessarie per utilizzare con sicurezza Gemini in Google Meet per massimizzare l'efficacia delle tue videoconferenze.
Gemini per Google Workspace è un componente aggiuntivo che fornisce ai clienti funzionalità di AI generativa in Google Workspace. In questo mini corso imparerai le funzionalità principali di Gemini e come possono essere utilizzate per migliorare la produttività e l'efficienza in Fogli Google.
Gemini per Google Workspace è un componente aggiuntivo che fornisce ai clienti funzionalità di AI generativa in Google Workspace. In questo mini corso imparerai le funzionalità principali di Gemini e come possono essere utilizzate per migliorare la produttività e l'efficienza in Presentazioni Google.
Gemini per Google Workspace è un componente aggiuntivo che fornisce agli utenti accesso a funzionalità di AI generativa. Questo corso approfondisce le funzionalità di Gemini in Documenti Google utilizzando lezioni video, attività ed esempi pratici. Imparerai a utilizzare Gemini per generare contenuti scritti in base a dei prompt. Inoltre, esplorerai l'utilizzo di Gemini per modificare il testo che hai già scritto, aiutandoti a migliorare la tua produttività complessiva. Alla fine del corso avrai acquisito le conoscenze e le competenze necessarie per utilizzare con sicurezza Gemini in Documenti Google per migliorare la tua scrittura.
Gemini per Google Workspace è un componente aggiuntivo che fornisce ai clienti funzionalità di AI generativa in Google Workspace. In questo mini corso imparerai le funzionalità principali di Gemini e come possono essere utilizzate per migliorare la produttività e l'efficienza in Gmail.
Gemini per Google Workspace è un componente aggiuntivo che fornisce ai clienti funzionalità di AI generativa in Google Workspace. In questo percorso di apprendimento imparerai le funzionalità principali di Gemini e come possono essere utilizzate per migliorare la produttività e l'efficienza in Google Workspace.
Dal momento che l'uso dell'intelligenza artificiale e del machine learning nelle aziende continua a crescere, cresce anche l'importanza di realizzarli in modo responsabile. Molti sono scoraggiati dal fatto che parlare di IA responsabile può essere più facile che metterla in pratica. Se vuoi imparare come operativizzare l'IA responsabile nella tua organizzazione, questo corso fa per te. In questo corso scoprirai come Google Cloud ci riesce attualmente, oltre alle best practice e alle lezioni apprese, per fungere da framework per costruire il tuo approccio all'IA responsabile.
Questo corso ti introduce all'architettura Transformer e al modello BERT (Bidirectional Encoder Representations from Transformers). Scopri i componenti principali dell'architettura Transformer, come il meccanismo di auto-attenzione, e come viene utilizzata per creare il modello BERT. Imparerai anche le diverse attività per le quali può essere utilizzato il modello BERT, come la classificazione del testo, la risposta alle domande e l'inferenza del linguaggio naturale. Si stima che il completamento di questo corso richieda circa 45 minuti.
Questo corso ti offre un riepilogo dell'architettura encoder-decoder, che è un'architettura di machine learning potente e diffusa per attività da sequenza a sequenza come traduzione automatica, riassunto del testo e risposta alle domande. Apprenderai i componenti principali dell'architettura encoder-decoder e come addestrare e fornire questi modelli. Nella procedura dettagliata del lab corrispondente, implementerai in TensorFlow dall'inizio un semplice codice dell'architettura encoder-decoder per la generazione di poesie da zero.
Questo corso ti introdurrà al meccanismo di attenzione, una potente tecnica che consente alle reti neurali di concentrarsi su parti specifiche di una sequenza di input. Imparerai come funziona l'attenzione e come può essere utilizzata per migliorare le prestazioni di molte attività di machine learning, come la traduzione automatica, il compendio di testi e la risposta alle domande.
Questo corso ti insegna come creare un modello per le didascalie delle immagini utilizzando il deep learning. Scoprirai i diversi componenti di un modello per le didascalie delle immagini, come l'encoder e il decoder, e imparerai ad addestrare e valutare il tuo modello. Alla fine di questo corso, sarai in grado di creare modelli personali per le didascalie delle immagini e utilizzarli per generare didascalie per le immagini.
Questo corso illustra Generative AI Studio, un prodotto su Vertex AI che ti aiuta a prototipare e personalizzare i modelli di AI generativa in modo da poterne utilizzare le capacità nelle tue applicazioni. In questo corso imparerai cos'è Generative AI Studio, le sue funzionalità e opzioni e come utilizzarlo, esaminando le demo del prodotto. Alla fine, troverai un laboratorio pratico per mettere in pratica ciò che hai imparato e un quiz per testare le tue conoscenze.
Questo corso introduce i modelli di diffusione, una famiglia di modelli di machine learning che recentemente si sono dimostrati promettenti nello spazio di generazione delle immagini. I modelli di diffusione traggono ispirazione dalla fisica, in particolare dalla termodinamica. Negli ultimi anni, i modelli di diffusione sono diventati popolari sia nella ricerca che nella produzione. I modelli di diffusione sono alla base di molti modelli e strumenti di generazione di immagini all'avanguardia su Google Cloud. Questo corso ti introduce alla teoria alla base dei modelli di diffusione e a come addestrarli ed eseguirne il deployment su Vertex AI.
Guadagna un badge delle competenze completando i corsi Introduction to Generative AI, Introduction to Large Language Models e Introduction to Responsible AI. Superando il quiz finale, dimostrerai la tua comprensione dei concetti fondamentali relativi all'IA generativa. Un badge delle competenze è un badge digitale rilasciato da Google Cloud come riconoscimento della tua conoscenza dei prodotti e dei servizi Google Cloud. Condividi il tuo badge delle competenze rendendo pubblico il tuo profilo e aggiungendolo al tuo profilo sui social media.
Questo è un corso di microlearning di livello introduttivo volto a spiegare cos'è l'IA responsabile, perché è importante e in che modo Google implementa l'IA responsabile nei propri prodotti. Introduce anche i 7 principi dell'IA di Google.
Questo è un corso di microlearning di livello introduttivo che esplora cosa sono i modelli linguistici di grandi dimensioni (LLM), i casi d'uso in cui possono essere utilizzati e come è possibile utilizzare l'ottimizzazione dei prompt per migliorare le prestazioni dei modelli LLM. Descrive inoltre gli strumenti Google per aiutarti a sviluppare le tue app Gen AI.
Questo è un corso di microlearning di livello introduttivo volto a spiegare cos'è l'AI generativa, come viene utilizzata e in che modo differisce dai tradizionali metodi di machine learning. Descrive inoltre gli strumenti Google che possono aiutarti a sviluppare le tue app Gen AI.
Kubernetes è il sistema di orchestrazione dei container più diffuso e Google Kubernetes Engine è stato progettato specificamente per supportare i deployment Kubernetes gestiti in Google Cloud. In questo corso di livello avanzato, potrai esercitarti nella configurazione di immagini e container Docker e nel deployment di applicazioni Kubernetes Engine complete. Grazie a questo corso, apprenderai le competenze pratiche necessarie per integrare l'orchestrazione dei container nel tuo workflow. Stai cercando un Challenge Lab pratico per dimostrare le tue abilità e convalidare le tue conoscenze? Dopo aver completato questo corso, termina il Challenge Lab aggiuntivo alla fine del corso Esegui il deployment di applicazioni Kubernetes su Google Cloud per ricevere un esclusivo badge digitale Google Cloud.
Questo corso spiega agli studenti come creare soluzioni efficienti e ad alta affidabilità su Google Cloud utilizzando pattern di progettazione comprovati. È la continuazione del corso Progettazione dell'architettura con Google Compute Engine o Progettazione dell'architettura con Google Kubernetes Engine e presuppone che si abbia esperienza pratica con le tecnologie esaminate in uno dei due corsi. Attraverso una combinazione di presentazioni, attività di progettazione e lab pratici, i partecipanti impareranno a definire e bilanciare i requisiti aziendali e tecnici per progettare deployment Google Cloud estremamente affidabili, sicuri, economicamente convenienti e ad alta disponibilità.
Guadagna un badge delle competenze completando il corso Sviluppa la tua rete Google Cloud, in cui apprenderai diversi modi per eseguire il deployment e il monitoraggio delle applicazioni, tra cui: esplorare i ruoli IAM e aggiungere/rimuovere l'accesso ai progetti, creare reti VPC, eseguire il deployment e il monitoraggio delle VM di Compute Engine, scrivere query SQL, eseguire il deployment e il monitoraggio delle VM in Compute Engine ed eseguire il deployment delle applicazioni utilizzando Kubernetes con più approcci al deployment.
Complete the intermediate Build a Data Warehouse with BigQuery skill badge course to demonstrate skills in the following: joining data to create new tables, troubleshooting joins, appending data with unions, creating date-partitioned tables, and working with JSON, arrays, and structs in BigQuery.
Questo corso introduttivo è unico tra le altre offerte di corsi. I lab sono stati selezionati per offrire ai professionisti IT la possibilità di fare pratica su argomenti e servizi che compaiono nell'esame di certificazione Google Cloud - Associate Cloud Engineer. Da IAM al networking, al deployment di Kubernetes Engine, questo corso si compone di lab specifici che metteranno alla prova le tue conoscenze su Google Cloud. Tieni presente che, sebbene la pratica con questi lab ti aiuterà a migliorare le tue competenze e capacità, ti consigliamo di rivedere anche la guida all'esame e altre risorse di preparazione disponibili.
Questo corso accelerato on demand illustra ai partecipanti l'infrastruttura completa e flessibile e i servizi di piattaforma forniti da Google Cloud. Attraverso una combinazione di videolezioni, demo e lab pratici, i partecipanti potranno esplorare gli elementi delle soluzioni, tra cui interconnessione sicura delle reti, bilanciamento del carico, scalabilità automatica, automazione dell'infrastruttura e servizi gestiti.
Questo corso accelerato on demand illustra ai partecipanti l'infrastruttura e i servizi di piattaforma flessibili e completi di Google Cloud con particolare attenzione a Compute Engine. Attraverso una combinazione di videolezioni, demo e lab pratici, i partecipanti potranno esplorare gli elementi delle soluzioni, tra cui i componenti dell'infrastruttura come reti, sistemi e servizi per applicazioni, ed eseguirne il deployment. Questo corso tratta inoltre del deployment di soluzioni pratiche quali, ad esempio, chiavi di crittografia fornite dal cliente, gestione di sicurezza e accessi, quote e fatturazione, monitoraggio delle risorse.
Questo corso accelerato on demand illustra ai partecipanti l'infrastruttura e i servizi di piattaforma flessibili e completi di Google Cloud con particolare attenzione a Compute Engine. Attraverso una combinazione di videolezioni, demo e lab pratici, i partecipanti potranno esplorare gli elementi delle soluzioni, tra cui i componenti dell'infrastruttura come reti, macchine virtuali e servizi per applicazioni, ed eseguirne il deployment. Imparerai a utilizzare Google Cloud mediante la console e Cloud Shell. Scoprirai inoltre il ruolo del Cloud Architect, gli approcci alla progettazione dell'infrastruttura e la configurazione del networking virtuale con VPC (Virtual Private Cloud), progetti, reti, subnet, indirizzi IP, route e regole firewall.
Learn how to use Gemini Notebook to create a personalized study guide for the Associate Cloud 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.
Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
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.
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.
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.
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.
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.
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
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.
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.
Big data, machine learning e intelligenza artificiale sono i principali argomenti di computing trattati attualmente, ma questi campi sono piuttosto specializzati ed è complicato reperire materiale introduttivo. Fortunatamente, Google Cloud offre servizi facili da usare in queste aree e con questo corso di livello introduttivo, in modo da poter fare i primi passi con strumenti come BigQuery, API Cloud Speech e Video Intelligence.
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.
Completa il corso introduttivo con badge delle competenze Implementazione di Cloud Load Balancing per Compute Engine per dimostrare le tue competenze nei seguenti ambiti: creazione ed esecuzione del deployment di macchine virtuali in Compute Engine e configurazione di bilanciatori del carico di rete e delle applicazioni.
Ottieni un badge delle competenze completando il corso Configura un ambiente di sviluppo di app su Google Cloud, in cui imparerai a creare e connettere un'infrastruttura cloud incentrata sull'archiviazione utilizzando le funzionalità di base delle seguenti tecnologie: Cloud Storage, Identity and Access Management, Cloud Functions e Pub/Sub.
Se sei uno sviluppatore cloud principiante che vuole fare ancora pratica Google Cloud Essentials, questo corso fa al caso tuo. Acquisirai esperienza pratica attraverso lab specifici su Cloud Storage e altri servizi per applicazioni chiave come Monitoring e Cloud Functions. Svilupperai competenze preziose applicabili a qualsiasi iniziativa Google Cloud.
Google Cloud Fundamentals: Core Infrastructure introduce concetti e terminologia importanti per lavorare con Google Cloud. Attraverso video e lab pratici, questo corso presenta e confronta molti dei servizi di computing e archiviazione di Google Cloud, insieme a importanti strumenti di gestione delle risorse e dei criteri.
In questo corso di livello introduttivo, farai pratica con gli strumenti e i servizi fondamentali di Google Cloud. Sono forniti video facoltativi per offrire più contesto e ripassare i concetti trattati nei lab. Concetti fondamentali di Google Cloud è il primo corso consigliato per chi vuole imparare a usare Google Cloud, Puoi iniziare con una conoscenza minima o nulla del cloud e uscirne con competenze pratiche che puoi applicare al tuo primo progetto Google Cloud. Dalla scrittura di comandi Cloud Shell e il deployment della tua prima macchina virtuale, fino all'esecuzione di applicazioni su Kubernetes Engine o con bilanciamento del carico, Concetti fondamentali di Google Cloud è un'introduzione di base alle funzionalità della piattaforma.