Gabung Login

Lawrence Godfrey

Menjadi anggota sejak 2023

Diamond League

33380 poin
Serverless Data Processing with Dataflow: Operations Earned Agu 31, 2024 EDT
Membangun Mesh Data dengan Knowledge Catalog Earned Mar 30, 2024 EDT
Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML Earned Mar 23, 2024 EDT
Membangun Data Warehouse dengan BigQuery Earned Mar 17, 2024 EDT
Serverless Data Processing with Dataflow: Develop Pipelines Earned Mar 2, 2024 EST
Serverless Data Processing with Dataflow: Foundations Earned Feb 17, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Feb 11, 2024 EST
Build Streaming Data Pipelines on Google Cloud Earned Feb 4, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Jan 30, 2024 EST
Generative AI Fundamentals - Bahasa Indonesia Earned Jan 26, 2024 EST
Pengantar Responsible AI Earned Jan 25, 2024 EST
Pengantar Model Bahasa Besar Earned Jan 25, 2024 EST
Pengantar AI Generatif Earned Jan 23, 2024 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Jan 22, 2024 EST
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned Jan 16, 2024 EST
Build a Certification Study Guide: PDE Exam Prep Earned Jan 12, 2024 EST
Menyiapkan Data untuk ML API di Google Cloud Earned Jan 7, 2024 EST
Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Earned Jan 7, 2024 EST

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tanpa latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan ringkasan tentang berbagai konsep penting dalam dasar-dasar cloud, big data, dan machine learning, serta peran dan cara penggunaan Google Cloud. Di akhir rangkaian kursus, peserta kursus akan mampu menjelaskan konsep-konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing Fondasi Google Cloud Computing: Infrastruktur di Google Cloud Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus terakhir dalam rangkaian ini mengulas layanan big data terkelola, machine learning dan nilainya, serta cara untuk menunjukkan keahlian Anda di Google Cloud dengan mendapatkan Badge Keahlian.

Pelajari lebih lanjut