Mitglied seit 2025
Freigegebene Daten über die Daten-Cloud von Google nutzen
Earned Aug 31, 2025 EDT
Daten für ML-APIs in Google Cloud vorbereiten
Earned Aug 30, 2025 EDT
Streamanalyse in BigQuery
Earned Aug 16, 2025 EDT
Informationen aus BigQuery-Daten ableiten
Earned Aug 16, 2025 EDT
Data Warehouse mit BigQuery erstellen
Earned Aug 16, 2025 EDT
Holen Sie sich ein Skill-Logo, indem Sie den Kurs Freigegebene Daten über die Daten-Cloud von Google nutzen abschließen. In diesem Kurs erwerben Sie praktische Kenntnisse mit Google Cloud-Partnern für die Datenfreigabe, die eigene Datasets haben, die Kundinnen und Kunden für ihre Anwendungsfälle in der Analyse verwenden können. Kundinnen und Kunden können diese Daten abonnieren, sie in ihrer eigenen Plattform abfragen und um ihre eigenen Datasets erweitern sowie ihre Visualisierungstools für kundenorientierte Dashboards verwenden.
Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.
Weisen Sie mit einem Skill-Logo Ihre Kenntnisse über Streamanalyse in BigQuery nach. In diesem Kurs wenden Sie sowohl Pub/Sub und Dataflow als auch BigQuery an, um Daten für die Analyse zu streamen.
Mit dem Skill-Logo zum Kurs Informationen aus BigQuery-Daten ableiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Schreiben von SQL-Abfragen, Abfragen öffentlicher Tabellen, Laden von Beispieldaten in BigQuery, Beheben häufig auftretender Syntaxfehler mithilfe der Abfragevalidierung in BigQuery und Erstellen von Berichten in Data Studio durch Herstellen einer Verbindung zu BigQuery-Daten.
Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.