Join Sign in

Apply your skills in Google Cloud console

Alan Conq

Member since 2022

Silver League

3000 points
DEPRECATED Build and Deploy Machine Learning Solutions on Vertex AI Earned דצמ 8, 2022 EST
Build Batch Data Pipelines on Google Cloud Earned דצמ 7, 2022 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned דצמ 7, 2022 EST
Achieving Advanced Insights with BigQuery Earned דצמ 7, 2022 EST
Creating New BigQuery Datasets and Visualizing Insights Earned דצמ 7, 2022 EST
Exploring and Preparing your Data with BigQuery Earned דצמ 6, 2022 EST
Computer Vision Fundamentals with Google Cloud Earned דצמ 6, 2022 EST
Recommendation Systems on Google Cloud Earned דצמ 6, 2022 EST
Natural Language Processing on Google Cloud Earned דצמ 6, 2022 EST
Machine Learning in the Enterprise Earned דצמ 5, 2022 EST
Launching into Machine Learning Earned דצמ 5, 2022 EST
How Google Does Machine Learning Earned דצמ 5, 2022 EST
Production Machine Learning Systems Earned נוב 24, 2022 EST
Feature Engineering Earned נוב 22, 2022 EST
Build, Train and Deploy ML Models with Keras on Google Cloud Earned נוב 21, 2022 EST
Understanding Google Cloud Security and Operations - בעברית Earned נוב 17, 2022 EST
Infrastructure and Application Modernization with Google Cloud - בעברית Earned נוב 17, 2022 EST
Innovating with Data and Google Cloud - בעברית Earned נוב 15, 2022 EST
Digital Transformation with Google Cloud - בעברית Earned נוב 15, 2022 EST
Prepare Data for ML APIs on Google Cloud Earned נוב 15, 2022 EST
Set Up an App Dev Environment on Google Cloud Earned נוב 14, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals Earned נוב 14, 2022 EST
Google Cloud Fundamentals: Core Infrastructure Earned נוב 14, 2022 EST
Implementing Cloud Load Balancing for Compute Engine Earned נוב 10, 2022 EST

Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions on Vertex AI skill badge course, where you learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models.

Learn more

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.

Learn more

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.

Learn more

The third course in this course series is Achieving Advanced Insights with BigQuery. Here we will build on your growing knowledge of SQL as we dive into advanced functions and how to break apart a complex query into manageable steps. We will cover the internal architecture of BigQuery (column-based sharded storage) and advanced SQL topics like nested and repeated fields through the use of Arrays and Structs. Lastly we will dive into optimizing your queries for performance and how you can secure your data through authorized views. After completing this course, enroll in the Applying Machine Learning to your Data with Google Cloud course.

Learn more

This is the second course in the Data to Insights course series. Here we will cover how to ingest new external datasets into BigQuery and visualize them with Looker Studio. We will also cover intermediate SQL concepts like multi-table JOINs and UNIONs which will allow you to analyze data across multiple data sources. Note: Even if you have a background in SQL, there are BigQuery specifics (like handling query cache and table wildcards) that may be new to you. After completing this course, enroll in the Achieving Advanced Insights with BigQuery course.

Learn more

In this course, we see what the common challenges faced by data analysts are and how to solve them with the big data tools on Google Cloud. You’ll pick up some SQL along the way and become very familiar with using BigQuery and Dataprep to analyze and transform your datasets. This is the first course of the From Data to Insights with Google Cloud series. After completing this course, enroll in the Creating New BigQuery Datasets and Visualizing Insights course.

Learn more

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

Learn more

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

Learn more

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

Learn more

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

Learn more

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Learn more

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.

Learn more

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Learn more

This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

Learn more

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Learn more

הקורס בוחן ניהול עלויות, אבטחה ותפעול בענן. ראשית, מוסבר איך עסקים יכולים לרכוש שירותי IT מספק שירותי ענן ולשמר חלק מהתשתית שלהם או לבחור לא לשמר אותה בכלל. שנית, הקורס מתאר איך האחריות על אבטחת נתונים מתחלקת בין ספק שירותי הענן לעסק, וסוקר את אבטחת ההגנה לעומק (defense-in-depth) שמובנית ב-Google Cloud. לבסוף, הקורס מתייחס לכך שצוותי IT ומנהלי העסק צריכים לשנות את החשיבה על ניהול משאבי IT בענן, ונוגע באופן שבו כלי ניטור המשאבים ב-Google Cloud יכולים לסייע להם לשמור על שליטה וניראות בסביבת הענן שלהם.

Learn more

בארגונים מסורתיים רבים משתמשים במערכות ובאפליקציות מדורות קודמים, וקשה לבצע באמצעותן התאמה לעומס ופעולות מהירות הדרושות כדי לעמוד בציפיות מודרניות של לקוחות. מנהיגים עסקיים וקובעי מדיניות IT צריכים כל הזמן לבחור בין תחזוקה של מערכות מדורות קודמים לבין השקעה במוצרים ובשירותים חדשים. בקורס הזה נבחן את האתגרים הנובעים משימוש בתשתית IT מיושנת, ואיך בעלי עסקים יכולים לבצע מודרניזציה של תשתיות בעזרת טכנולוגיית ענן. הקורס מתחיל בהבנה מעמיקה של אפשרויות המחשוב השונות הזמינות בענן ופירוט היתרונות של כל אחת מהאפשרויות. לאחר מכן נבחן את האפשרויות למודרניזציה של האפליקציות ושל ממשקי API (ממשק תכנות יישומים). בקורס מתוארים גם מגוון פתרונות של Google Cloud שיכולים לשפר את תהליך פיתוח המערכות וניהולן בעסקים שונים, כמו Compute Engine,‏ App Engine ו-Apigee.

Learn more

טכנולוגיית הענן לבדה מספקת לעסק חלק קטן בלבד מהערך האמיתי שלה. כשהיא משולבת עם נתונים בנפח רב מאוד, נוצרת העוצמה שמאפשרת להפיק ערך וליצור חוויות חדשות ללקוחות. במסגרת הקורס הזה תלמדו מהם נתונים, איך השתמשו בהם בעבר בחברות לצורך קבלת החלטות ולמה הם קריטיים כל כך ללמידה חישובית. בנוסף, בקורס הזה יוצגו ללומדים מושגים טכניים כמו נתונים מובְנים ולא מובְנים, מסד נתונים, מחסן נתונים (data warehouse) ואגמי נתונים (data lakes). בהמשך, הקורס יעסוק במוצרי Google Cloud הנפוצים ביותר בתחום הנתונים, ובמוצרים כאלה ששיעור השימוש בהם גדל במהירות הרבה ביותר.

Learn more

מהי טכנולוגיית ענן ומהו מדע הנתונים? וחשוב יותר, איך הם יכולים לעזור לכם, לצוות שלכם ולעסק שלכם? קורס המבוא הזה בנושא טרנספורמציה דיגיטלית מתאים למי שרוצה ללמוד על טכנולוגיית הענן כדי להתמקצע ולהצטיין בעבודתו וכדי לעזור בפיתוח העתיד של העסק. בקורס יוגדרו מונחי יסוד כגון הענן, נתונים וטרנספורמציה דיגיטלית. בנוסף, נבחן דוגמאות של חברות מרחבי העולם שמשתמשות בטכנולוגיית הענן כדי לבצע טרנספורמציה בעסק. הקורס כולל סקירה של סוגי ההזדמנויות שיש לחברות ושל האתגרים הנפוצים שחברות מתמודדות איתם במהלך טרנספורמציה דיגיטלית. הקורס גם מדגים איך עמודי התווך של פתרונות Google Cloud יכולים לעזור בתהליך. חשוב לומר: טרנספורמציה דיגיטלית לא קשורה רק לשימוש בטכנולוגיות חדשות. כדי הטרנספורמציה תהיה מלאה, ארגונים צריכים גם ליישם חדשנות ולפתח דפוס חשיבה שמקדם חדשנות בכל התחומים והצוותים. השיטות המומלצות המתוארות בקורס יעזרו לכם להשיג את המטרה הזו.

Learn more

Complete the introductory Prepare Data for ML APIs on Google Cloud skill badge to demonstrate skills in the following: cleaning data with Dataprep by Trifacta, running data pipelines in Dataflow, creating clusters and running Apache Spark jobs in Dataproc, and calling ML APIs including the Cloud Natural Language API, Google Cloud Speech-to-Text API, and Video Intelligence API.

Learn more

Earn a skill badge by completing the Set Up an App Dev Environment on Google Cloud skill badge course, where you learn how to build and connect storage-centric cloud infrastructure using the basic capabilities of the following technologies: Cloud Storage, Identity and Access Management, Cloud Functions, and Pub/Sub.

Learn more

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.

Learn more

Google Cloud Fundamentals: Core Infrastructure introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.

Learn more

Complete the introductory Implementing Cloud Load Balancing for Compute Engine skill badge to demonstrate skills in the following: creating and deploying virtual machines in Compute Engine and configuring network and application load balancers.

Learn more