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.
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.
Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.
In this self-paced training course, participants learn mitigations for attacks at many points in a Google Cloud-based infrastructure, including Distributed Denial-of-Service attacks, phishing attacks, and threats involving content classification and use. They also learn about the Security Command Center, cloud logging and audit logging, and using Forseti to view overall compliance with your organization's security policies.
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.
Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.
Selesaikan badge keahlian tingkat menengah Membuat Model ML dengan BigQuery ML untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengevaluasi model machine learning dengan BigQuery ML untuk membuat prediksi data.
Selesaikan kursus badge keahlian tingkat menengah Mengelola Kubernetes di Google Cloud untuk menunjukkan keterampilan dalam hal berikut: mengelola deployment dengan kubectl, memantau serta menjalankan proses debug aplikasi di Google Kubernetes Engine (GKE), dan menggunakan teknik continuous delivery.
Selesaikan badge keahlian pengantar Memantau dan Mengelola Resource Google Cloud untuk menunjukkan keterampilan dalam hal berikut: memberikan dan mencabut izin IAM; menginstal agen logging serta pemantauan; membuat, men-deploy, dan menguji fungsi Cloud Run berbasis peristiwa.
Dapatkan badge keahlian dengan menyelesaikan kursus Menganalisis Gambar dengan Cloud Vision API yang membahas cara memanfaatkan Cloud Vision API untuk berbagai tugas, termasuk mengekstrak teks dari gambar.
Dapatkan badge keahlian dengan menyelesaikan quest Menganalisis Sentimen dengan Natural Language API, yang mempelajari cara API memperoleh sentimen dari teks.
Dapatkan badge keahlian dengan menyelesaikan kursus Menganalisis Ucapan dan Bahasa dengan Google API, tempat Anda mempelajari cara menggunakan API Natural Language and Speech dalam konteks nyata.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu menganalisis data pelanggan dan memprediksi penjualan produk. Anda juga akan mempelajari cara mengidentifikasi, mengategorikan, dan mengembangkan pelanggan baru menggunakan data pelanggan di BigQuery. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan analisis data dan alur kerja machine learning. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi Serverless dengan Firebase untuk menunjukkan keterampilan dalam hal berikut ini: membuat arsitektur dan membangun aplikasi web serverless dengan Firebase, memanfaatkan pengelolaan database Firestore, mengotomatiskan proses deployment menggunakan Cloud Build, dan mengintegrasikan fungsi Asisten Google ke dalam aplikasi.
Kursus singkat tentang cara mengintegrasikan aplikasi dengan Gemini di Google Cloud ini akan membantu Anda memahami Gemini API dan model AI generatif. Kursus ini menjelaskan cara mengakses model Gemini dari kode. Anda dapat menguji kemampuan model dengan perintah teks, gambar, dan video dari aplikasi.
Networking is a principle theme of cloud computing. It’s the underlying structure of Google Cloud, and it’s what connects all your resources and services to one another. This course will cover essential Google Cloud networking services and will give you hands-on practice with specialized tools for developing mature networks. From learning the ins-and-outs of VPCs, to creating enterprise-grade load balancers, Automate Deployment and Manage Traffic on a Google Cloud Network will give you the practical experience needed so you can start building robust networks right away.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Kursus Penjelajah AI Generatif - Agent Platform adalah sekumpulan lab yang membahas cara menggunakan AI Generatif di Google Cloud. Melalui lab ini, Anda akan mempelajari cara menggunakan model Gemini di Agent Platform. Anda juga akan mempelajari apa itu desain perintah, praktik terbaik desain perintah, serta cara menggunakan desain perintah untuk pencarian ide, klasifikasi teks, ekstraksi teks, peringkasan teks, dan lainnya. Anda juga akan mempelajari cara menyesuaikan model dasar dengan melatihnya melalui pelatihan kustom di Agent Platform dan men-deploy-nya ke endpoint di Agent Platform.
Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi Serverless dengan Firebase untuk menunjukkan keterampilan dalam hal berikut ini: membuat arsitektur dan membangun aplikasi web serverless dengan Firebase, memanfaatkan pengelolaan database Firestore, mengotomatiskan proses deployment menggunakan Cloud Build, dan mengintegrasikan fungsi Asisten Google ke dalam aplikasi.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
Selesaikan badge keahlian pengantar Mendapatkan Insight dari Data BigQuery untuk menunjukkan keterampilan dalam hal berikut: menulis kueri SQL, membuat kueri tabel publik, memuat sampel data ke dalam BigQuery, memecahkan masalah error sintaksis umum dengan validator kueri di BigQuery, dan membuat laporan di Data Studio dengan menghubungkannya ke data BigQuery.
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
Ingin membangun model ML dalam hitungan menit, bukan jam, hanya dengan menggunakan SQL? BigQuery ML memperluas akses machine learning dengan memungkinkan analis data membuat, melatih, mengevaluasi, dan memprediksi sesuatu dengan model machine learning menggunakan alat serta keterampilan SQL yang ada. Dalam rangkaian lab ini, Anda akan bereksperimen dengan beragam jenis model dan mempelajari ciri-ciri model yang baik.
Big data, machine learning, dan kecerdasan buatan menjadi topik komputasi yang populer saat ini, tetapi bidang tersebut sangat terspesialisasi dan materi pengantarnya sulit diperoleh. Untungnya, Google Cloud menyediakan layanan yang mudah digunakan dalam bidang tersebut, dan melalui kursus tingkat pengantar ini, Anda dapat mengambil langkah pertama dengan alat seperti BigQuery, Cloud Speech API, dan Video Intelligence.
Dalam kursus ini, Anda akan mendapatkan pengalaman langsung dalam menggunakan LookML di Looker. Anda akan mempelajari cara menulis kode LookML untuk membuat dimensi dan ukuran baru, membuat tabel turunan dan menggabungkannya ke Explore, memfilter Explore, dan menentukan kebijakan penyimpanan cache di LookML.
Bukan rahasia lagi bahwa machine learning adalah salah satu bidang yang berkembang paling cepat di ranah teknologi, dan Google Cloud Platform telah berperan penting dalam memajukan pengembangannya. Dengan berbagai API, GCP memiliki alat untuk hampir semua tugas machine learning. Dalam kursus pengantar ini, Anda akan melakukan praktik langsung dengan machine learning sebagaimana diterapkan pada pemrosesan bahasa, melalui serangkaian lab yang akan memungkinkan Anda mengekstrak entity dari teks, melakukan analisis sentimen dan sintaksis, serta menggunakan Speech to Text API untuk melakukan transkripsi.
In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.