ikpesu emmanuel
Mitglied seit 2022
Gold League
25484 Punkte
Einen Streaming-Data Lake in Cloud Storage erstellen
Earned Okt 1, 2026 EDT
Multi-Agent-Systeme mit der Gemini Enterprise Agent Platform bereitstellen
Earned Okt 1, 2026 EDT
Google Cloud-Netzwerk entwickeln
Earned Jun 16, 2024 EDT
Kostenoptimierung für die Google Kubernetes Engine
Earned Jun 12, 2024 EDT
Infrastruktur mit Terraform in Google Cloud erstellen
Earned Mai 28, 2024 EDT
Umgebung für die Anwendungsentwicklung in Google Cloud einrichten
Earned Mai 21, 2024 EDT
Cloud Load Balancing in der Compute Engine implementieren
Earned Apr 21, 2024 EDT
Build a Certification Study Guide: PDE Exam Prep
Earned Dez 14, 2023 EST
Serverless Data Processing with Dataflow: Foundations
Earned Okt 27, 2023 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Okt 25, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned Okt 12, 2023 EDT
Data Warehouse mit BigQuery erstellen
Earned Okt 12, 2023 EDT
Daten für ML-APIs in Google Cloud vorbereiten
Earned Okt 12, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned Okt 12, 2023 EDT
Build Streaming Data Pipelines on Google Cloud
Earned Okt 12, 2023 EDT
Build Batch Data Pipelines on Google Cloud
Earned Okt 5, 2023 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Sep 29, 2023 EDT
Erhalten Sie ein Skill-Logo, indem Sie die Aufgabenreihe Einen Streaming-Data Lake in Cloud Storage erstellen abschließen. Sie nutzen Pub/Sub, Dataflow und Cloud Storage in Kombination, um einen Streaming-Data Lake in Google Cloud zu erstellen.
Weitere Informationen
In diesem Kurs lernen Sie, wie Sie mit dem Google Agent Development Kit komplexe Multi-Agent-Systeme entwickeln. Sie erstellen Agenten mit Tools und verbinden sie durch über- und untergeordnete Beziehungen und Abläufe, um festzulegen, wie sie interagieren. Sie führen Ihre KI-Agenten lokal aus und stellen sie in der Agent Runtime auf der Gemini Enterprise Agent Platform bereit, um sie als verwalteten Agent-Ablauf auszuführen. Die Entscheidungen zur Infrastruktur und die Ressourcenskalierung werden von der Agent Runtime übernommen.
Bitte beachten Sie, dass diese Labs auf einer Vorabversion dieses Produkts basieren. Bei diesen Labs kann es zu Verzögerungen kommen, da wir Wartungsupdates bereitstellen.
Weitere Informationen
Erhalten Sie ein Skill-Logo, indem Sie den Kurs Google Cloud-Netzwerk entwickeln abschließen. Dabei wird anhand verschiedener Aufgaben behandelt, wie Sie Anwendungen bereitstellen und beobachten, darunter: IAM-Rollen prüfen, den Zugriff auf Projekte ermöglichen/entfernen, VPC-Netzwerke erstellen, Compute Engine-VMs bereitstellen und beobachten, SQL-Abfragen schreiben, VMs in der Compute Engine bereitstellen und beobachten sowie Anwendungen mithilfe von Kubernetes und mehreren Deploymentmodellen bereitstellen.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Kostenoptimierung für die Google Kubernetes Engine weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen und Verwalten von Clustern für mehrere Mandanten, Überwachen der Ressourcenauslastung nach Namespace, Konfigurieren des Cluster- und Pod-Autoscalings zur Steigerung der Effizienz, Einrichten des Load Balancings zur optimalen Verteilung von Ressourcen und Implementieren von Aktivitäts- und Bereitschaftsprüfungen zum Sicherstellen von Anwendungszustand und Kosteneffektivität.
Weitere Informationen
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
Weitere Informationen
Erhalten Sie ein Skill-Logo, indem Sie den Kurs „Umgebung für die Anwendungsentwicklung in Google Cloud einrichten“ abschließen. Dabei lernen Sie, wie Sie eine speicherorientierte Cloud-Infrastruktur mithilfe der grundlegenden Funktionen der folgenden Technologien erstellen und verbinden: Cloud Storage, Identity and Access Management, Cloud Functions und Pub/Sub.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Cloud Load Balancing in der Compute Engine implementieren weisen Sie Kenntnisse in folgenden Bereichen nach: virtuelle Maschinen in der Compute Engine erstellen und bereitstellen und Netzwerk- und Application Load Balancer konfigurieren.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
