ikpesu emmanuel
Menjadi anggota sejak 2022
Gold League
25484 poin
Membuat Data Lake Streaming di Cloud Storage
Earned Okt 1, 2026 EDT
Men-deploy Sistem Multi-Agen dengan Gemini Enterprise Agent Platform
Earned Okt 1, 2026 EDT
Mengembangkan Jaringan Google Cloud Anda
Earned Jun 16, 2024 EDT
Mengoptimalkan Biaya untuk Google Kubernetes Engine
Earned Jun 12, 2024 EDT
Membangun Infrastruktur dengan Terraform di Google Cloud
Earned Mei 28, 2024 EDT
Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud
Earned Mei 21, 2024 EDT
Mengimplementasikan Cloud Load Balancing untuk Compute Engine
Earned Apr 21, 2024 EDT
Build a Certification Study Guide: PDE Exam Prep
Earned Des 14, 2023 EST
Serverless Data Processing with Dataflow: Foundations
Earned Okt 27, 2023 EDT
Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML
Earned Okt 25, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned Okt 12, 2023 EDT
Membangun Data Warehouse dengan BigQuery
Earned Okt 12, 2023 EDT
Menyiapkan Data untuk ML API di Google Cloud
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
Dapatkan badge keahlian dengan menyelesaikan kursus Membuat Data Lake Streaming di Cloud Storage, tempat Anda menggunakan Pub/Sub, Dataflow, dan Cloud Storage bersama-sama untuk membuat data lake streaming di Google Cloud.
Pelajari lebih lanjut
Dalam kursus ini, Anda akan mempelajari cara menggunakan Agent Development Kit Google untuk membangun sistem multi-agen yang kompleks. Anda akan membangun agen yang dilengkapi dengan berbagai alat. Anda juga akan menghubungkannya melalui hubungan dan alur induk-turunan untuk menentukan interaksi antara berbagai agen. Anda akan menjalankan agen secara lokal dan men-deploy-nya ke Agent Runtime di Gemini Enterprise Agent Platform untuk dijalankan sebagai alur agen terkelola. Agent Runtime akan menangani keputusan infrastruktur dan penskalaan resource.
Lab ini didasarkan pada versi pra-rilis produk ini. Lab ini mungkin mengalami jeda saat kami melakukan update pemeliharaan.
Pelajari lebih lanjut
Dapatkan badge keahlian dengan menyelesaikan kursus Mengembangkan Jaringan Google Cloud Anda yang berisi pelajaran tentang berbagai cara untuk men-deploy dan memantau aplikasi, termasuk cara: menjelajahi peran IAM dan menambahkan/menghapus akses project, membuat jaringan VPC, men-deploy dan memantau VM Compute Engine, menulis kueri SQL, men-deploy dan memantau VM di Compute Engine, serta men-deploy aplikasi menggunakan Kubernetes dengan beberapa pendekatan deployment.
Pelajari lebih lanjut
Selesaikan badge keahlian tingkat menengah Mengoptimalkan Biaya untuk Google Kubernetes Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengelola cluster multi-tenant, memantau penggunaan resource berdasarkan namespace, mengonfigurasi penskalaan otomatis pada cluster dan pod untuk tujuan efisiensi, menyiapkan load balancing untuk mengoptimalkan distribusi resource, dan menerapkan pemeriksaan keaktifan serta kesiapan untuk memastikan kondisi aplikasi dan efektivitas biaya.
Pelajari lebih lanjut
Selesaikan badge keahlian Membangun Infrastruktur dengan Terraform di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: Prinsip Infrastruktur sebagai Kode (IaC) menggunakan Terraform, penyediaan dan pengelolaan resource Google Cloud dengan konfigurasi Terraform, pengelolaan status yang efektif (lokal dan jarak jauh), serta modularisasi kode Terraform agar dapat digunakan kembali dan diatur.
Pelajari lebih lanjut
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud, yang memungkinkan Anda mempelajari cara membangun dan menghubungkan infrastruktur cloud yang berpusat pada penyimpanan menggunakan kemampuan dasar teknologi berikut: Cloud Storage, Identity and Access Management, Cloud Functions, dan Pub/Sub.
Pelajari lebih lanjut
Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.
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
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
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
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
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
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
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
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
