Teilnehmen Anmelden

Edgar Covantes Osuna

Mitglied seit 2022

Gold League

44950 Punkte
LookML in Looker verstehen Earned Jun 3, 2024 EDT
Datenmodelle in Looker verwalten Earned Mai 12, 2024 EDT
LookML-Objekte in Looker erstellen Earned Mai 11, 2024 EDT
Data Catalog Fundamentals Earned Mai 10, 2024 EDT
Erweiterte LookML-Konzepte in Looker anwenden Earned Mai 9, 2024 EDT
ML-Modelle mit BigQuery ML erstellen Earned Mai 8, 2024 EDT
Informationen aus BigQuery-Daten ableiten Earned Mai 8, 2024 EDT
Daten für Looker-Dashboards und ‑Berichte vorbereiten Earned Mai 7, 2024 EDT
Developing Data Models with LookML Earned Mai 4, 2024 EDT
Daten für ML-APIs in Google Cloud vorbereiten Earned Mai 2, 2024 EDT
Analyzing and Visualizing Data in Looker Earned Mai 2, 2024 EDT
Grundlagen der Datenanalyse mit Google Cloud Earned Apr 30, 2024 EDT
ML-Lösungen mit Vertex AI erstellen und bereitstellen Earned Feb 6, 2024 EST
ML Pipelines on Google Cloud Earned Feb 6, 2024 EST
MLOps with Agent Platform: Manage Features Earned Jan 19, 2024 EST
Machine Learning Operations (MLOps): Getting Started Earned Jan 19, 2024 EST
Recommendation Systems on Google Cloud Earned Jan 17, 2024 EST
Natural Language Processing on Google Cloud Earned Jan 12, 2024 EST
Computer Vision Fundamentals with Google Cloud Earned Jan 5, 2024 EST
Machine Learning in the Enterprise Earned Jan 3, 2024 EST
Production Machine Learning Systems Earned Dez 28, 2023 EST
[DEPRECATED] Feature Engineering Earned Dez 13, 2023 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned Dez 2, 2023 EST
Launching into Machine Learning Earned Nov 18, 2023 EST
Einführung in KI und maschinelles Lernen in Google Cloud Earned Okt 30, 2023 EDT
Daten für ML-APIs in Google Cloud vorbereiten Earned Sep 30, 2023 EDT
Einführung in die Google Cloud-Infrastruktur: Hauptdienste Earned Jul 29, 2023 EDT
Elastische Google Cloud-Infrastruktur: Skalierung und Automatisierung Earned Jul 29, 2023 EDT
Einführung in die Google Cloud-Infrastruktur: Grundlagen Earned Jul 28, 2023 EDT
Google Cloud-Grundlagen: Kerninfrastruktur Earned Jul 27, 2023 EDT
Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud Earned Nov 30, 2022 EST
Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud Earned Nov 29, 2022 EST
Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud Earned Nov 28, 2022 EST
Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen Earned Nov 19, 2022 EST

In diesem Kurs sammeln Sie praktische Erfahrungen mit LookML in Looker. Sie lernen, wie Sie LookML-Code schreiben, um neue Dimensionen und Messwerte zu erstellen, abgeleitete Tabellen zu erstellen und sie mit Explores zu verknüpfen, Explores zu filtern und Caching-Richtlinien in LookML zu definieren.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Datenmodelle in Looker verwalten weisen Sie fortgeschrittene Kenntnisse in den folgenden Bereichen nach: Aufrechterhaltung des Zustands von LookML-Projekten, Verwendung von SQL-Runner zur Datenvalidierung, Umsetzung von Best Practices für LookML, Leistungsoptimierung von Abfragen und Berichten sowie Implementierung von persistenten abgeleiteten Tabellen und Caching-Richtlinien.

Weitere Informationen

Mit dem Skill-Logo zum Einsteigerkurs LookML-Objekte in Looker erstellen weisen Sie Kenntnisse über Folgendes nach: neue Dimensionen und Messwerte, Ansichten und abgeleitete Tabellen erstellen, Messwertfilter und Typen basierend auf Anforderungen festlegen, Dimensionen und Messwerte aktualisieren, Explores erstellen und verfeinern, Ansichten mit vorhandenen Explores verknüpfen und entscheiden, welche LookML- Objekte aufgrund von Geschäftsanforderungen erstellt werden sollen.

Weitere Informationen

Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.

Weitere Informationen

In diesem Kurs sammeln Sie praktische Erfahrungen mit dem Anwenden erweiterter LookML-Konzepte in Looker. Sie lernen, wie Sie Liquid verwenden, um dynamische Dimensionen und Measures zu erstellen und anzupassen. Außerdem erfahren Sie, wie Sie dynamische abgeleitete SQL-Tabellen und benutzerdefinierte native abgeleitete Tabellen erstellen sowie Erweiterungen zur Modularisierung Ihres LookML-Codes nutzen.

Weitere Informationen

Mit dem Skill-Logo zum Kurs ML-Modelle mit BigQuery ML erstellen weisen Sie fortgeschrittene Kenntnisse in folgendem Bereich nach: Erstellen und Bewerten von Machine-Learning-Modellen mit BigQuery ML, um Datenvorhersagen zu treffen.

Weitere Informationen

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.

Weitere Informationen

MMit dem Skill-Logo zum Kurs Daten für Looker-Dashboards und ‑Berichte vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Filtern, Sortieren und Pivotieren von Daten, Zusammenführen der Ergebnisse von verschiedenen Looker-Explores sowie Verwenden von Funktionen und Operatoren zum Erstellen von Looker-Dashboards und ‑Berichten für Analyse und Visualisierung von Daten.

Weitere Informationen

This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.

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

In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.

Weitere Informationen

Erfahren Sie, wie Sie mit Google Cloud Rohdaten in klare, datengestützte Entscheidungen umwandeln können. In praxisorientierten Labs und realen Szenarien lernen Sie in diesem Kurs für Einsteiger, wie Sie Daten in BigQuery abfragen, Trends in Looker untersuchen und interaktive Berichte in Data Studio erstellen, die Sie mit anderen teilen können.

Weitere Informationen

Mit dem Skill-Logo zum Kurs ML-Lösungen mit Vertex AI erstellen und bereitstellen weisen Sie fortgeschrittene Kenntnisse nach. Sie lernen in diesem Kurs, wie Sie die Vertex AI-Plattform von Google Cloud, AutoML und benutzerdefinierte Trainingsdienste nutzen, um Machine-Learning-Modelle zu trainieren, zu bewerten, abzustimmen, zu erklären und bereitzustellen. Dieser Kurs richtet sich an professionelle Data Scientists und Machine Learning Engineers. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über Produkte und Dienste von Google Cloud belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Umgebung anzuwenden. Absolvieren Sie diese Aufgabenreihe und die Challenge-Lab-Prüfung, um ein digitales Abzeichen zu erhalten, das Sie in Ihrem Netzwerk posten können.

Weitere Informationen

In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.

Weitere Informationen

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.

Weitere Informationen

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen

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

Weitere Informationen

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.

Weitere Informationen

In diesem Kurs lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt dabei auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die während des gesamten Data-to-AI-Lebenszyklus verfügbar sind. Data Scientists, Fachkräfte für KI-Entwicklung und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.

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

Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud, mit Schwerpunkt auf der Compute Engine. In Videovorträgen, Demos und praxisorientierten Labs lernen die Teilnehmenden Lösungselemente kennen und stellen sie dann bereit. Dazu gehören Infrastrukturkomponenten wie Netzwerke, Systeme und Anwendungsdienste. Außerdem werden praktische Lösungen vorgestellt, beispielsweise für von Kundinnen und Kunden bereitgestellte Verschlüsselungsschlüssel, die Sicherheits- und Zugriffsverwaltung, Kontingente und Abrechnung sowie das Ressourcenmonitoring.

Weitere Informationen

Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud. In Videovorträgen, Demos und praxisorientierten Labs lernen Teilnehmende Lösungselemente kennen und stellen sie bereit. Dazu gehören sichere Interconnect-Netzwerke, Load Balancing, Autoscaling, Automatisierung der Infrastruktur und verwaltete Dienste.

Weitere Informationen

Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud, mit Schwerpunkt auf der Compute Engine. In Videovorträgen, Demos und praxisorientierten Labs lernen Sie Lösungselemente kennen und stellen sie bereit. Dazu gehören Infrastrukturkomponenten wie Netzwerke, virtuelle Maschinen (VMs) und Anwendungsdienste. Darüber hinaus erfahren Sie, wie Sie über die Console und Cloud Shell mit Google Cloud arbeiten. Außerdem lernen Sie mehr über die Aufgaben eines Cloud Architects, über verschiedene Arten von Infrastrukturdesign und über die Konfiguration virtueller Netzwerke mithilfe von Virtual Private Cloud (VPC), Projekten, Netzwerken, Subnetzwerken, IP-Adressen, Routes und Firewallregeln.

Weitere Informationen

In „Google Cloud-Grundlagen: Kerninfrastruktur“ werden wichtige Konzepte und die Terminologie für die Arbeit mit Google Cloud vorgestellt. In Videos und praxisorientierten Labs werden viele Computing- und Speicherdienste von Google Cloud sowie wichtige Tools für die Ressourcen- und Richtlinienverwaltung präsentiert und miteinander verglichen.

Weitere Informationen

Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit geringen oder gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud Computing. Sie bietet einen Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich. Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren. Die Kurse sollten in folgender Reihenfolge absolviert werden: 1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen 2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud 3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud 4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud Im letzten Kurs der Reihe geht es um verwaltete Big-Data-Dienste, maschinelles Lernen und dessen Vorzüge sowie die Möglichkeit, Ihre Google Cloud-Kompetenzen durch den Erwerb von Skill-L…

Weitere Informationen

Die Kurse „Einführung in das Cloud-Computing von Google“ richten sich an Personen mit wenigen bis gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud-Computing Sie bieten einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich. Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren. Die Kurse sollten in folgender Reihenfolge absolviert werden: 1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen 2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud 3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud 4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud Dieser dritte Kurs behandelt Tools zur Cloud-Automatisierung- und -Verwaltung sowie den Aufbau sicherer Netzwerke.

Weitere Informationen

Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit wenigen bis gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud-Computing. Sie bietet einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich. Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren. Die Kurse sollten in folgender Reihenfolge absolviert werden: 1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen 2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud 3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud 4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud

Weitere Informationen

Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit geringen oder gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud Computing. Sie bietet einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich. Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren. Die Kurse sollten in folgender Reihenfolge absolviert werden: 1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen 2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud 3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud 4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud Diese Kursreihe bietet einen Überblick über Cloud-Computing, verschiedene Nutzungsmöglichkeiten von Google Cloud und verschiedene Computing-Optionen.

Weitere Informationen