Teilnehmen Anmelden

Andres Peralta

Mitglied seit 2022

Diamond League

18790 Punkte
Grundlegende Sicherheitsfunktionen in Google Cloud implementieren Earned Nov 28, 2024 EST
Einführung in KI und maschinelles Lernen in Google Cloud Earned Nov 26, 2024 EST
Referenz – Infrastruktur Earned Nov 23, 2024 EST
Daten für Looker-Dashboards und ‑Berichte vorbereiten Earned Nov 23, 2024 EST
Informationen aus BigQuery-Daten ableiten Earned Nov 23, 2024 EST
Einführung in Data Engineering in Google Cloud Earned Nov 23, 2024 EST
Serverless Data Processing with Dataflow: Foundations Earned Dez 4, 2023 EST
Build a Certification Study Guide: PDE Exam Prep Earned Nov 29, 2023 EST
Daten für ML-APIs in Google Cloud vorbereiten Earned Nov 23, 2023 EST
Cloud Load Balancing in der Compute Engine implementieren Earned Jun 7, 2022 EDT
Build Batch Data Pipelines on Google Cloud Earned Jun 6, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Mai 27, 2022 EDT
Build Streaming Data Pipelines on Google Cloud Earned Mai 26, 2022 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned Jan 26, 2022 EST
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned Jan 24, 2022 EST

Mit dem Skill-Logo zum Kurs Grundlegende Sicherheitsfunktionen in Google Cloud implementieren weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen und Zuweisen von Rollen mit Identity and Access Management (IAM); Erstellen und Verwalten von Dienstkonten; Herstellen einer privaten Verbindung zwischen Virtual Private Cloud-Netzwerken (VPC); Beschränken des Anwendungszugriffs mithilfe von Identity-Aware Proxy; Verwalten von Schlüsseln und verschlüsselten Daten mit Cloud Key Management Service (KMS); und Erstellen eines privaten Kubernetes-Clusters.

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

Wenn Sie als Einsteiger im Bereich Cloudentwicklung nach praktischen Übungen suchen, die über reine Google Cloud-Grundlagen hinausgehen, ist dieser Kurs genau das Richtige für Sie. Sie sammeln praktische Erfahrungen in Labs rund um Cloud Storage und andere wichtige Anwendungsdienste wie Cloud Monitoring und Cloud Functions. Dabei bauen Sie Ihre Fähigkeiten aus, um sie bei unterschiedlichen Google Cloud-Initiativen einsetzen zu können.

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

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

In diesem Kurs lernen Sie Data Engineering on Google Cloud sowie die Rollen und Verantwortlichkeiten von Data Engineers kennen und sehen, wie diese mit den Angeboten von Google Cloud zusammenhängen. Außerdem erfahren Sie, wie Sie Herausforderungen im Bereich Data Engineering meistern können.

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

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

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

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

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

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

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

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