Mitglied seit 2020
[DEPRECATED] Data Engineering
Earned Jan 31, 2021 EST
Pipelines ohne Code in Cloud Data Fusion erstellen
Earned Jan 31, 2021 EST
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Jan 3, 2021 EST
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Dieser Kurs bietet praktische Übungen zu Cloud Data Fusion, einer cloudnativen, codefreien Datenintegrationsplattform. ETL-Entwickler*innen, Data Engineers und Analyst*innen können von den vordefinierten Transformationen und Connectors profitieren und Pipelines erstellen und bereitstellen, ohne Code schreiben zu müssen. Dieser Kurs beginnt mit einem einführenden Lab, in dem die Teilnehmenden mit der Benutzeroberfläche von Cloud Data Fusion vertraut gemacht werden. Lernende testen anschließend die Ausführung von Batch- und Echtzeit-Pipelines sowie die Verwendung des integrierten Wrangler-Plug-ins, um auf diese Weise Datentransformationen durchzuführen.
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.