Raditya Aji
メンバー加入日: 2019
シルバーリーグ
5200 ポイント
BigQuery のデータから分析情報を引き出す
Earned 10月 5, 2022 EDT
ML 入門: 言語処理
Earned 7月 12, 2020 EDT
Data Catalog Fundamentals
Earned 7月 1, 2020 EDT
BigQuery for Marketing Analysts
Earned 7月 1, 2020 EDT
BigQuery for Data Warehousing
Earned 7月 1, 2020 EDT
Workspace: アドオン
Earned 7月 1, 2020 EDT
[Deprecated] Advanced ML: ML Infrastructure
Earned 6月 30, 2020 EDT
Google Workspace の基礎
Earned 6月 28, 2020 EDT
Google デベロッパー向け基礎
Earned 6月 27, 2020 EDT
ML 入門: 画像処理
Earned 6月 25, 2020 EDT
ML のための BigQuery
Earned 6月 25, 2020 EDT
DEPRECATED BigQuery Basics for Data Analysts
Earned 6月 24, 2020 EDT
Cloud SQL
Earned 5月 28, 2020 EDT
DEPRECATED Developing Data and Machine Learning Apps with C#
Earned 6月 2, 2019 EDT
[DEPRECATED] Data Engineering
Earned 5月 29, 2019 EDT
機械学習API
Earned 5月 27, 2019 EDT
Google Cloud Platformでのデータサイエンス：機械学習
Earned 5月 25, 2019 EDT
Scientific Data Processing
Earned 5月 18, 2019 EDT
Data Science on the Google Cloud Platform
Earned 5月 14, 2019 EDT
Baseline: Deploy & Develop
Earned 5月 10, 2019 EDT
DEPRECATED BigQuery for Data Analysis
Earned 5月 9, 2019 EDT
Google Cloud の基礎
Earned 5月 7, 2019 EDT
ベースライン: データ、ML、AI
Earned 5月 5, 2019 EDT
NCAA® March Madness®: Bracketology with Google Cloud
Earned 5月 4, 2019 EDT
「BigQuery のデータから分析情報を引き出す」の入門スキルバッジを獲得すると、 SQL クエリの作成、一般公開テーブルに対するクエリの実行、BigQuery へのサンプルデータの読み込み、BigQuery でのクエリ バリデータを使用した一般的な構文エラーのトラブルシューティング、 BigQuery データへの接続による Data Studio でのレポート作成といったスキルを実証できます。
詳細
ML は、IT 分野で最も急速に成長している技術の一つであり、Google Cloud Platform はその発展に大きく貢献してきました。 Google Cloud では多数の API により、ほぼすべての ML ジョブに対応するツールを提供しています。 この入門コースでは、ラボを通じて言語処理に活用できる ML の実践演習を行います。 これにより、テキストからのエンティティの抽出、 感情分析と構文解析、音声文字変換のための Speech-to-Text API の使用方法を学ぶことができます。
詳細
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.
詳細
マーケティングデータを洞察し、ダッシュボード構築はいかがでしょう？大規模な分析とモデル構築のために、すべてのデータを1か所にまとめましょう。クエリ方法を学び、また BigQuery を使用しながら、再現性があり、拡張可能、そして価値ある洞察を データ化します。 BigQuery は、Google が完全管理しており、 NoOpsで、低コストの分析データベースです。 BigQuery を使用すれば、管理すべき インフラストラクチャを持たずに、またはデータベース管理者を必要とすることなく、何テラバイトものデータをクエリすることができます。 BigQuery は SQL を使用し、従量制モデルを利用できます。 BigQuery を使用すれば、データ分析に集中でき、意味ある洞察を見い出だすことができます。
詳細
データ ウェアハウスの構築または最適化を検討している場合は、BigQuery を使ったデータの抽出、変換、Google Cloud への読み込みに関するおすすめの方法を学びます。この一連のインタラクティブなラボでは、各種の大規模な BigQuery 一般公開データセットを使って独自のデータ ウェアハウスを作成、最適化します。BigQuery は、Google が低料金で提供する NoOps のフルマネージド分析データベースです。インフラストラクチャを所有して管理したり、データベース管理者を配置したりすることなく、テラバイト単位の大規模なデータでクエリを実行できます。また、SQL が採用されており、従量課金制モデルでご利用いただけます。このような特徴を活かし、お客様は有用な情報を得るためのデータ分析に専念できます。
詳細
このハンズオンラボのコレクションでは、 Google Cloud サービスおよびツールと Workspace アプリケーションを統合する効果を実証します。Node.js を使用してアンケート ボットを構築したり、 Natural Language API を使用して Google ドキュメント内の感情を認識したり、 Apps スクリプトを使用して chat bot を構築したりします。
詳細
Machine Learning is one of the most innovative fields in technology, and the Google Cloud Platform has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning at scale and how to employ the advanced ML infrastructure available on Google Cloud.
詳細
Workspace は、Google Cloud で提供されている Google の共同作業用アプリケーション スイートです。この入門レベルのコースでは、 ユーザーの視点で Workspace の主要なアプリケーションの実践演習を行います。Workspace には、 ここで取り上げるもの以外にも、多くのアプリケーションやツールが含まれますが、 ここでは Gmail、カレンダー、スプレッドシートなど、いくつかの主要アプリを 体験します。各ラボの所要時間は 10～15 分ですが、ご自身でご自由に アプリケーションの操作を試すための時間も用意されています。
詳細
この入門レベルのコースでは、アプリケーション開発者を対象に、Google Cloud のエコシステムを使用して安全、スケーラブル、インテリジェントなクラウドネイティブ アプリケーションを構築する方法を説明 します。インフラストラクチャの設定を行わずにアプリケーションの開発やスケーリングを行う方法、 データ分析を実施する方法、データから分析情報を得る方法、トレーニング済み ML の API を使って開発し、ML のエキスパートでなくても ML を活用する方法を学びます。 また、さまざまな Google サービスや API とのシームレスな統合を利用して、 インテリジェントなアプリを作成します。
詳細
大規模なコンピューティング能力を使用してパターンを認識し、 画像を「読み取る」ことは、自動運転車や顔認識に使用される AI の基盤技術の一つです 。 Google Cloud Platform は、 API を呼び出すだけで利用できるシステムを通じて、ワールドクラスの速度と精度を提供します。 こうした機能とさまざまな API を備えた GCP のツールを使えば、 ほぼあらゆる ML ジョブに対応できます。 この入門コースでは、 画像処理に用いられる ML の実践的な演習を行います。 ラボを活用して、画像にラベルを付けたり、顔やランドマークを検出したり、 画像内のテキストを抽出、分析、翻訳したりすることができます。
詳細
SQL だけを使用して、数時間ではなく数分で ML モデルを構築したいとお考えの場合、BigQuery ML は、データ アナリストが既存の SQL ツールやスキルを使って、ML モデルを作成、トレーニング、 評価し、そのモデルで予測を行うことを可能にして、ML をより多くの人が利用できるようにします。 この一連のラボでは、さまざまなモデルタイプを試して、 優れたモデルを作成する方法を学習します。
詳細
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
詳細
Cloud SQL is a fully managed database service that stands out from its peers due to high performance, seamless integration, and impressive scalability. In this quest you will receive hands-on practice with the basics of Cloud SQL and quickly progress to advanced features, which you will apply to production frameworks and application environments. From creating instances and querying data with SQL, to building Deployment Manager scripts and connecting Cloud SQL instances with applications run on GKE containers, this quest will give you the knowledge and experience needed so you can start integrating this service right away.
詳細
C# has powered Windows .NET application development for nearly two decades and Google Cloud is committed to supporting developers getting their .NET workloads up and running on Google Cloud. In this quest, you will learn how to run C# apps in Google Cloud, and specifically how to take your apps to the next level by interfacing them with the big data and machine learning APIs that are accessible now from C#. By enrolling in this quest you will see firsthand how seamlessly Google Cloud integrates with .NET workloads and what the possibilities are for leveraging big data and ML services in your own C# projects.
詳細
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.
詳細
機械学習はもっとも迅速に成長しているテクノロジーの分野です。Google Cloud Platformは、その成長に一役かっています。APIのホストを使うことにより、GCPにはツールがあります。この上級レベルのクエストでは、「Implementing an AI Chatbot with Dialogflow」や「Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API」と同様に機械学習APIについてハンズオンで演習ができます。
詳細
これは2 つ目のクエストで、Google Cloud Platform の Valliappa Lakshmananが O'Reilly Media, Inc. から出版した「Data Science on the Google Cloud Platform」からの派生したラボです。9つのラボで構成され、1つ目のクエストで練習したスキルをさらに伸ばし、最先端で本格的な機械学習を実際的なデータで実行することで、Google Cloud Platformの機能とサービスを堪能していだけます。
詳細
ビッグデータ、機械学習、科学的データ。完璧な組み合わせといえます。このクエストは上級レベルであり、実際の科学的データセットを使用するユースケースに BigQuery、Managed Service for Apache Spark、Tensorflow などの GCP サービスを当てはめ、実践的な演習を行います。「科学的データ処理」では、地震データの分析や衛星画像の集約といったタスクを実践し、ビッグデータと機械学習に関するスキルの強化を図ります。これにより、多岐にわたる科学的分野でさまざまな問題に取り組むことができるようになります。
詳細
これは 2 つのクエストから構成されるハンズオンラボの 1 つ目のクエストで、『Data Science on Google Cloud Platform』（著者: Valliappa Lakshmanan、出版元: O'Reilly Media, Inc.）という書籍から抜粋した演習をもとに作成されたものです。1 つ目のクエストでは第 8 章までを扱い、Google Cloud Platform のツールとサービスを使用して、データセットの取り込み、準備、処理、クエリ、探索、可視化に関するあらゆる面について学習することができます。
詳細
In this introductory-level quest, you will learn the fundamentals of developing and deploying applications on the Google Cloud Platform. You will get hands-on experience with the Google App Engine framework by launching applications written in languages like Python, Ruby, and Java (just to name a few). You will see first-hand how straightforward and powerful GCP application frameworks are, and how easily they integrate with GCP database, data-loss prevention, and security services.
詳細
Want to learn the core SQL and visualization skills of a Data Analyst? Interested in how to write queries that scale to petabyte-size datasets? Take the BigQuery for Analyst Quest and learn how to query, ingest, optimize, visualize, and even build machine learning models in SQL inside of BigQuery.
詳細
この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。
詳細
ビッグデータ、ML、AI は今日のコンピュータ業界ではホットなトピックですが、 これらの分野は非常に専門性が高く、 入門レベルの教材を見つけるのは困難です。幸いなことに、Google Cloud はこうした分野でユーザー フレンドリーなサービスを提供しており、 この入門レベルのコースを通じて、BigQuery、Cloud Speech API、 Video Intelligence などのツールを使い始めるための第一歩を踏み出せます。
詳細
In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.
詳細
