Zaw May
Menjadi anggota sejak 2023
Gold League
44025 poin
Menjadi anggota sejak 2023
Ini adalah kursus kelima dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan menggabungkan dan menerapkan pengetahuan serta keterampilan dasar dari kursus 1 sampai 4 dalam project akhir praktis yang berfokus pada project siklus proses data secara keseluruhan. Anda akan mempraktikkan penggunaan alat berbasis cloud untuk mengumpulkan, menyimpan, memproses, menganalisis, memvisualisasikan, dan mengomunikasikan insight data secara efektif. Pada akhir kursus, Anda akan menyelesaikan project yang menunjukkan kemahiran Anda dalam menyusun data secara efektif dari berbagai sumber, mempresentasikan solusi kepada berbagai pemangku kepentingan, dan memvisualisasikan insight data menggunakan software berbasis cloud. Anda juga akan memperbarui resume Anda dan mempraktikkan teknik wawancara untuk membantu mempersiapkan diri melamar pekerjaan dan menghadapi wawancara.
Ini adalah kursus keempat dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan berfokus pada pengembangan keterampilan dalam lima tahap utama visualisasi data di cloud: bercerita, membuat perencanaan, melakukan eksplorasi data, membuat visualisasi, dan berbagi data dengan orang lain. Anda juga akan mendapatkan pengalaman menggunakan keterampilan UI/UX untuk membuat wireframe visualisasi berbasis cloud yang berdampak dan bekerja dengan alat visualisasi data berbasis cloud untuk mengeksplorasi set data, membuat laporan, serta membangun dasbor yang mendorong keputusan dan meningkatkan kolaborasi.
Ini adalah kursus ketiga dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan memulai dengan mendapatkan ringkasan tentang perjalanan data, mulai dari pengumpulan hingga insight. Kemudian Anda akan mempelajari cara menggunakan SQL untuk mengubah data mentah menjadi format yang dapat digunakan. Selanjutnya, Anda akan mempelajari cara mengubah volume data yang besar menggunakan pipeline data. Terakhir, Anda akan memperoleh pengalaman dalam menerapkan strategi transformasi pada set data yang nyata untuk memenuhi kebutuhan bisnis.
Ini adalah kursus kedua dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan mempelajari cara data disusun dan diatur. Anda akan mendapatkan pengalaman langsung dalam mengelola arsitektur lakehouse data dan komponen cloud seperti BigQuery, Google Cloud Storage, dan Dataproc untuk menyimpan, menganalisis, serta memproses set data besar secara efisien.
Ini adalah kursus pertama dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan mendefinisikan bidang analisis data cloud dan menjelaskan peran serta tanggung jawab seorang analis data cloud terkait akuisisi, penyimpanan, pemrosesan, dan visualisasi data. Anda akan mempelajari arsitektur alat berbasis Google Cloud, seperti BigQuery dan Cloud Storage, serta cara penggunaannya untuk menyusun, menampilkan, dan melaporkan data secara efektif.
Dapatkan Badge Keahlian tingkat menengah dengan menyelesaikan kursus badge keahlian Mengklasifikasikan Gambar dengan TensorFlow di Google Cloud, tempat Anda mempelajari cara menggunakan TensorFlow dan Vertex AI untuk membuat dan melatih model machine learning. Anda akan banyak berinteraksi dengan notebook yang dikelola pengguna di Vertex AI Workbench.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Selesaikan badge keahlian pengantar Membangun Mesh Data dengan Knowledge Catalog untuk menunjukkan keterampilan dalam hal berikut: membuat mesh data dengan Knowledge Catalog untuk memfasilitasi keamanan, tata kelola, dan penemuan data di Google Cloud. Anda akan berlatih dan menguji keterampilan Anda dalam memberikan tag pada aset, menetapkan peran IAM, dan menilai kualitas data di Knowledge Catalog.
In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.
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.
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.
Dapatkan badge keahlian dengan menyelesaikan kursus badge keahlian Berbagi Data Menggunakan Google Data Cloud, tempat Anda akan mendapatkan pengalaman praktis dengan Google Cloud Partner Berbagi Data, yang memiliki set data eksklusif yang dapat digunakan pelanggan untuk kasus penggunaan analisis mereka. Pelanggan berlangganan data ini, mengkuerinya dalam platform mereka sendiri, lalu menambahkannya dengan set data mereka sendiri dan menggunakan visualisasi untuk dasbor yang berinteraksi dengan pelanggan mereka.
Selesaikan badge keahlian pengantar Mengelola dan Mengatur Data dengan Dataplex untuk menunjukkan keahlian dalam hal berikut: membuat aset Dataplex, membuat jenis aspek, dan menerapkan aspek ke entri di Dataplex. Badge keahlian akan memvalidasi pengetahuan praktis Anda terkait produk tertentu melalui lab interaktif dan penilaian tantangan. Dapatkan badge dengan menyelesaikan kursus atau langsung ikuti Challenge Lab untuk mendapatkan badge Anda hari ini. Badge membuktikan kemahiran Anda, meningkatkan profil profesional Anda, dan pada akhirnya membantu meningkatkan peluang karier Anda. Buka profil Anda untuk memantau badge yang telah Anda peroleh.
Ingin membangun model ML dalam hitungan menit, bukan jam, hanya dengan menggunakan SQL? BigQuery ML memperluas akses machine learning dengan memungkinkan analis data membuat, melatih, mengevaluasi, dan memprediksi sesuatu dengan model machine learning menggunakan alat serta keterampilan SQL yang ada. Dalam rangkaian lab ini, Anda akan bereksperimen dengan beragam jenis model dan mempelajari ciri-ciri model yang baik.
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.
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.
Dapatkan badge keahlian dengan menyelesaikan kursus Men-streaming Analytics ke BigQuery, tempat Anda menggunakan Pub/Sub, Dataflow, dan BigQuery secara bersamaan untuk melakukan streaming data untuk analisis.
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.
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.
Selesaikan badge keahlian pengantar Mendapatkan Insight dari Data BigQuery untuk menunjukkan keterampilan dalam hal berikut: menulis kueri SQL, membuat kueri tabel publik, memuat sampel data ke dalam BigQuery, memecahkan masalah error sintaksis umum dengan validator kueri di BigQuery, dan membuat laporan di Data Studio dengan menghubungkannya ke data BigQuery.
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.
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.
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.
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.