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.
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.
In this course, we define what machine learning is and how it can benefit your business. You'll see a few demos of ML in action and learn key ML terms like instances, features, and labels. In the interactive labs, you will practice invoking the pretrained ML APIs available as well as build your own Machine Learning models using just SQL with BigQuery ML.
Bukan rahasia lagi bahwa machine learning adalah salah satu bidang yang berkembang paling cepat di ranah teknologi, dan Google Cloud Platform telah berperan penting dalam memajukan pengembangannya. Dengan berbagai API, GCP memiliki alat untuk hampir semua tugas machine learning. Dalam kursus pengantar ini, Anda akan melakukan praktik langsung dengan machine learning sebagaimana diterapkan pada pemrosesan bahasa, melalui serangkaian lab yang akan memungkinkan Anda mengekstrak entity dari teks, melakukan analisis sentimen dan sintaksis, serta menggunakan Speech to Text API untuk melakukan transkripsi.
Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.
Kursus Penjelajah AI Generatif - Vertex AI adalah sekumpulan lab yang membahas cara menggunakan AI Generatif di Google Cloud. Melalui lab ini, Anda akan mempelajari cara menggunakan model dalam rangkaian Vertex AI PaLM API, termasuk text-bison, chat-bison, dan textembedding-gecko. Anda juga akan mempelajari desain perintah, praktik terbaik, serta cara menggunakannya untuk pencarian ide, klasifikasi teks, ekstraksi teks, peringkasan teks, dan banyak lagi. Anda juga akan mempelajari cara menyesuaikan model dasar dengan melatihnya melalui pelatihan kustom Vertex AI dan men-deploy-nya ke endpoint Vertex AI.
Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Jaringan Google Cloud yang Aman yang membahas resource yang terkait dengan beberapa jaringan untuk membangun, menskalakan, dan mengamankan aplikasi Anda di Google Cloud.
This is the first of two Quests of hands-on labs is derived from the exercises from the book Data Science on Google Cloud Platform, 2nd Edition by Valliappa Lakshmanan, published by O'Reilly Media, Inc. In this first Quest, covering up through chapter 8, you are given the opportunity to practice all aspects of ingestion, preparation, processing, querying, exploring and visualizing data sets using Google Cloud tools and services.
Selesaikan badge keahlian Membangun Infrastruktur dengan Terraform di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: Prinsip Infrastruktur sebagai Kode (IaC) menggunakan Terraform, penyediaan dan pengelolaan resource Google Cloud dengan konfigurasi Terraform, pengelolaan status yang efektif (lokal dan jarak jauh), serta modularisasi kode Terraform agar dapat digunakan kembali dan diatur.
Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi Serverless dengan Firebase untuk menunjukkan keterampilan dalam hal berikut ini: membuat arsitektur dan membangun aplikasi web serverless dengan Firebase, memanfaatkan pengelolaan database Firestore, mengotomatiskan proses deployment menggunakan Cloud Build, dan mengintegrasikan fungsi Asisten Google ke dalam aplikasi.
Dapatkan badge keahlian dengan menyelesaikan kursus Mengembangkan Jaringan Google Cloud Anda yang berisi pelajaran tentang berbagai cara untuk men-deploy dan memantau aplikasi, termasuk cara: menjelajahi peran IAM dan menambahkan/menghapus akses project, membuat jaringan VPC, men-deploy dan memantau VM Compute Engine, menulis kueri SQL, men-deploy dan memantau VM di Compute Engine, serta men-deploy aplikasi menggunakan Kubernetes dengan beberapa pendekatan deployment.
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.
In this course you will learn how you to harness serious Google Cloud power and infrastructure. The hands-on labs will give you use cases and you will be tasked with implementing scaling practices utilized by Google’s very own Solutions Architecture team. From developing enterprise grade load balancing and autoscaling, to building continuous delivery pipelines, Google Cloud Solutions I: Scaling your Infrastructure will teach you best practices for taking your Google Cloud projects to the next level.
Want to turn your marketing data into insights and build dashboards? Bring all of your data into one place for large-scale analysis and model building. Get repeatable, scalable, and valuable insights into your data by learning how to query it and using BigQuery. 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.
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.
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.
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.
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
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.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
Dapatkan badge keahlian pengantar dengan menyelesaikan kursus badge keahlian Membangun Situs di Google Cloud. Kursus ini didasarkan pada serial Get Cooking in Cloud dan mencakup:Men-deploy situs di Cloud RunMenghosting aplikasi web di Compute EngineMembuat, men-deploy, dan menskalakan situs Anda di Google Kubernetes EngineBermigrasi dari aplikasi monolitik ke arsitektur microservice menggunakan Cloud Build
Selesaikan badge keahlian Men-deploy Aplikasi Kubernetes di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut ini: mengonfigurasi dan membangun image container Docker, membuat dan mengelola cluster Google Kubernetes Engine (GKE), memanfaatkan kubectl untuk pengelolaan cluster yang efisien, dan men-deploy aplikasi Kubernetes dengan praktik continuous delivery (CD) yang andal.
Selesaikan badge keahlian Mengimplementasikan Alur Kerja DevOps di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: membuat repositori git dengan Cloud Source Repositories, meluncurkan, mengelola, dan menskalakan deployment di Google Kubernetes Engine (GKE), serta merancang pipeline CI/CD yang mengotomatiskan pembangunan dan deployment image container ke GKE.
Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest and the final assessment challenge lab to receive a skill badge that you can share with your network.
Selesaikan badge keahlian Mengembangkan Aplikasi Serverless di Cloud Run untuk menunjukkan keterampilan Anda dalam hal berikut: mengintegrasikan Cloud Run dengan Cloud Storage untuk pengelolaan data, membangun sistem asinkron yang tangguh menggunakan Cloud Run dan Pub/Sub, membuat gateway REST API yang didukung Cloud Run, dan membangun serta men-deploy layanan di Cloud Run.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk Dasbor dan Laporan Looker untuk menunjukkan keterampilan dalam hal berikut: memfilter, mengurutkan, dan melakukan pivot pada data; menggabungkan hasil dari sejumlah Eksplorasi Looker; serta menggunakan fungsi dan operator untuk membangun dasbor dan laporan Looker untuk analisis dan visualisasi data.
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 Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
Dapatkan badge keahlian tingkat lanjut dengan menyelesaikan kursus tentang Menggunakan API Machine Learning di Google Cloud yang membahas fitur dasar machine learning dan dan teknologi AI berikut: Cloud Vision API, Cloud Translation API, dan Cloud Natural Language API.
It's no secret that machine learning is one of the fastest growing fields in tech, and Google Cloud 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 APIs by taking labs like Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API. Looking for a hands-on challenge lab to demonstrate your skills and validate your knowledge? Enroll in and finish the additional challenge lab at the end of this quest to receive an exclusive Google Cloud digital badge.
Di kursus ini, Anda akan mendapatkan pengalaman langsung dalam menerapkan konsep LookML lanjutan di Looker. Anda akan mempelajari cara menggunakan Liquid untuk menyesuaikan dan membuat dimensi serta ukuran dinamis, membuat tabel turunan SQL dinamis dan tabel turunan native yang disesuaikan, serta menggunakan ekstensi untuk memodularisasi kode LookML Anda.
Selesaikan badge keahlian tingkat menengah Membuat Model ML dengan BigQuery ML untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengevaluasi model machine learning dengan BigQuery ML untuk membuat prediksi data.
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 Looker Studio dengan menghubungkannya ke data BigQuery.
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.
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.
Big data, machine learning, dan kecerdasan buatan menjadi topik komputasi yang populer saat ini, tetapi bidang tersebut sangat terspesialisasi dan materi pengantarnya sulit diperoleh. Untungnya, Google Cloud menyediakan layanan yang mudah digunakan dalam bidang tersebut, dan melalui kursus tingkat pengantar ini, Anda dapat mengambil langkah pertama dengan alat seperti BigQuery, Cloud Speech API, dan Video Intelligence.
In this quest, you will get hands-on experience with LookML in Looker. You will learn how to write LookML code to create new dimensions and measures, create derived tables and join them to Explores, filter Explores, and define caching policies in LookML.