Date d'abonnement : 2026
Préparer des données pour les API de ML sur Google Cloud
Earned août 8, 2026 EDT
Dégager des insights des données BigQuery
Earned août 8, 2026 EDT
Déployer des architectures multi-agents
Earned août 8, 2026 EDT
Analyse de flux dans BigQuery
Earned août 7, 2026 EDT
Créer un entrepôt de données avec BigQuery
Earned août 5, 2026 EDT
Terminez le cours d'introduction Préparer des données pour les API de ML sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : le nettoyage des données avec Dataprep by Trifacta, l'exécution de pipelines de données dans Dataflow, la création de clusters et l'exécution de jobs Apache Spark dans Managed Service for Apache Spark, et l'appel d'API de ML comme l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text et l'API Video Intelligence.
Terminez le cours d'introduction Dégager des insights des données BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'écriture de requêtes SQL, l'interrogation de tables publiques, le chargement d'exemples de données dans BigQuery, la résolution d'erreurs de syntaxe courantes avec l'outil de validation des requêtes de BigQuery et la création de rapports dans Data Studio en se connectant aux données BigQuery.
Terminez le cours avancé Déployer des architectures multi-agents pour recevoir un badge démontrant les compétences suivantes : créer des systèmes multi-agents avec ADK, connecter des agents avec le protocole A2A (Agent-to-Agent), intégrer des outils externes à l'aide du protocole MCP (Model Context Protocol) et déployer une solution multi-agents complète sur Agent Engine.
Obtenez un badge de compétence en suivant le cours Analyse de flux dans BigQuery, où vous utiliserez Pub/Sub, Dataflow et BigQuery ensemble pour diffuser des données afin de les analyser.
Terminez le cours intermédiaire Créer un entrepôt de données avec BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : la jointure de données pour créer des tables, la résolution des problèmes liés aux jointures, l'ajout de données avec des unions, la création de tables partitionnées par date, et l'utilisation d'objets JSON, ARRAY et STRUCT dans BigQuery.