Jest członkiem od 2023
Przygotowywanie danych do użycia z interfejsami ML w Google Cloud
Earned paź 21, 2023 EDT
Engineer Data for Predictive Modeling with BigQuery ML
Earned paź 17, 2023 EDT
Building Batch Data Pipelines on Google Cloud
Earned paź 11, 2023 EDT
Classify Images with TensorFlow on Google Cloud
Earned paź 3, 2023 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud
Earned paź 1, 2023 EDT
Ukończ szkolenie wprowadzające Przygotowywanie danych do użycia z interfejsami ML w Google Cloud, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: czyszczenie danych przy użyciu usługi Dataprep firmy Trifacta, uruchamianie potoków danych w Dataflow, tworzenie klastrów i uruchamianie zadań Apache Spark w Dataproc, a także wywoływanie interfejsów API dotyczących uczenia maszynowego, w tym Cloud Natural Language API, Google Cloud Speech-to-Text API oraz Video Intelligence API. Odznaka umiejętności to wyjątkowa cyfrowa odznaka wydawana przez Google Cloud, która potwierdza Twoją wiedzę o produktach i usługach Google Cloud. Aby ją zdobyć, musisz pokazać, że potrafisz zastosować zdobytą wiedzę w praktycznym, interaktywnym środowisku. Ukończ to szkolenie oraz moduł Challenge Lab, aby zdobyć odznakę umiejętności, którą możesz udostępnić w swojej sieci kontaktów.
Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.
Data pipelines typically fall under one of the Extract and Load (EL), Extract, Load and Transform (ELT) or Extract, Transform and Load (ETL) paradigms. This course describes which paradigm should be used and when for batch data. Furthermore, this course covers several technologies on Google Cloud for data transformation including BigQuery, executing Spark on Dataproc, pipeline graphs in Cloud Data Fusion and serverless data processing with Dataflow. Learners get hands-on experience building data pipeline components on Google Cloud using Qwiklabs.
Earn the intermediate Skill Badge by completing the Classify Images with TensorFlow on Google Cloud skill badge course where you learn how to use TensorFlow and Vertex AI to create and train machine learning models. You primarily interact with Vertex AI Workbench user-managed notebooks.
The two key components of any data pipeline are data lakes and warehouses. This course highlights use-cases for each type of storage and dives into the available data lake and warehouse solutions on Google Cloud in technical detail. Also, this course describes the role of a data engineer, the benefits of a successful data pipeline to business operations, and examines why data engineering should be done in a cloud environment. This is the first course of the Data Engineering on Google Cloud series. After completing this course, enroll in the Building Batch Data Pipelines on Google Cloud course.