Teilnehmen Anmelden

Ihre Kompetenzen in der Google Cloud Console anwenden

Aldo Galán Méndez

Mitglied seit 2023

Gemini für Data Scientists und Analysts Earned Aug 14, 2025 EDT
Einführung in KI und maschinelles Lernen in Google Cloud Earned Jun 14, 2024 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud Earned Okt 27, 2023 EDT
Preparing for your Professional Data Engineer Journey Earned Okt 4, 2023 EDT
Launching into Machine Learning Earned Jun 23, 2023 EDT
How Google Does Machine Learning Earned Mai 23, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals Earned Mai 19, 2023 EDT

In diesem Kurs erfahren Sie, wie Sie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, bei der Analyse von Kundendaten und der Prognose von Produktverkäufen unterstützen kann. Außerdem lernen Sie, wie Sie mithilfe von Kundendaten in BigQuery Neukunden identifizieren, kategorisieren und gewinnen können. In den praxisorientierten Labs erfahren Sie, wie Gemini Datenanalysen und Workflows für Machine Learning optimiert. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.

Weitere Informationen

In diesem Kurs lernen Sie die KI- und ML-Angebote von Google Cloud für Projekte mit prädiktiver und generativer KI kennen. Dabei werden die Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Der Kurs umfasst KI‑Grundlagen, ‑Entwicklung und ‑Lösungen. Data Scientists, KI-Entwickler und ML-Engineers sollen in diesem Kurs ihre Fähigkeiten und Kenntnisse durch ansprechende Lernangebote sowie praxisorientierte Übungen erweitern.

Weitere Informationen

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.

Weitere Informationen

This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.

Weitere Informationen

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Weitere Informationen

This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.

Weitere Informationen

This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.

Weitere Informationen