Jest członkiem od 2022
Przygotowywanie danych do użycia z interfejsami ML w Google Cloud
Earned wrz 7, 2022 EDT
Serverless Data Processing with Dataflow: Foundations
Earned sie 25, 2022 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud
Earned sie 24, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals
Earned sie 24, 2022 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.
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.
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.
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.