成为会员时间：2024
使用 BigQuery 构建数据仓库
Earned Jul 4, 2025 EDT
使用 Dataplex 构建数据网格
Earned Jun 1, 2025 EDT
Google Cloud 数据工程简介
Earned Mar 30, 2025 EDT
在 BigQuery 中使用 Gemini 模型
Earned Feb 23, 2025 EST
使用 Gemini in BigQuery 提高效率
Earned Feb 16, 2025 EST
Serverless Data Processing with Dataflow: Foundations
Earned Feb 2, 2025 EST
Build Data Lakes and Data Warehouses on Google Cloud
Earned Jan 18, 2025 EST
完成中级技能徽章课程使用 BigQuery 构建数据仓库，展示以下技能： 联接数据以创建新表、排查联接故障、使用并集附加数据、创建日期分区表， 以及在 BigQuery 中使用 JSON、数组和结构体。 技能徽章是 Google Cloud 颁发的专属数字徽章， 旨在认可您在 Google Cloud 产品与服务方面的熟练度； 您需要在交互式实操环境中参加考核，证明自己运用所学知识的能力后 才能获得。完成此技能徽章课程和作为最终评估的实验室挑战赛， 获得数字徽章，在您的人际圈中炫出自己的技能。
完成入门技能徽章课程使用 Dataplex 构建数据网格，展示以下方面的技能：使用 Dataplex 构建数据网格， 以在 Google Cloud 上实现数据安全、治理和发现。您将在 Dataplex 中练习和测试自己在标记资产、分配 IAM 角色和评估数据质量方面的技能。
在本课程中，您将了解 Google Cloud 数据工程、数据工程师的角色和职责，以及相关的 Google Cloud 产品和服务。您还将了解如何应对数据工程挑战。
本课程展示了如何在 BigQuery 中使用 AI/机器学习模型处理生成式 AI 任务。通过一个涉及客户关系管理的实际应用场景，您将学习到使用 Gemini 模型解决业务问题的工作流程。为了便于理解，本课程还将通过使用 SQL 查询和 Python 笔记本的编码解决方案提供分步指导。
此课程将探索如何使用 AI 功能套件 Gemini in BigQuery 为“数据到 AI”工作流提供助力。其中涉及到的功能包括数据探索和准备、代码生成和问题排查，以及工作流发现和可视化。此课程包含概念解释、真实使用场景以及实操实验等内容，可帮助数据从业者提升效率并加快流水线开发速度。
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.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.