Dalam kursus ini, Anda akan mempelajari cara mengembangkan aplikasi menggunakan Flutter, yakni toolkit UI portabel dari Google, dan mengintegrasikan aplikasi dengan Gemini, yakni rangkaian produk model AI generatif Google. Anda juga akan menggunakan Vertex AI Agent Builder, yakni platform Google untuk membangun dan mengelola Agen dan aplikasi AI.
Tingkatkan pengalaman navigasi situs Anda menggunakan AI generatif untuk memberikan pengalaman penelusuran yang lebih baik bagi pengguna. Di kursus ini, Anda akan mempelajari cara menggunakan Vertex AI Search untuk memberikan pengalaman penelusuran generatif kepada pengguna situs Anda, sehingga mereka dapat menemukan konten yang ditawarkan oleh situs tersebut. Sebagai editor situs, Anda juga akan belajar cara menggunakan AI generatif untuk menerjemahkan dan meningkatkan kualitas konten dengan cepat dan efisien menggunakan saran.
In this quest, you will get hands-on experience with LookML in Looker. You will learn how to write LookML code to create new dimensions and measures, create derived tables and join them to Explores, filter Explores, and define caching policies in LookML.
Menyelesaikan badge keahlian tingkat menengah Menginspeksi Dokumen Multimedia dengan Multimodalitas Gemini dan RAG Multimodal untuk menunjukkan keterampilan dalam hal berikut ini: menggunakan prompt multimodal untuk mengekstrak informasi dari data teks dan visual dengan menghasilkan deskripsi video, dan mengambil informasi tambahan di luar video menggunakan multimodalitas dengan Gemini; membangun metadata dokumen yang berisi teks dan gambar dengan mendapatkan semua potongan teks yang relevan, dan mencetak kutipan dengan menggunakan Multimodal Retrieval Augmented Generation (RAG) dengan Gemini. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan kursus badge keahlian ini dan challenge lab penilaian akhir untuk menerima badge keahlian yang dapat Anda bagikan ke jarin…
In this course, you will learn the important role that different types of webhooks play in Dialogflow CX development, and how to effectively integrate them into your routine configuration of a Virtual Agent.
Menjelajahi teknologi, alat, dan aplikasi penelusuran yang didukung AI dalam kursus ini. Mempelajari penelusuran semantik dengan memanfaatkan embedding vektor, penelusuran campuran yang menggabungkan pendekatan semantik dan kata kunci, serta Retrieval-Augmented Generation (RAG) yang meminimalkan halusinasi AI sebagai agen AI yang di-grounding. Mendapatkan pengalaman praktis dengan Vertex AI Vector Search untuk membangun mesin telusur yang cerdas.
Kursus ini memperkenalkan Vertex AI Studio, sebuah alat untuk berinteraksi dengan model AI generatif, membuat prototipe ide bisnis, dan meluncurkannya ke dalam produksi. Melalui kasus penggunaan yang imersif, pelajaran menarik, dan lab interaktif, Anda akan menjelajahi siklus proses dari perintah ke produk dan mempelajari cara memanfaatkan Vertex AI Studio untuk aplikasi multimodal Gemini, desain perintah, rekayasa perintah, dan tuning model. Tujuan kursus ini adalah agar Anda dapat memanfaatkan potensi AI generatif dalam project Anda dengan Vertex AI Studio.
Kursus ini menjelaskan cara membuat model keterangan gambar menggunakan deep learning. Anda akan belajar tentang berbagai komponen model keterangan gambar, seperti encoder dan decoder, serta cara melatih dan mengevaluasi model. Pada akhir kursus ini, Anda akan dapat membuat model keterangan gambar Anda sendiri dan menggunakannya untuk menghasilkan teks bagi gambar.
Kursus ini memperkenalkan Anda pada arsitektur Transformer dan model Representasi Encoder Dua Arah dari Transformer (Bidirectional Encoder Representations from Transformers atau BERT). Anda akan belajar tentang komponen utama arsitektur Transformer, seperti mekanisme self-attention, dan cara penggunaannya untuk membangun model BERT. Anda juga akan belajar tentang berbagai tugas yang dapat memanfaatkan BERT, seperti klasifikasi teks, menjawab pertanyaan, dan inferensi natural language. Kursus ini diperkirakan memakan waktu sekitar 45 menit untuk menyelesaikannya.
Kursus ini memberi Anda sinopsis tentang arsitektur encoder-decoder, yang merupakan arsitektur machine learning yang canggih dan umum untuk tugas urutan-ke-urutan seperti terjemahan mesin, ringkasan teks, dan tanya jawab. Anda akan belajar tentang komponen utama arsitektur encoder-decoder serta cara melatih dan menyalurkan model ini. Dalam panduan lab yang sesuai, Anda akan membuat kode pada penerapan simpel arsitektur encoder-decoder di TensorFlow untuk pembuatan puisi dari awal.
Dalam kursus ini Anda akan diperkenalkan dengan mekanisme atensi, yakni teknik efektif yang membuat jaringan neural berfokus pada bagian tertentu urutan input. Anda akan mempelajari cara kerja atensi, cara penggunaannya untuk meningkatkan performa berbagai tugas machine learning, termasuk terjemahan mesin, peringkasan teks, dan menjawab pertanyaan.
Kursus ini memperkenalkan model difusi, yaitu kelompok model machine learning yang belakangan ini menunjukkan potensinya dalam ranah pembuatan gambar. Model difusi mengambil inspirasi dari fisika, khususnya termodinamika. Dalam beberapa tahun terakhir, model difusi menjadi populer baik di dunia industri maupun penelitian. Model difusi mendasari banyak alat dan model pembuatan gambar yang canggih di Google Cloud. Kursus ini memperkenalkan Anda pada teori yang melandasi model difusi dan cara melatih serta men-deploy-nya di Vertex AI.
Kursus ini membekali para praktisi machine learning dengan alat, teknik, dan praktik terbaik penting untuk mengevaluasi model AI generatif dan prediktif. Evaluasi model adalah disiplin ilmu yang sangat penting untuk memastikan sistem ML memberikan hasil yang andal, akurat, dan berperforma tinggi dalam produksi. Peserta akan mendapatkan pemahaman yang mendalam mengenai berbagai metrik evaluasi, metodologi, dan penerapannya yang sesuai di berbagai jenis model dan tugas. Kursus ini akan berfokus pada tantangan unik yang dibuat oleh model AI generatif dan memberikan strategi untuk mengatasinya secara efektif. Dengan memanfaatkan platform Vertex AI di Google Cloud, para peserta akan belajar cara mengimplementasikan proses evaluasi yang kuat untuk melakukan pemilihan, pengoptimalan, dan pemantauan berkelanjutan pada model.
Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.
Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML.
This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.
This course helps learners create a study plan for the PMLE (Professional Machine Learning 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.
Kursus ini memperkenalkan topik penting tentang privasi dan keamanan AI. Kursus ini mengeksplorasi metode dan alat praktis untuk menerapkan rekomendasi praktik privasi dan keamanan AI melalui penggunaan produk dan alat open source Google Cloud.
Kursus ini memperkenalkan konsep penafsiran dan transparansi AI. Kursus ini membahas pentingnya transparansi AI bagi developer dan engineer. Kursus ini juga mengeksplorasi metode dan alat praktis untuk membantu mencapai penafsiran dan transparansi, baik dalam model data maupun AI.
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
Kursus ini memperkenalkan konsep responsible AI dan prinsip AI. Di dalamnya tercakup teknik untuk secara praktis mengidentifikasi keadilan dan bias serta memitigasi bias dalam praktik AI/ML. Kursus ini juga mengeksplorasi metode dan alat praktis untuk menerapkan praktik terbaik Responsible AI menggunakan produk Google Cloud dan alat open source.
Aplikasi AI generatif dapat mewujudkan pengalaman pengguna baru yang hampir tidak dimungkinkan sebelum ditemukannya model bahasa besar (LLM). Sebagai developer aplikasi, bagaimana cara menggunakan AI generatif untuk membangun aplikasi yang menarik dan canggih di Google Cloud? Dalam kursus ini, Anda akan mempelajari aplikasi AI generatif dan cara Anda dapat menggunakan desain perintah serta retrieval-augmented generation (RAG) untuk membangun aplikasi yang canggih menggunakan LLM. Anda akan mempelajari arsitektur siap produksi yang dapat digunakan untuk aplikasi AI generatif dan Anda akan membangun aplikasi chat LLM berbasis RAG.
Dapatkan badge keahlian tingkat menengah dengan menyelesaikan kursus Membangun dan Men-Deploy Solusi Machine Learning di Vertex AI, tempat Anda akan belajar cara menggunakan platform Vertex AI Google Cloud, AutoML, dan layanan pelatihan kustom untuk melatih, mengevaluasi, menyesuaikan, menjelaskan, serta men-deploy model machine learning. Kursus badge keahlian ini diperuntukkan bagi Data Scientist dan Engineer Machine Learning profesional. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan Badge keahlian ini, dan challenge lab penilaian akhir, untuk menerima badge digital yang dapat Anda bagikan ke jaringan Anda.
In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.
Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit untuk menunjukkan keterampilan dalam hal berikut: membuat teks, menerapkan panggilan fungsi dengan Python SDK dan Gemini API, serta men-deploy aplikasi Streamlit dengan Cloud Run. Anda akan mempelajari berbagai cara memberikan perintah kepada Gemini untuk membuat teks, menggunakan Cloud Shell untuk menguji dan melakukan iterasi pada aplikasi Streamlit, lalu mengemasnya sebagai container Docker yang di-deploy di Cloud Run.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda menggunakan produk dan layanan Google untuk mengembangkan, menguji, men-deploy, dan mengelola aplikasi. Dengan bantuan Gemini, Anda belajar cara mengembangkan dan membangun aplikasi web, memperbaiki error dalam aplikasi, mengembangkan pengujian, dan mengkueri data. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan siklus proses pengembangan software (SDLC). Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu engineer mengelola infrastruktur. Anda akan mempelajari cara memerintah Gemini untuk menemukan dan memahami log aplikasi, membuat cluster GKE, dan menyelidiki cara membuat lingkungan build. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan alur kerja DevOps. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda mengamankan lingkungan dan resource cloud. Anda akan mempelajari cara men-deploy contoh workload ke dalam lingkungan di Google Cloud, mengidentifikasi kesalahan konfigurasi keamanan dengan Gemini, dan memperbaiki kesalahan konfigurasi keamanan dengan Gemini. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan postur keamanan cloud. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari cara Gemini, kolaborator yang didukung AI generatif dari Google Cloud, dalam membantu engineer jaringan membuat, mengupdate, dan memelihara jaringan VPC. Anda akan mempelajari cara memanfaatkan Gemini untuk memberikan panduan spesifik untuk tugas-tugas jaringan Anda, lebih dari yang ditawarkan mesin telusur. Dengan menggunakan lab interaktif, Anda akan melihat cara Gemini dalam mempermudah urusan Anda dengan jaringan VPC Google Cloud. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu menganalisis data pelanggan dan memprediksi penjualan produk. Anda juga akan mempelajari cara mengidentifikasi, mengategorikan, dan mengembangkan pelanggan baru menggunakan data pelanggan di BigQuery. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan analisis data dan alur kerja machine learning. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu administrator menyediakan infrastruktur. Anda akan mempelajari cara memerintah Gemini untuk menjelaskan infrastruktur, men-deploy cluster GKE, dan memperbarui infrastruktur yang ada. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan alur kerja deployment GKE. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari cara Gemini, kolaborator berteknologi AI generatif dari Google Cloud, membantu developer membangun aplikasi. Anda akan mempelajari cara memanfaatkan Gemini untuk menjelaskan kode, merekomendasikan layanan Google Cloud, dan membuat kode untuk aplikasi Anda. Dengan lab interaktif, Anda akan merasakan peningkatan alur kerja pengembangan aplikasi menggunakan Gemini. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Seiring semakin meningkatnya penggunaan Kecerdasan Buatan dan Machine Learning di kalangan perusahaan, proses membangunnya secara bertanggung jawab juga menjadi semakin penting. Membicarakan responsible AI mungkin lebih mudah bagi banyak orang daripada mempraktikkannya. Jika Anda tertarik untuk mempelajari cara mengoperasionalkan responsible AI dalam organisasi Anda, kursus ini cocok untuk Anda. Dalam kursus ini, Anda akan mempelajari bagaimana Google Cloud mengoperasionalkan responsible AI, dengan praktik terbaik dan pelajaran yang dapat dipetik. Hal ini berguna sebagai framework bagi Anda untuk membangun pendekatan responsible AI.
Selesaikan badge keahlian pengantar Desain Perintah dalam Vertex AI untuk menunjukkan keterampilan Anda dalam hal berikut: rekayasa perintah, analisis gambar, dan teknik generatif multimodal, dalam Vertex AI. Pelajari cara membuat perintah yang efektif, memandu output AI generatif, dan menerapkan model Gemini dalam skenario pemasaran di dunia nyata. Badge keahlian merupakan badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan kursus badge keahlian ini dan challenge lab penilaian akhir untuk menerima badge keahlian yang dapat Anda bagikan kepada jaringan Anda.
Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.
Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Discover Generative AI and Language Learning through hands-on labs that push your Google Cloud skills further and earn an exclusive Google Cloud Credential that recognizes your ability to tackle real-world challenges.
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Learners will get hands-on practice using Vertex AI Feature Store's streaming ingestion at the SDK layer.
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.
This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.
This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
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.
Kursus ini memperkenalkan penawaran AI dan machine learning (ML) di Google Cloud yang membangun project AI prediktif dan generatif. Kursus ini akan membahas teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang mencakup fondasi, pengembangan, dan solusi AI. Kursus ini bertujuan membantu data scientist, developer AI, dan engineer ML meningkatkan keterampilan dan pengetahuan mereka melalui pengalaman belajar yang menarik dan latihan praktik langsung.
This is the fourth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll focus on developing skills in the five key stages of visualizing data in the cloud: storytelling, planning, exploring data, building visualizations, and sharing data with others. You’ll also gain experience using UI/UX skills to wireframe impactful, cloud-native visualizations and work with cloud-native data visualization tools to explore datasets, create reports, and build dashboards that drive decisions and foster collaboration.
This is the fifth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll combine and apply the foundational knowledge and skills from courses 1-4 in a hands-on Capstone project that focuses on the full data lifecycle project. You’ll practice using cloud-based tools to acquire, store, process, analyze, visualize, and communicate data insights effectively. By the end of the course, you’ll have completed a project demonstrating their proficiency in effectively structuring data from multiple sources, presenting solutions to varied stakeholders, and visualizing data insights using cloud-based software. You’ll also update your resume and practice interview techniques to help prepare for applying and interviewing for jobs.
This is the third of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll begin by getting an overview of the data journey, from collection to insights. You’ll then learn how to use SQL to transform raw data into a usable format. Next, you’ll learn how to transform high volumes of data with a data pipeline. Finally, you’ll gain experience applying transformation strategies to real data sets to solve business needs.
This is the second of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll explore how data is structured and organized. You’ll gain hands-on experience with the data lakehouse architecture and cloud components like BigQuery, Google Cloud Storage, and DataProc to efficiently store, analyze, and process large datasets.
This is the first of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll define the field of cloud data analysis and describe roles and responsibilities of a cloud data analyst as they relate to data acquisition, storage, processing, and visualization. You’ll explore the architecture of Google Cloud-based tools, like BigQuery and Cloud Storage, and how they are used to effectively structure, present, and report data.
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
Complete the intermediate Manage Data Models in Looker skill badge to demonstrate skills in the following: maintaining LookML project health; utilizing SQL runner for data validation; employing LookML best practices; optimizing queries and reports for performance; and implementing persistent derived tables and caching policies. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge course, and the final assessment challenge lab, to receive a digital badge that you can share with your network.
Complete the introductory Build LookML Objects in Looker skill badge course to demonstrate skills in the following: building new dimensions and measures, views, and derived tables; setting measure filters and types based on requirements; updating dimensions and measures; building and refining Explores; joining views to existing Explores; and deciding which LookML objects to create based on business requirements.
Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.
In this course, you will get hands-on experience applying advanced LookML concepts in Looker. You will learn how to use Liquid to customize and create dynamic dimensions and measures, create dynamic SQL derived tables and customized native derived tables, and use extends to modularize your LookML code.
Selesaikan badge keahlian tingkat menengah Membuat Model ML dengan BigQuery ML untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengevaluasi model machine learning dengan BigQuery ML untuk membuat prediksi data. Badge keahlian merupakan badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan kursus badge keahlian ini, dan challenge lab penilaian akhir, untuk menerima badge keahlian yang dapat Anda bagikan ke jaringan Anda.
Selesaikan badge keahlian pengantar Mendapatkan Insight dari Data BigQuery untuk menunjukkan keterampilan dalam hal berikut: menulis kueri SQL, membuat kueri tabel publik, memuat sampel data ke dalam BigQuery, memecahkan masalah error sintaksis umum dengan validator kueri di BigQuery, dan membuat laporan di Looker Studio dengan menghubungkannya ke data BigQuery.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk Dasbor dan Laporan Looker untuk menunjukkan keterampilan dalam hal berikut: memfilter, mengurutkan, dan melakukan pivot pada data; menggabungkan hasil dari sejumlah Eksplorasi Looker; serta menggunakan fungsi dan operator untuk membangun dasbor dan laporan Looker untuk analisis dan visualisasi data. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud, serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktik yang interaktif. Selesaikan kursus badge keahlian ini dan challenge lab penilaian akhir untuk menerima badge keahlian yang dapat Anda bagikan ke jaringan Anda.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud s ebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan kursus badge keahlian ini dan challenge lab penilaian akhir, untuk menerima badge keahlian yang dapat Anda bagikan dengan jaringan Anda.
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Dalam kursus tingkat pemula ini, Anda akan mempelajari alur kerja Analisis Data di Google Cloud dan alat yang dapat Anda gunakan untuk mengeksplorasi, menganalisis, dan memvisualisasikan data, serta membagikan temuan Anda dengan para pemangku kepentingan. Dengan menggunakan studi kasus serta lab interaktif, materi, dan kuis/demo, kursus ini akan mendemonstrasikan cara menghasilkan data bersih hingga visualisasi dan dasbor yang menghasilkan dampak dari set data mentah. Entah Anda sudah bekerja dengan data dan ingin mempelajari cara sukses di Google Cloud, atau ingin mengembangkan karier Anda, kursus ini akan membantu Anda memulai. Hampir semua orang yang melakukan atau menggunakan analisis data dalam pekerjaan mereka dapat mengambil manfaat dari kursus ini.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.