Учасник із 2022
Serverless Data Processing with Dataflow: Foundations
Earned бер. 22, 2022 EDT
Engineer Data for Predictive Modeling with BigQuery ML
Earned бер. 22, 2022 EDT
Налаштування розподілу навантаження в Compute Engine
Earned бер. 16, 2022 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned бер. 11, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - українська
Earned бер. 3, 2022 EST
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.
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.
Пройдіть вступний кваліфікаційний курс Налаштування розподілу навантаження в Compute Engine, щоб продемонструвати свої навички написання команд gcloud і використання Cloud Shell, створення й розгортання віртуальних машин у Compute Engine, а також налаштування мережі й розподілювачів навантаження HTTP. Кваліфікаційний значок – це ексклюзивний цифровий значок від Google Cloud, який засвідчує, що ви знаєтеся на продуктах і сервісах цієї платформи й можете застосовувати ці знання в інтерактивному практичному середовищі. Щоб отримати кваліфікаційний значок і показати його колегам, пройдіть цей курс і підсумковий тест.
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.
Під час курсу ви зможете ознайомитися з продуктами й сервісами Google Cloud для роботи з масивами даних і машинним навчанням, які підтримують життєвий цикл роботи з даними для тренування моделей штучного інтелекту. У курсі розглядаються процеси, проблеми й переваги створення конвеєру масиву даних і моделей машинного навчання з Vertex AI у Google Cloud.