Teilnehmen Anmelden

Raghavendra V

Mitglied seit 2023

Gold League

26220 Punkte
Cloud-Architektur: Entwerfen, umsetzen und verwalten Earned Aug 12, 2024 EDT
Google Cloud-Grundlagen: Kerninfrastruktur Earned Jun 10, 2024 EDT
Daten für ML-APIs in Google Cloud vorbereiten Earned Mai 26, 2024 EDT
Cloud Load Balancing in der Compute Engine implementieren Earned Mai 23, 2024 EDT
Data Warehouse mit BigQuery erstellen Earned Mai 23, 2024 EDT
Google Cloud Big Data and Machine Learning Fundamentals Earned Mai 19, 2024 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned Nov 6, 2023 EST
Serverless Data Processing with Dataflow: Foundations Earned Okt 26, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Okt 25, 2023 EDT
Preparing for your Professional Data Engineer Journey Earned Okt 8, 2023 EDT

Erhalten Sie ein Skill-Logo, indem Sie den Kurs Cloud-Architektur: Entwerfen, umsetzen und verwalten abschließen. Dabei können Sie Fähigkeiten nachweisen, die für folgende Aufgaben nötig sind: eine öffentlich zugängliche Website mit Apache-Webservern bereitstellen, eine Compute Engine-VM mithilfe von Startscripts konfigurieren, sicheres RDP durch Nutzung von Firewallregeln und eines Windows-Bastion Hosts konfigurieren, ein Docker-Image in einem Kubernetes-Cluster bereitstellen und anschließend aktualisieren sowie eine Cloud SQL-Instanz erstellen und eine MySQL-Datenbank importieren. Diese Aufgabenreihe bietet eine gute Grundlage für bestimmte Themen, die Teil der Zertifizierungsprüfung zum Google Cloud Certified Professional Cloud Architect sind.

Weitere Informationen

In „Google Cloud-Grundlagen: Kerninfrastruktur“ werden wichtige Konzepte und die Terminologie für die Arbeit mit Google Cloud vorgestellt. In Videos und praxisorientierten Labs werden viele Computing- und Speicherdienste von Google Cloud sowie wichtige Tools für die Ressourcen- und Richtlinienverwaltung präsentiert und miteinander verglichen.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Dataproc sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Cloud Load Balancing in der Compute Engine implementieren weisen Sie Kenntnisse in folgenden Bereichen nach: virtuelle Maschinen in der Compute Engine erstellen und bereitstellen und Netzwerk- und Application Load Balancer konfigurieren.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.

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

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.

Weitere Informationen

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.

Weitere Informationen

Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.

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