Gabung Login

Raghavendra V

Menjadi anggota sejak 2023

Gold League

26220 poin
Arsitektur Cloud: Merancang, Mengimplementasikan, dan Mengelola Earned Agu 12, 2024 EDT
Dasar-Dasar Google Cloud: Infrastruktur Inti Earned Jun 10, 2024 EDT
Menyiapkan Data untuk ML API di Google Cloud Earned Mei 26, 2024 EDT
Mengimplementasikan Cloud Load Balancing untuk Compute Engine Earned Mei 23, 2024 EDT
Membangun Data Warehouse dengan BigQuery Earned Mei 23, 2024 EDT
Google Cloud Big Data and Machine Learning Fundamentals Earned Mei 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

Dapatkan badge keahlian dengan menyelesaikan kursus Arsitektur Cloud: Merancang, Mengimplementasikan, dan Mengelola untuk menunjukkan keahlian Anda dalam hal berikut: men-deploy situs yang dapat diakses secara publik menggunakan server web Apache, mengonfigurasi VM Compute Engine menggunakan skrip startup, mengonfigurasi RDP yang aman menggunakan Bastion host Windows dan aturan firewall, membangun dan men-deploy image Docker ke cluster Kubernetes serta kemudian mengupdatenya, membuat instance CloudSQL, dan mengimpor database MySQL. Kursus badge keahlian ini merupakan referensi yang bagus untuk memahami topik yang akan muncul di ujian sertifikasi Professional Cloud Architect Tersertifikasi Google Cloud.

Pelajari lebih lanjut

Dasar-Dasar Google Cloud: Infrastruktur Inti memperkenalkan konsep dan terminologi penting untuk bekerja dengan Google Cloud. Melalui video dan lab interaktif, kursus ini menyajikan dan membandingkan banyak layanan komputasi dan penyimpanan Google Cloud, bersama dengan resource penting dan alat pengelolaan kebijakan.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut