Alejandro Molina
Date d'abonnement : 2020
Ligue de Diamant
23135 points
Date d'abonnement : 2020
Ce cours est le premier d'une série en trois volets sur le traitement des données sans serveur avec Dataflow. Dans ce premier cours, nous allons commencer par rappeler ce qu'est Apache Beam et sa relation avec Dataflow. Ensuite, nous aborderons la vision d'Apache Beam et les avantages de son framework de portabilité, qui permet aux développeurs d'utiliser le langage de programmation et le backend d'exécution de leur choix. Nous vous montrerons aussi comment séparer le calcul du stockage et économiser de l'argent grâce à Dataflow, puis nous examinerons les interactions entre les outils de gestion de l'identification et des accès avec vos pipelines Dataflow. Enfin, nous verrons comment implémenter le modèle de sécurité adapté à votre cas d'utilisation sur Dataflow.
Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.
Dans ce cours, vous allez vous exercer à résoudre des problèmes concrets rencontrés lors de la création de pipelines de flux données. L'objectif principal est de gérer des données continues et illimitées avec les produits Google Cloud.
Dans ce cours de niveau intermédiaire, vous apprendrez à concevoir, créer et optimiser des pipelines de données en batch robustes sur Google Cloud. Au-delà des bases de la gestion des données, vous explorerez les transformations de données à grande échelle et l'orchestration efficace des workflows, essentielles pour l'informatique décisionnelle et les rapports critiques. Vous vous entraînerez à utiliser Dataflow pour Apache Beam et Serverless pour Apache Spark (Dataproc Serverless) pour l'implémentation, et vous aborderez des considérations importantes concernant la qualité des données, la surveillance et les alertes pour assurer la fiabilité des pipelines et l'excellence opérationnelle. Il est recommandé d'avoir des connaissances de base sur l'entreposage de données, les processus ETL/ELT, SQL, Python et les concepts de Google Cloud.
Bien que les approches traditionnelles utilisant des lacs de données et des entrepôts de données puissent être efficaces, elles présentent des inconvénients, en particulier dans les grands environnements d'entreprise. Ce cours présente le concept de data lakehouse et les produits Google Cloud utilisés pour en créer un. Une architecture de lakehouse utilise des sources de données basées sur des normes ouvertes et combine les meilleures fonctionnalités des lacs et des entrepôts de données, ce qui permet de pallier de nombreuses lacunes.
This course will equip you with the tools to develop complex conversational experiences in Dialogflow CX capable of identifying the user intent and routing it to the right self service flow.
This course explores the quality assurance best practices and the tools available in Conversational Agents to ensure production grade quality during Conversational Agent development, as well as the key tenets for the creation of a robust end to end deployment lifecycle. Please note Dialogflow CX was recently renamed to Conversational Agents, Virtual agent renamed to Conversational agent, and CCAI Insights were renamed to Conversational Insights, and this course is in the process of being updated to reflect the new product names for Dialogflow CX, and Virtual Agent, CCAI Insights.
Discover flows in Conversational Agents and learn how to build deterministic chat and voice experiences with language models. Explore key concepts like drivers, intents, and entities, and how to use them to create conversational agents.
This course will equip you with the tools to develop complex conversational experiences in Conversational Agents capable of identifying the user intent and routing it to the right self service flow. Please note Dialogflow CX was recently renamed to Conversational Agents, Virtual agent renamed to Conversational agent, and CCAI Insights were renamed to Conversational Insights, and this course is in the process of being updated to reflect the new product names for Dialogflow CX, and Virtual Agent, CCAI Insights.
This course explores the foundational principles of conversation design to craft engaging and effective experiences that emulate human-like experiences specific to the Chat channel. Please note Dialogflow CX was recently renamed to Conversational Agents, Virtual agent renamed to Conversational agent, and CCAI Insights were renamed to Conversational Insights, and this course is in the process of being updated to reflect the new product names for Dialogflow CX, and Virtual Agent, CCAI Insights.
This course explores advanced technical considerations to optimize Webhook connectivity for comprehensive, end-to-end, Conversational Agent self-service experiences. Please note Dialogflow CX was recently renamed to Conversational Agents, Virtual agent renamed to Conversational agent, and CCAI Insights were renamed to Conversational Insights, and this course is in the process of being updated to reflect the new product names for Dialogflow CX, and Virtual Agent, CCAI Insights.
In this course, you will learn the important role that different types of webhooks play in Conversational Agents development, and how to effectively integrate them into your routine configuration of a Conversational Agent. Please note Dialogflow CX was recently renamed to Conversational Agents, Virtual agent renamed to Conversational agent, and CCAI Insights were renamed to Conversational Insights, and this course is in the process of being updated to reflect the new product names for Dialogflow CX, and Virtual Agent, CCAI Insights.
In this course you will learn the key architectural considerations that need to be taken into account when designing for the implementation of Conversational AI solutions.
Learn about building conversational AI voice and chat integrations, including how telephony systems can connect with Google to enable phone-based interactions within the Conversational AI ecosystem. Explore key topics such as the differences between chat and voice conversations, the writing process for creating conversation scripts, and the beginning of the interrogative series and closing sequence.
This is a introductory course to all solutions in the Contact Centre AI (CCAI) portfolio and the Generative AI features that are poised to transform them. The course also explores the CCAI go to market and engagement model, the business case around CCAI, as well as the use cases and user personas addressed by the solution.
Ce cours a pour objectif d'aider les participants à créer un plan de formation pour l'examen de certification Professional Data Engineer. Les participants découvriront l'étendue et le champ d'application des domaines abordés lors de l'examen, puis évalueront leur niveau de préparation à l'examen et créeront leur propre plan de formation.
An AI-driven Contact Center as a Service (CCaaS) solution that is built natively on Google Cloud. The Implementation course provides Partners with essential training about the delivery of key features and functionality. The course explores how to leverage your key understanding of the product into successful customer implementation engagements with tips, best practices, guides, and more. Note: This product was previously called Contact Center AI (CCAI) Platform you may see references to that name still in the course, however the course is technically correct.
Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.
Dans ce cours d'introduction, vous allez pouvoir vous familiariser avec les outils et services fondamentaux de Google Cloud. Des vidéos facultatives vous fourniront davantage de contexte et vous permettront de réviser les concepts abordés lors des ateliers pratiques. Ce premier cours sur les bases de Google Cloud est recommandé aux personnes qui s'intéressent à Google Cloud. Vous pouvez le suivre sans aucune connaissance (ou presque) du cloud et, à la fin, vous aurez acquis des compétences pratiques utiles pour lancer votre premier projet Google Cloud. De l'écriture de lignes de commande Cloud Shell au déploiement de votre première machine virtuelle en passant par l'exécution d'applications sur Kubernetes Engine ou avec l'équilibrage de charge, 'Les bases de Google Cloud' constitue une excellente introduction aux fonctionnalités de base de la plate-forme.
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.