成为会员时间：2024
在 Google Cloud 為機器學習 API 準備資料
Earned Jun 6, 2024 EDT
在 Compute Engine 導入 Cloud Load Balancing
Earned Jun 3, 2024 EDT
使用 Dataplex 建構資料網格
Earned May 30, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned Apr 15, 2024 EDT
使用 BigQuery ML 為預測模型進行資料工程
Earned Apr 2, 2024 EDT
透過 BigQuery 建構資料倉儲
Earned Mar 21, 2024 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Mar 21, 2024 EDT
完成 在 Google Cloud 為機器學習 API 準備資料 技能徽章入門課程，即可證明您具備下列技能： 使用 Dataprep by Trifacta 清理資料、在 Dataflow 執行資料管道、在 Dataproc 建立叢集和執行 Apache Spark 工作，以及呼叫機器學習 API，包含 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。
完成「在 Compute Engine 導入 Cloud Load Balancing」技能徽章入門課程，即可證明您具備下列技能： 在 Compute Engine 建立及部署虛擬機器， 以及設定網路和應用程式負載平衡器。
完成「使用 Dataplex 建構資料網格」技能徽章入門課程，即可證明您具備下列技能：使用 Dataplex 建構資料網格， 以利在 Google Cloud 維護資料安全性，並協助治理和探索資料。您將練習並測試自己的技能，包括在 Dataplex 為資產加上標記、指派 IAM 角色，以及評估資料品質。
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.
完成使用 BigQuery ML 為預測模型進行資料工程技能徽章中階課程， 即可證明自己具備下列知識與技能：運用 Dataprep by Trifacta 建構連至 BigQuery 的資料轉換 pipeline； 使用 Cloud Storage、Dataflow 和 BigQuery 建構「擷取、轉換及載入」(ETL) 工作負載， 以及使用 BigQuery ML 建構機器學習模型。
完成 透過 BigQuery 建構資料倉儲 技能徽章中階課程，即可證明您具備下列技能： 彙整資料以建立新資料表、排解彙整作業問題、利用聯集附加資料、建立依日期分區的資料表， 以及在 BigQuery 使用 JSON、陣列和結構體。
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.