Gabung Login

Narendra Ghosh

Menjadi anggota sejak 2022

Gold League

32480 poin
Bekerja dengan Model Gemini di BigQuery Earned Jul 30, 2025 EDT
Menggunakan BigQuery Machine Learning untuk Inferensi Earned Jul 30, 2025 EDT
Gemini untuk Data Scientist dan Analis Earned Jul 30, 2025 EDT
Developing Applications with Cloud Run on Google Cloud: Fundamentals Earned Jul 22, 2025 EDT
Logging and Monitoring in Google Cloud Earned Jul 22, 2025 EDT
Launching into Machine Learning Earned Apr 21, 2025 EDT
Meningkatkan Produktivitas dengan Gemini in BigQuery Earned Mar 12, 2025 EDT
Pengantar Data Engineering di Google Cloud Earned Mar 12, 2025 EDT
Pengantar Vertex AI Studio Earned Feb 17, 2025 EST
Responsible AI: Menerapkan Prinsip AI dengan Google Cloud Earned Feb 17, 2025 EST
Pengantar Responsible AI Earned Feb 17, 2025 EST
Working with Notebooks in Vertex AI Earned Feb 14, 2025 EST
Professional Machine Learning Engineer Study Guide Earned Feb 12, 2025 EST
Observability in Google Cloud Earned Feb 11, 2025 EST
Generative AI for Business Leaders Earned Feb 11, 2025 EST
Pengantar AI dan Machine Learning di Google Cloud Earned Sep 17, 2024 EDT
Infrastruktur Google Cloud Elastis: Penskalaan dan Otomatisasi Earned Mei 7, 2024 EDT
Infrastruktur Google Cloud yang Penting: Layanan Inti Earned Mei 2, 2024 EDT
Pengantar AI Generatif Earned Agu 10, 2023 EDT
Infrastruktur Google Cloud yang Dapat Diandalkan: Desain dan Proses Earned Mar 16, 2023 EDT
Preparing for your Professional Cloud Architect Journey Earned Mar 3, 2023 EST
Infrastruktur Google Cloud yang Penting: Fondasi Earned Mar 1, 2023 EST
Getting Started with Google Kubernetes Engine Earned Mar 1, 2023 EST
DEPRECATED Cloud Architecture Earned Feb 24, 2023 EST
Preparing for your Professional Data Engineer Journey Earned Feb 21, 2023 EST
Serverless Data Processing with Dataflow: Operations Earned Feb 8, 2023 EST
Serverless Data Processing with Dataflow: Develop Pipelines Earned Feb 7, 2023 EST
Build Streaming Data Pipelines on Google Cloud Earned Feb 1, 2023 EST
Build Batch Data Pipelines on Google Cloud Earned Jan 31, 2023 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Jan 27, 2023 EST
Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML Earned Jan 25, 2023 EST
Mengimplementasikan Load Balancing di Compute Engine Earned Des 19, 2022 EST
Serverless Data Processing with Dataflow: Foundations Earned Nov 11, 2022 EST
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Nov 11, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals Earned Nov 9, 2022 EST
Dasar-Dasar Google Cloud: Infrastruktur Inti Earned Mei 10, 2022 EDT

Kursus ini menunjukkan cara menggunakan model AI/ML untuk tugas-tugas AI generatif di BigQuery. Melalui kasus penggunaan praktis yang melibatkan pengelolaan hubungan pelanggan (CRM), Anda akan mempelajari alur kerja pemecahan masalah bisnis dengan model Gemini. Untuk memudahkan pemahaman, kursus ini juga menyediakan panduan langkah demi langkah melalui solusi coding menggunakan kueri SQL dan notebook Python.

Pelajari lebih lanjut

Pelajari BigQuery ML untuk Inferensi, mengapa Analis Data harus menggunakannya, kasus penggunaannya, dan model ML yang didukung. Anda juga akan mempelajari cara membuat dan mengelola model ML ini di BigQuery.

Pelajari lebih lanjut

Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu menganalisis data pelanggan dan memprediksi penjualan produk. Anda juga akan mempelajari cara mengidentifikasi, mengategorikan, dan mengembangkan pelanggan baru menggunakan data pelanggan di BigQuery. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan analisis data dan alur kerja machine learning. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.

Pelajari lebih lanjut

This course introduces the Cloud Run serverless platform for running applications. In this course, you learn about the fundamentals of Cloud Run, its resource model and the container lifecycle. You learn about service identities, how to control access to services, and how to develop and test your application locally before deploying it to Cloud Run. The course also teaches you how to integrate with other services on Google Cloud so you can build full-featured applications.

Pelajari lebih lanjut

This course teaches participants techniques for monitoring and improving infrastructure and application performance in Google Cloud. Using a combination of presentations, demos, hands-on labs, and real-world case studies, attendees gain experience with full-stack monitoring, real-time log management and analysis, debugging code in production, tracing application performance bottlenecks, and profiling CPU and memory usage.

Pelajari lebih lanjut

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Pelajari lebih lanjut

Kursus ini mengeksplorasi Gemini in BigQuery, yakni paket fitur yang didukung AI untuk membantu alur kerja data ke AI. Paket fitur ini meliputi eksplorasi dan persiapan data, pembuatan kode dan pemecahan masalah, serta penemuan dan visualisasi alur kerja. Melalui penjelasan konseptual, kasus penggunaan praktis, dan lab interaktif, kursus ini akan membantu para praktisi data dalam meningkatkan produktivitas mereka dan mempercepat pipeline pengembangan.

Pelajari lebih lanjut

Dalam kursus ini, Anda akan belajar tentang data engineering on Google Cloud, peran dan tanggung jawab data engineer, dan bagaimana hal tersebut terhubung dengan penawaran yang disediakan oleh Google Cloud. Anda juga akan mempelajari cara untuk mengatasi tantangan terkait data engineering.

Pelajari lebih lanjut

Kursus ini memperkenalkan Vertex AI Studio, sebuah alat untuk berinteraksi dengan model AI generatif, membuat prototipe ide bisnis, dan meluncurkannya ke dalam produksi. Melalui kasus penggunaan yang imersif, pelajaran menarik, dan lab interaktif, Anda akan menjelajahi siklus proses dari perintah ke produk dan mempelajari cara memanfaatkan Vertex AI Studio untuk aplikasi multimodal Gemini, desain perintah, rekayasa perintah, dan tuning model. Tujuan kursus ini adalah agar Anda dapat memanfaatkan potensi AI generatif dalam project Anda dengan Vertex AI Studio.

Pelajari lebih lanjut

Seiring semakin meningkatnya penggunaan Kecerdasan Buatan dan Machine Learning di kalangan perusahaan, proses membangunnya secara bertanggung jawab juga menjadi semakin penting. Membicarakan responsible AI mungkin lebih mudah bagi banyak orang daripada mempraktikkannya. Jika Anda tertarik untuk mempelajari cara mengoperasionalkan responsible AI dalam organisasi Anda, kursus ini cocok untuk Anda. Dalam kursus ini, Anda akan mempelajari bagaimana Google Cloud mengoperasionalkan responsible AI, dengan praktik terbaik dan pelajaran yang dapat dipetik. Hal ini berguna sebagai framework bagi Anda untuk membangun pendekatan responsible AI.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.

Pelajari lebih lanjut

This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.

Pelajari lebih lanjut

This course helps learners create a study plan for the PMLE (Professional Machine Learning 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

Welcome to the second part of the two part course, Observability in Google Cloud. This course is all about application performance management tools, including Error Reporting, Cloud Trace, and Cloud Profiler.

Pelajari lebih lanjut

A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.

Pelajari lebih lanjut

Kursus ini memperkenalkan penawaran AI dan machine learning (ML) di Google Cloud yang membangun project AI prediktif dan generatif. Kursus ini akan membahas teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang mencakup fondasi, pengembangan, dan solusi AI. Kursus ini bertujuan membantu data scientist, developer AI, dan engineer ML meningkatkan keterampilan dan pengetahuan mereka melalui pengalaman belajar yang menarik dan latihan praktik langsung.

Pelajari lebih lanjut

Kursus akselerasi sesuai permintaan ini memperkenalkan peserta pada infrastruktur dan layanan platform yang komprehensif dan fleksibel yang disediakan oleh Google Cloud. Melalui kombinasi video materi edukasi, demo, dan lab interaktif, peserta akan mengeksplorasi dan men-deploy berbagai elemen solusi, termasuk membuat interkoneksi jaringan yang aman, load balancing, penskalaan otomatis, otomatisasi infrastruktur, serta layanan terkelola.

Pelajari lebih lanjut

Kursus akselerasi sesuai permintaan ini memperkenalkan peserta pada infrastruktur dan layanan platform yang komprehensif dan fleksibel yang disediakan oleh Google Cloud, dengan fokus pada Compute Engine. Melalui kombinasi video materi edukasi, demo, dan lab praktis, peserta akan mengeksplorasi dan men-deploy berbagai elemen solusi, termasuk komponen infrastruktur seperti jaringan, sistem, dan layanan aplikasi. Kursus ini juga membahas cara men-deploy solusi praktis termasuk kunci enkripsi yang disediakan pelanggan, pengelolaan keamanan dan akses, kuota dan penagihan, serta pemantauan resource.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.

Pelajari lebih lanjut

Kursus ini membekali peserta dengan keterampilan untuk membangun solusi yang sangat andal dan efisien di Google Cloud menggunakan pola desain yang telah terbukti. Kursus ini merupakan kelanjutan dari kursus Membangun dengan Google Compute Engine atau Membangun dengan Google Kubernetes Engine dan memberikan pengalaman interaktif dengan teknologi yang dibahas dalam kursus tersebut. Melalui kombinasi presentasi, aktivitas desain, dan lab interaktif, peserta akan mempelajari cara menentukan serta menyeimbangkan kebutuhan bisnis dan teknis untuk merancang deployment Google Cloud yang sangat andal, sangat tersedia, aman, dan hemat biaya.

Pelajari lebih lanjut

This course helps learners create a study plan for the PCA (Professional Cloud Architect) 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

Kursus akselerasi sesuai permintaan ini memperkenalkan peserta pada infrastruktur dan layanan platform yang komprehensif dan fleksibel yang disediakan oleh Google Cloud, dengan fokus pada Compute Engine. Melalui kombinasi video materi edukasi, demo, dan lab interaktif, peserta akan mengeksplorasi dan men-deploy berbagai elemen solusi, termasuk komponen infrastruktur seperti jaringan, virtual machine, dan layanan aplikasi. Anda akan mempelajari cara menggunakan Google Cloud melalui konsol dan Cloud Shell. Anda juga akan mempelajari peran arsitek cloud, pendekatan desain infrastruktur, dan konfigurasi networking virtual dengan Virtual Private Cloud (VPC), Project, Jaringan, Subnetwork, alamat IP, Rute, dan Aturan firewall.

Pelajari lebih lanjut

Welcome to the Getting Started with Google Kubernetes Engine course. If you're interested in Kubernetes, a software layer that sits between your applications and your hardware infrastructure, then you’re in the right place! Google Kubernetes Engine brings you Kubernetes as a managed service on Google Cloud. The goal of this course is to introduce the basics of Google Kubernetes Engine, or GKE, as it’s commonly referred to, and how to get applications containerized and running in Google Cloud. The course starts with a basic introduction to Google Cloud, and is then followed by an overview of containers and Kubernetes, Kubernetes architecture, and Kubernetes operations.

Pelajari lebih lanjut

Quest level dasar ini berbeda dengan penawaran Qwiklabs lainnya. Semua lab yang termasuk dalam level ini telah diseleksi untuk membekali profesional IT dengan praktik langsung tentang berbagai topik dan layanan yang diujikan dalam Sertifikasi Google Cloud Certified Professional Cloud Architect . Dari IAM, hingga jaringan, dan penerapan Kubernetes Engine, quest ini tersusun atas sejumlah lab spesifik yang akan menguji pengetahuan Anda tentang GCP. Harap diketahui bahwa, meskipun praktik dengan lab ini akan meningkatkan keterampilan dan kemampuan Anda, sebaiknya Anda juga mempelajari panduan ujian serta referensi persiapan lain yang tersedia.

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

In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.

Pelajari lebih lanjut

In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.

Pelajari lebih lanjut

In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.

Pelajari lebih lanjut

In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.

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

Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML.

Pelajari lebih lanjut

Selesaikan pengantar badge keahlian Mengimplementasikan Load Balancing di Compute Engine untuk menunjukkan keterampilan berikut ini: menulis perintah gcloud dan menggunakan Cloud Shell, membuat dan men-deploy virtual machine di Compute Engine, serta mengonfigurasi jaringan dan load balancer HTTP. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan yang interaktif. Selesaikan badge keahlian ini, dan penilaian akhir Challenge Lab, untuk menerima badge keahlian yang dapat Anda bagikan dengan jaringan Anda.

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 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

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