Teilnehmen Anmelden

Guillermo Antonio Rey Sánchez

Mitglied seit 2024

Diamond League

48065 Punkte
Create Agents with Generative Playbooks Earned Mai 30, 2025 EDT
Wissensaustausch mit Agentspace beschleunigen Earned Mai 1, 2025 EDT
Ihre Organisation mit generativen KI-Agenten voranbringen Earned Apr 30, 2025 EDT
Generative KI-Apps heben Ihre Arbeit auf das nächste Level Earned Apr 30, 2025 EDT
Die vielfältigen Formen generativer KI Earned Apr 30, 2025 EDT
Generative KI: Grundlegende Konzepte Earned Apr 30, 2025 EDT
Generative KI ist mehr als nur Chatbots Earned Apr 30, 2025 EDT
Einführung in Data Engineering in Google Cloud Earned Dez 23, 2024 EST
Gemini-Modelle in BigQuery nutzen Earned Dez 18, 2024 EST
Mit Gemini in BigQuery produktiver arbeiten Earned Dez 14, 2024 EST
Data Mesh mit Dataplex aufbauen Earned Dez 12, 2024 EST
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten Earned Dez 9, 2024 EST
Data Warehouse mit BigQuery erstellen Earned Dez 5, 2024 EST
Daten für ML-APIs in Google Cloud vorbereiten Earned Dez 3, 2024 EST
Serverless Data Processing with Dataflow: Operations Earned Nov 28, 2024 EST
Serverless Data Processing with Dataflow: Develop Pipelines Earned Nov 28, 2024 EST
Serverless Data Processing with Dataflow: Foundations Earned Nov 20, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Nov 20, 2024 EST
Build Streaming Data Pipelines on Google Cloud Earned Nov 19, 2024 EST
Anwendungen mit Gemini 1.0 Pro in Google Cloud einbinden Earned Nov 17, 2024 EST
Praxisorientierte KI-Anwendungen mit Gemini und Imagen entwickeln Earned Nov 17, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Nov 17, 2024 EST
Kubernetes-Anwendungen in Google Cloud bereitstellen Earned Nov 16, 2024 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Nov 14, 2024 EST
Preparing for your Professional Data Engineer Journey Earned Nov 11, 2024 EST

This course will teach you how to build conversational experiences for Conversational Agents using Generative Playbooks. You'll start with an introduction to playbooks and learn how to set up your first one. You'll also learn about the importance of testing, as well as key production considerations like quota limits and integration. The course concludes with a case study that shows how to use playbooks for generative steering.

Weitere Informationen

Agentspace, ein Unternehmenstool, mit dem Mitarbeiter bestimmte Informationen in Dokumentenspeichern, E‑Mails, Chats, Ticketsystemen und anderen Datenquellen über eine einzige Suchleiste finden können, vereint das Fachwissen von Google in den Bereichen Suche und KI. Der Agentspace-Assistent kann auch beim Brainstorming, der Recherche oder der Strukturierung von Dokumenten unterstützen und zum Beispiel Kollegen zu einem Kalendertermin einladen, um Wissensarbeit sowie die Zusammenarbeit zu beschleunigen.

Weitere Informationen

„Ihre Organisation mit generativen KI-Agenten voranbringen“ ist der fünfte und letzte Kurs des Lernpfads „Generative AI Leader“. In diesem Kurs erfahren Sie, wie Unternehmen mit benutzerdefinierten generativen KI-Agenten spezifische geschäftliche Herausforderungen meistern können. Sie lernen, wie Sie einen einfachen Agenten für generative KI erstellen, und machen sich mit den Komponenten dieser Agenten vertraut, z. B. mit Modellen, Reasoning Loops und Tools.

Weitere Informationen

„Generative KI-Apps heben Ihre Arbeit auf das nächste Level“ ist der vierte Kurs des Lernpfads „Generative AI Leader“. In diesem Kurs werden die auf generativer KI basierenden Anwendungen von Google vorgestellt, zum Beispiel Gemini für Workspace und NotebookLM. Darin werden Konzepte wie Fundierung, Retrieval-Augmented Generation, das Erstellen effektiver Prompts und das Entwickeln automatisierter Workflows erläutert.

Weitere Informationen

„Die vielfältigen Formen generativer KI“ ist der dritte Kurs des Lernpfads „Generative AI Leader“. Generative KI verändert die Art und Weise, wie wir arbeiten und mit der Welt um uns herum interagieren. Aber wie können Sie als Führungskraft die Möglichkeiten von KI nutzen, um echte Geschäftsergebnisse zu erzielen? In diesem Kurs lernen Sie die verschiedenen Ebenen der Entwicklung von generativen KI-Lösungen, die Angebote von Google Cloud und die Faktoren kennen, die bei der Auswahl einer Lösung zu berücksichtigen sind.

Weitere Informationen

„Generative KI: Grundlegende Konzepte“ ist der zweite Kurs des Lernpfads „Generative AI Leader“. In diesem Kurs lernen Sie die grundlegenden Konzepte der generativen KI kennen. Sie erfahren, wie sich KI, ML und generative KI unterscheiden und wie generative KI geschäftliche Herausforderungen mithilfe verschiedener Datentypen bewältigt. Außerdem erhalten Sie Einblicke in die Strategien von Google Cloud, um die Einschränkungen von Foundation Models zu überwinden, und in die wichtigsten Herausforderungen für eine verantwortungsbewusste und sichere KI-Entwicklung und ‑Bereitstellung.

Weitere Informationen

„Generative KI ist mehr als nur Chatbots“ ist der erste Kurs des Lernpfads „Generative AI Leader“ und hat keine Voraussetzungen. In diesem Kurs geht es nicht nur um die Grundlagen von Chatbots, sondern auch um das wahre Potenzial von generativer KI für Ihr Unternehmen. Sie lernen Konzepte wie Foundation Models und Prompt Engineering kennen, die für die Nutzung der Leistungsfähigkeit von generativer KI entscheidend sind. Außerdem werden wichtige Überlegungen behandelt, die Sie bei der Entwicklung einer erfolgreichen Strategie für generative KI für Ihr Unternehmen berücksichtigen sollten.

Weitere Informationen

In diesem Kurs lernen Sie Data Engineering on Google Cloud sowie die Rollen und Verantwortlichkeiten von Data Engineers kennen und sehen, wie diese mit den Angeboten von Google Cloud zusammenhängen. Außerdem erfahren Sie, wie Sie Herausforderungen im Bereich Data Engineering meistern können.

Weitere Informationen

In diesem Kurs wird gezeigt, wie Sie KI-/ML-Modelle für Aufgaben basierend auf generativer KI in BigQuery verwenden. Anhand eines praktischen Anwendungsfalls zum Customer-Relationship-Management lernen Sie den Workflow zur Lösung eines Geschäftsproblems mit Gemini-Modellen kennen. Zur besseren Nachvollziehbarkeit bietet der Kurs auch eine Schritt-für-Schritt-Anleitung für das Programmieren von Lösungen mithilfe von SQL-Abfragen und Python-Notebooks.

Weitere Informationen

Dieser Kurs behandelt Gemini in BigQuery, eine Suite KI-gesteuerter Funktionen zur Aufbereitung von Daten für die Verwendung in künstlicher Intelligenz. Zu diesen Funktionen gehören explorative Datenanalyse und ‑aufbereitung, Codegenerierung und Fehlerbehebung sowie Workflow-Erkennung und ‑Visualisierung. Durch konzeptionelle Erläuterungen, einen praxisnahen Anwendungsfall und praktische Übungen können Datenexperten mit diesem Kurs ihre Produktivität steigern und die Entwicklungspipeline beschleunigen.

Weitere Informationen

Mit dem Skill-Logo Data Mesh mit Dataplex aufbauen weisen Sie die folgenden Kenntnisse nach: Aufbauen eines Data Mesh mit Dataplex für mehr Datensicherheit, Governance und Discovery in Google Cloud. Sie fördern und testen Ihre Fähigkeiten beim Tagging von Assets, Zuweisen von IAM-Rollen und Bewerten der Datenqualität in Dataplex.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.

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. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud vergeben wird und Ihre Kenntnisse über unsere Produkte und Dienste belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, wie Sie Ihr Wissen in einer praxisnahen Geschäftssituation anwenden. Absolvieren Sie eine kursspezifische Aufgabenreihe und die Challenge-Lab-Prüfung, um ein Skill-Logo zu erhalten, das Sie in Ihrem Netzwerk posten können.

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

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.

Weitere Informationen

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.

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

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.

Weitere Informationen

In diesem kurzen Kurs zur Einbindung von Anwendungen mit Gemini 1.0 Pro-Modellen in Google Cloud lernen Sie die Gemini API und die zugehörigen generativen KI-Modelle kennen. Sie erfahren, wie Sie vom Code aus auf Gemini 1.0 Pro und Gemini 1.0 Pro Vision zugreifen. Dabei können Sie die Funktionen der Modelle mithilfe von Text-, Bild- und Videoprompts über eine Anwendung testen.

Weitere Informationen

Mit dem Skill-Logo „Praxisorientierte KI-Anwendungen mit Gemini und Imagen entwickeln“ weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bilderkennung, Natural Language Processing, Bildgenerierung mit den leistungsstarken Gemini- und Imagen-Modellen von Google sowie Bereitstellen von Anwendungen auf der Vertex AI-Plattform.

Weitere Informationen

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.

Weitere Informationen

Mit dem Skill-Logo Kubernetes-Anwendungen in Google Cloud bereitstellen weisen Sie Kenntnisse in folgenden Bereichen nach: Konfigurieren und Erstellen von Docker-Container-Images, Erstellen und Verwalten von Google Kubernetes Engine-Clustern, Verwenden von kubectl für eine effiziente Clusterverwaltung und Bereitstellen von Kubernetes-Anwendungen mit leistungsfähigen Continuous Delivery-Abläufen.

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 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