加入 登录

Guillermo Antonio Rey Sánchez

成为会员时间：2024

钻石联赛

48065 积分
Create Agents with Generative Playbooks Earned May 30, 2025 EDT
借助 Agentspace 加速知识交流 Earned May 1, 2025 EDT
生成式 AI 智能体：助力组织转型 Earned Apr 30, 2025 EDT
生成式 AI 应用：改变工作方式 Earned Apr 30, 2025 EDT
生成式 AI: 全面了解生成式 AI Earned Apr 30, 2025 EDT
生成式 AI：剖析基本概念 Earned Apr 30, 2025 EDT
生成式 AI：不只是聊天机器人 Earned Apr 30, 2025 EDT
Google Cloud 数据工程简介 Earned Dec 23, 2024 EST
在 BigQuery 中使用 Gemini 模型 Earned Dec 18, 2024 EST
使用 Gemini in BigQuery 提高效率 Earned Dec 14, 2024 EST
使用 Dataplex 构建数据网格 Earned Dec 12, 2024 EST
利用 BigQuery ML 构建预测模型时的数据工程处理 Earned Dec 9, 2024 EST
使用 BigQuery 构建数据仓库 Earned Dec 5, 2024 EST
在 Google Cloud 上为机器学习 API 准备数据 Earned Dec 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
在 Google Cloud 上将应用与 Gemini 1.0 Pro 集成 Earned Nov 17, 2024 EST
使用 Gemini 和 Imagen 构建实用 AI 应用 Earned Nov 17, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Nov 17, 2024 EST
在 Google Cloud 上部署 Kubernetes 应用 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.

了解详情

Agentspace 结合了 Google 在搜索和 AI 领域的专长。它是一款企业工具，让员工只需通过一个搜索栏，就能从文档库、电子邮件、聊天消息、工单系统及其他数据源中查找具体信息。Agentspace 助理还能帮助进行头脑风暴、开展研究、生成文档大纲并执行其他操作，比如邀请同事参加某日历活动。因此它能加快知识型工作的进度并提升协作效率。

了解详情

“生成式 AI 智能体：助力组织转型”是“Generative AI Leader”学习路线中的第五门课程，也是最后一门课程。本课程探讨了组织如何使用自定义生成式 AI 智能体，帮助应对特定的业务挑战。您将亲自动手构建一个基本的生成式 AI 智能体，并探索这些智能体的组成部分，例如模型、推理循环以及各种工具。

了解详情

“生成式 AI 应用：改变工作方式”是 Generative AI Leader 学习路线的第四门课程。本课程介绍 Google 的生成式 AI 应用，例如 Gemini for Workspace 和 NotebookLM。它将引导您逐一了解接地、检索增强生成、构建有效提示和构建自动化工作流等概念。

了解详情

“生成式 AI: 全面了解生成式 AI”是 Generative AI Leader 学习路线中的第三门课程。生成式 AI 正在改变我们的工作方式,以及我们与周围世界的互动方式。作为领导者,应该如何利用生成式 AI 来推动实现实际的业务成果?在本课程中,您将探索构建生成式 AI 解决方案的不同层级、Google Cloud 的产品,以及选择解决方案时需要考虑的因素。

了解详情

“生成式 AI: 剖析基本概念”是 Generative AI Leader 学习路线中的第二门课程。在本课程中,您将了解生成式 AI 的基本概念。您要探索 AI、机器学习和生成式 AI 之间的区别,了解各种数据类型如何赋能生成式 AI,从而应对各种业务挑战。您还将深入了解 Google Cloud 应对基础模型局限性的策略,以及负责任和安全的 AI 开发与部署面临着哪些关键挑战。

了解详情

“生成式 AI：不只是聊天机器人”是 Generative AI Leader 学习路线中的第一门课程。学习本课程没有知识门槛。本课程旨在帮助您超越对聊天机器人的基本认知,探索生成式 AI技术为您的组织带来的真正潜力。您将探索基础模型和提示工程等概念,这些知识对利用生成式 AI 的强大功能至关重要。本课程还将说明,为组织制定成功的生成式 AI 策略时,需要考虑哪些重要因素。

了解详情

在本课程中，您将了解 Google Cloud 数据工程、数据工程师的角色和职责，以及相关的 Google Cloud 产品和服务。您还将了解如何应对数据工程挑战。

了解详情

本课程展示了如何在 BigQuery 中使用 AI/机器学习模型处理生成式 AI 任务。通过一个涉及客户关系管理的实际应用场景，您将学习到使用 Gemini 模型解决业务问题的工作流程。为了便于理解，本课程还将通过使用 SQL 查询和 Python 笔记本的编码解决方案提供分步指导。

了解详情

此课程将探索如何使用 AI 功能套件 Gemini in BigQuery 为“数据到 AI”工作流提供助力。其中涉及到的功能包括数据探索和准备、代码生成和问题排查，以及工作流发现和可视化。此课程包含概念解释、真实使用场景以及实操实验等内容，可帮助数据从业者提升效率并加快流水线开发速度。

了解详情

完成入门技能徽章课程使用 Dataplex 构建数据网格，展示以下方面的技能：使用 Dataplex 构建数据网格， 以在 Google Cloud 上实现数据安全、治理和发现。您将在 Dataplex 中练习和测试自己在标记资产、分配 IAM 角色和评估数据质量方面的技能。

了解详情

完成中级技能徽章课程利用 BigQuery ML 构建预测模型时的数据工程处理， 展示自己在以下方面的技能：利用 Dataprep by Trifacta 构建 BigQuery 数据转换流水线； 利用 Cloud Storage、Dataflow 和 BigQuery 构建提取、转换和加载 (ETL) 工作流； 以及利用 BigQuery ML 构建机器学习模型。

了解详情

完成中级技能徽章课程使用 BigQuery 构建数据仓库，展示以下技能： 联接数据以创建新表、排查联接故障、使用并集附加数据、创建日期分区表， 以及在 BigQuery 中使用 JSON、数组和结构体。 技能徽章是 Google Cloud 颁发的专属数字徽章， 旨在认可您在 Google Cloud 产品与服务方面的熟练度； 您需要在交互式实操环境中参加考核，证明自己运用所学知识的能力后 才能获得。完成此技能徽章课程和作为最终评估的实验室挑战赛， 获得数字徽章，在您的人际圈中炫出自己的技能。

了解详情

完成入门级技能徽章课程在 Google Cloud 上为机器学习 API 准备数据，展示以下技能： 使用 Dataprep by Trifacta 清理数据、在 Dataflow 中运行数据流水线、在 Dataproc 中创建集群和运行 Apache Spark 作业，以及调用机器学习 API，包括 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。

了解详情

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.

了解详情

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.

了解详情

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.

了解详情

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.

了解详情

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.

了解详情

这一简短的课程将介绍如何在 Google Cloud 上将应用与 Gemini 1.0 Pro 模型集成，可帮助您探索 Gemini API 及其生成式 AI 模型。此课程会教您如何通过代码访问 Gemini 1.0 Pro 和 Gemini 1.0 Pro Vision 模型。课程会安排您在应用中使用文本、图片和视频提示来测试这些模型的功能。

了解详情

完成“使用 Gemini 和 Imagen 构建实际 AI 应用”技能徽章入门课程，展示您在以下方面的技能：图像识别、自然语言处理、 使用 Google 强大的 Gemini 和 Imagen 模型生成图像、在 Vertex AI 平台上部署应用。

了解详情

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.

了解详情

完成在 Google Cloud 上部署 Kubernetes 应用技能徽章中级课程，展示您在以下方面的技能： 配置和构建 Docker 容器映像，创建和管理 Google Kubernetes Engine (GKE) 集群，利用 kubectl 实现高效 集群管理，以及按照稳健的持续交付 (CD) 实践部署 Kubernetes 应用。

了解详情

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.

了解详情

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.

了解详情