Приєднатися Увійти

Nishant Raghav

Учасник із 2023

Золота ліга

Кількість балів: 28955
Створення сітки даних за допомогою Dataplex Earned трав. 23, 2024 EDT
Building Resilient Streaming Systems on Google Cloud Platform Earned трав. 23, 2024 EDT
Introduction to Generative AI - Українська Earned трав. 23, 2024 EDT
Serverless Data Processing with Dataflow: Foundations Earned лют. 28, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud Earned лют. 28, 2024 EST
Generative AI for Document Processing Earned січ. 26, 2024 EST
Document AI: Building a Custom Document Extractor Earned січ. 26, 2024 EST
Building Batch Data Pipelines on Google Cloud Earned груд. 14, 2023 EST
Get Started with Dataplex Earned лист. 20, 2023 EST
Modernizing Data Lakes and Data Warehouses with Google Cloud Earned лист. 15, 2023 EST
Preparing for your Professional Data Engineer Journey Earned лист. 15, 2023 EST
Налаштування розподілу навантаження в Compute Engine Earned жовт. 30, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - українська Earned жовт. 20, 2023 EDT
Build a Data Warehouse with BigQuery Earned вер. 28, 2023 EDT
DEPRECATED BigQuery for Data Warehousing Earned вер. 26, 2023 EDT
Derive Insights from BigQuery Data Earned вер. 19, 2023 EDT

Пройдіть вступний кваліфікаційний курс Створення сітки даних за допомогою Dataplex, щоб продемонструвати свої навички створення такої сітки для покращеної безпеки даних, керування ними й пошуку в Google Cloud. Ви потренуєтеся й перевірите свої навички щодо позначення тегами об’єктів, призначення ролей IAM і перевірки якості даних у Dataplex. Кваліфікаційний значок – це ексклюзивна цифрова відзнака, яка підтверджує, що ви вмієте працювати з продуктами й сервісами Google Cloud, а також застосовувати ці знання в інтерактивному практичному середовищі. Щоб отримати кваліфікаційний значок і показати його колегам, пройдіть цей курс та підсумковий тест.

Докладніше

This 1-week, accelerated on-demand course builds upon Google Cloud Platform Big Data and Machine Learning Fundamentals. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn to build streaming data pipelines using Google cloud Pub/Sub and Dataflow to enable real-time decision making. You will also learn how to build dashboards to render tailored output for various stakeholder audiences.

Докладніше

Це ознайомлювальний курс мікронавчання, який має пояснити, що таке генеративний штучний інтелект, як він використовується й чим відрізняється від традиційних методів машинного навчання. Він також охоплює інструменти Google, які допоможуть вам створювати власні додатки на основі генеративного штучногоінтелекту.

Докладніше

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.

Докладніше

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.

Докладніше

Explore how to use AI to automate document processing tasks, such as classifying documents, extracting data from documents, and summarizing documents. Learn how to use the Document AI Workbench to create custom document extractors and summarizers. Upload documents, define fields, create versions, and call endpoints to get structured data and summaries back. Discover a new service called Document AI Warehouse, which is a fully managed service to search, store, govern, and manage documents and their extracted metadata. You will also learn about how it integrates with other Google Cloud services like Document AI, BigQuery, and Cloud Storage.

Докладніше

This workload aims to upskill Google Cloud partners to perform specific tasks associated with building a Custom Doc Extractor using the Google Cloud AI solution. The following will be addressed: Service: Document AI Task: Extract fields Processors: Custom Document Extractor and Document Splitter Prediction: Using Endpoint to programmatically extract fields

Докладніше

Data pipelines typically fall under one of the Extract and Load (EL), Extract, Load and Transform (ELT) or Extract, Transform and Load (ETL) paradigms. This course describes which paradigm should be used and when for batch data. Furthermore, this course covers several technologies on Google Cloud for data transformation including BigQuery, executing Spark on Dataproc, pipeline graphs in Cloud Data Fusion and serverless data processing with Dataflow. Learners get hands-on experience building data pipeline components on Google Cloud using Qwiklabs.

Докладніше

Complete the introductory Get Started with Dataplex skill badge to demonstrate skills in the following: creating Dataplex assets, creating aspect types, and applying aspects to entries in Dataplex.

Докладніше

The two key components of any data pipeline are data lakes and warehouses. This course highlights use-cases for each type of storage and dives into the available data lake and warehouse solutions on Google Cloud in technical detail. Also, this course describes the role of a data engineer, the benefits of a successful data pipeline to business operations, and examines why data engineering should be done in a cloud environment. This is the first course of the Data Engineering on Google Cloud series. After completing this course, enroll in the Building Batch Data Pipelines on Google Cloud course.

Докладніше

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.

Докладніше

Пройдіть вступний кваліфікаційний курс Налаштування розподілу навантаження в Compute Engine, щоб продемонструвати свої навички написання команд gcloud і використання Cloud Shell, створення й розгортання віртуальних машин у Compute Engine, а також налаштування мережі й розподілювачів навантаження HTTP. Кваліфікаційний значок – це ексклюзивний цифровий значок від Google Cloud, який засвідчує, що ви знаєтеся на продуктах і сервісах цієї платформи й можете застосовувати ці знання в інтерактивному практичному середовищі. Щоб отримати кваліфікаційний значок і показати його колегам, пройдіть цей курс і підсумковий тест.

Докладніше

Під час курсу ви зможете ознайомитися з продуктами й сервісами Google Cloud для роботи з масивами даних і машинним навчанням, які підтримують життєвий цикл роботи з даними для тренування моделей штучного інтелекту. У курсі розглядаються процеси, проблеми й переваги створення конвеєру масиву даних і моделей машинного навчання з Vertex AI у Google Cloud.

Докладніше

Complete the intermediate Build a Data Warehouse with BigQuery skill badge to demonstrate skills in the following: joining data to create new tables, troubleshooting joins, appending data with unions, creating date-partitioned tables, and working with JSON, arrays, and structs in BigQuery. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the skill badge course, and final assessment challenge lab, to receive a digital badge that you can share with your network.

Докладніше

Looking to build or optimize your data warehouse? Learn best practices to Extract, Transform, and Load your data into Google Cloud with BigQuery. In this series of interactive labs you will create and optimize your own data warehouse using a variety of large-scale BigQuery public datasets. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights. 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 this quest to receive an exclusive Google Cloud digital badge.

Докладніше

Complete the introductory Derive Insights from BigQuery Data skill badge to demonstrate skills in the following: write SQL queries, query public tables, load sample data into BigQuery, troubleshoot common syntax errors with the query validator in BigQuery, and create reports in Looker Studio by connecting to BigQuery data. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge course, and the final assessment challenge lab, to receive a skill badge that you can share with your network.

Докладніше