menu

Data Engineering

Advanced 10 Steps 7h 5m 53 Credits

Diese Aufgabe für Fortgeschrittene unterscheidet sich von allen anderen Qwiklabs-Angeboten. Die Labs sind so ausgewählt, dass sie IT-Profis Praxiskenntnisse zu Themen und Diensten vermitteln, die Bestandteil der Zertifizierung \"Google Cloud Certified Professional Data Engineer\" sind. Die Aufgabe selbst besteht aus Labs zu Themen wie Big Query, Dataproc und Tensorflow, bei denen das Wissen zu GCP-Data-Engineering abgefragt wird. Beachten Sie, dass Sie mithilfe der Labs zwar Ihre Kenntnisse und Fähigkeiten erweitern können, Sie jedoch weitere Vorbereitungsmaßnahmen benötigen. Die Prüfung ist anspruchsvoll und ein externes Studium, Erfahrung bzw. ein Hintergrund in Cloud Data Engineering sind empfehlenswert.

Data Machine Learning Business Transformation

Objectives

Diese Aufgabe für Fortgeschrittene unterscheidet sich von allen anderen Qwiklabs-Angeboten. Die Labs sind so ausgewählt, dass sie IT-Profis Praxiskenntnisse zu Themen und Diensten vermitteln, die Bestandteil der Zertifizierung \"Google Cloud Certified Professional Data Engineer\" sind. Die Aufgabe selbst besteht aus Labs zu Themen wie Big Query, Dataproc und Tensorflow, bei denen das Wissen zu GCP-Data-Engineering abgefragt wird. Beachten Sie, dass Sie mithilfe der Labs zwar Ihre Kenntnisse und Fähigkeiten erweitern können, Sie jedoch weitere Vorbereitungsmaßnahmen benötigen. Die Prüfung ist anspruchsvoll und ein externes Studium, Erfahrung bzw. ein Hintergrund in Cloud Data Engineering sind empfehlenswert.

Quest Outline

Praxisorientiertes Lab

Wetterdaten in BigQuery

In diesem Lab analysieren Sie Wetterbeobachtungen mit BigQuery und verwenden Wetterdaten in Verbindung mit anderen Datasets. Das Lab ist Teil einer Reihe zur Verarbeitung wissenschaftlicher Daten.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Geburtsratendaten mit Datalab und BigQuery analysieren

In diesem Lab analysieren Sie mithilfe von Google BigQuery und Cloud Datalab ein großes Geburtenraten-Dataset mit 137 Millionen Zeilen. Dieses Lab ist Teil einer Lab-Reihe zur Verarbeitung wissenschaftlicher Daten.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Bigtable: Qwik Start – Hbase-Shell

In diesem praxisorientierten Lab erfahren Sie, wie Sie mit der HBase-Shell eine Verbindung zu einer Cloud Bigtable-Instanz herstellen.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Cloud TPU: Qwik Start

In diesem Lab lernen Sie, wie Sie mithilfe einer Cloud TPU bestimmte TensorFlow-Arbeitslasten für maschinelles Lernen in Compute Engine beschleunigen.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Query BigQuery with Python Using Ibis

In this lab you'll use Ibis to query the Stack Overflow public dataset in BigQuery.

Praxisorientiertes Lab

Wohnungspreise mit TensorFlow und Cloud ML Engine vorhersagen

In diesem Lab erstellen Sie mit TensorFlow und Cloud ML Engine eine umfassende Lösung für maschinelles Lernen (ML) und nutzen die Cloud für verteiltes Training und Onlinevorhersage.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Pipeline zur Big-Data-Textverarbeitung in Cloud Dataflow ausführen

In diesem Lab verwenden Sie Google Cloud Dataflow, um mit dem Cloud Dataflow SDK ein Maven-Projekt zu erstellen und mithilfe der Google Cloud Platform Console eine verteilte Pipeline zum Zählen von Wörtern auszuführen.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

ETL-Verarbeitung in der GCP mit Dataflow und BigQuery

In diesem Lab erstellen Sie mehrere Datenpipelines, die Daten aus einem öffentlich verfügbaren Dataset in BigQuery aufnehmen.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Launching Dataproc Jobs with Cloud Composer

In this lab you’ll use Google Cloud Composer to automate the transform and load steps of an ETL data pipeline.

Praxisorientiertes Lab

IdD-Analysepipeline auf der Google Cloud Platform erstellen

In diesem Lab erfahren Sie, wie Sie Geräte mithilfe von Cloud IoT Core verbinden und verwalten, den Datenstrom mit Cloud Pub/Sub aufnehmen, die IdD-Daten mit Cloud Dataflow verarbeiten und BigQuery zum Analysieren der IdD-Daten verwenden.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Mit Google Cloud Dataprep arbeiten

Cloud Dataprep ist das Selfservice-Tool von Google zur Datenvorbereitung. In diesem Lab erfahren Sie, wie Sie mit Cloud Dataprep im Rahmen eines fiktiven Anwendungsfalls mit Kundeninformationen und bisherigen Käufen mehrere Datasets bereinigen und anreichern.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Data Warehouse in der Cloud mit BigQuery und Dataflow simulieren

In diesem Lab erstellen Sie mehrere Datenpipelines, die Daten aus dem Dataset "USA Babynames" in BigQuery aufnehmen und somit eine Batch-Transformation simulieren.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Predict Visitor Purchases with a Classification Model in BQML

In this lab you will use a newly available ecommerce dataset to run some typical queries that businesses would want to know about their customers’ purchasing habits.

English 日本語
Praxisorientiertes Lab

Predict Taxi Fare with a BigQuery ML Forecasting Model

In this lab you will explore millions of New York City yellow taxi cab trips available in a BigQuery Public Dataset, create a ML model inside of BigQuery to predict the fare, and evaluate the performance of your model to make predictions.

English 日本語

Enroll Now

Enroll in this quest to track your progress toward earning a badge.

Add
home
Startseite
school
Katalog
menu
Mehr
Mehr