Oshan Mudannayake
Date d'abonnement : 2020
Ligue d'Argent
7100 points![](https://cdn.qwiklabs.com/assets/leagues/silver_sm-64ca96b9e4cf1fc255fbe8e81fba4577965e8311.png)
Date d'abonnement : 2020
Get started with Go (Golang) by reviewing Go code, and then creating and deploying simple Go apps on Google Cloud. Go is an open source programming language that makes it easy to build fast, reliable, and efficient software at scale. Go runs native on Google Cloud, and is fully supported on Google Kubernetes Engine, Compute Engine, App Engine, Cloud Run, and Cloud Functions. Go is a compiled language and is faster and more efficient than interpreted languages. As a result, Go requires no installed runtime like Node, Python, or JDK to execute.
Cette quête d'introduction se compose d'ateliers pratiques qui vous permettent de vous familiariser avec les outils et services de base de Google Cloud Platform. "GCP Essentials" est la première quête recommandée pour les personnes s'intéressant à Google Cloud. Vous pouvez la suivre sans aucune connaissance (ou presque) du cloud et, une fois la quête terminée, vous disposerez de compétences pratiques qui vous seront utiles pour n'importe quel projet GCP. De l'écriture de lignes de commande Cloud Shell au déploiement de votre première machine virtuelle en passant par l'exécution d'applications sur Kubernetes Engine avec l'équilibrage de charge, "GCP Essentials" constitue une excellente introduction aux fonctionnalités de base de la plate-forme. Des vidéos d'une minute résument les concepts clés de ces ateliers.
Si vous êtes un développeur cloud débutant et que vous souhaitez vous faire la main au-delà de "GCP Essentials", cette quête est faite pour vous. Elle vous permettra d'acquérir de l'expérience pratique grâce aux ateliers qui traitent en profondeur de Cloud Storage et d'autres services applicatifs clés tels que Stackdriver et Cloud Functions. En participant à cette quête, vous développerez des compétences précieuses que vous pourrez utiliser dans tous vos projets GCP. Des vidéos d'une minute résument les concepts clés de ces ateliers.
In this introductory-level quest, you will learn the fundamentals of developing and deploying applications on the Google Cloud Platform. You will get hands-on experience with the Google App Engine framework by launching applications written in languages like Python, Ruby, and Java (just to name a few). You will see first-hand how straightforward and powerful GCP application frameworks are, and how easily they integrate with GCP database, data-loss prevention, and security services.
Workspace est la plate-forme d'applications collaboratives de Google, fournie par Google Cloud. Dans cette cours de niveau débutant, vous allez vous familiariser avec les applications de base de Workspace du point de vue de l’utilisateur. Bien que Workspace propose plus d'applications et de composants que ceux présentés ici, c'est un bon moyen pour vous familiariser avec les applications principales : Gmail, Agenda, Sheets et quelques autres. Chaque atelier peut être terminé en 10-15 minutes, mais un temps supplémentaire vous est proposé pour mieux explorer les applications de manière autonome. Comme étape finale et optionnelle, vous pouvez suivre l'atelier de préparation à l'examen de certification et découvrir le type de questions et de scénarios basés sur les performances qui font partie intégrante de l'examen de certification Workspace.
C# has powered Windows .NET application development for nearly two decades and Google Cloud is committed to supporting developers getting their .NET workloads up and running on Google Cloud. In this quest, you will learn how to run C# apps in Google Cloud, and specifically how to take your apps to the next level by interfacing them with the big data and machine learning APIs that are accessible now from C#. By enrolling in this quest you will see firsthand how seamlessly Google Cloud integrates with .NET workloads and what the possibilities are for leveraging big data and ML services in your own C# projects.
Cette quête s'adresse particulièrement aux personnes qui travaillent dans les technologies ou les finances et qui sont responsables de la gestion des coûts de GCP. Vous apprendrez à configurer un compte de facturation, à organiser les ressources et à gérer les autorisations d'accès à la facturation. Grâce aux ateliers pratiques, vous apprendrez à visualiser votre facture, à suivre vos coûts GCP à l'aide de rapports de facturation, à analyser vos données de facturation avec BigQuery ou Google Sheets et à créer des tableaux de bord de facturation personnalisés avec Data Studio.
Google Cloud is committed to supporting Windows workloads in its frameworks and services. In this advanced-level quest, you will get hands-on practice running many of the popular Windows services on Google Cloud. For example, you will learn how to instantiate Microsoft SQL databases, cloud tools for Powershell on Google Cloud Platform frameworks.
Cette quête, constituée de différents ateliers, démontre la puissance de l'intégration des services et des outils de Google Cloud Platform aux applications G Suite. Avec les technologies d'intégration telles qu'Apps Script et l'environnement Clasp Command Line, vous créerez et publierez des applications Web et des modules complémentaires pour les produits G Suite : Sheets, Docs, Forms et Slides. Avec App Maker, vous créerez une application prête à l'emploi, dotée d'une base de données Google Cloud SQL, d'une intégration à Google Maps et d'un responsive design mobile. D'autres ateliers créent des connexions directes aux sources de données GCP à l'aide de l'API BigQuery, de Sheets et de Slides, pour collecter, analyser et présenter des données.
In this advanced-level quest, you will learn the ins and outs of developing GCP applications in Python. The first labs will walk you through the basics of environment setup and application data storage with Cloud Datastore. Once you have a handle on the fundamentals, you will get hands-on practice deploying Python applications on Kubernetes and App Engine (the latter is the same framework that powers Snapchat!) With specialized bonus labs that teach user authentication and backend service development, this quest will give you practical experience so you can start developing robust Python applications straight away.
The Google Cloud Platform provides many different frameworks and options to fit your application’s needs. In this introductory-level quest, you will get plenty of hands-on practice deploying sample applications on Google App Engine. You will also dive into other web application frameworks like Firebase, Wordpress, and Node.js and see firsthand how they can be integrated with Google Cloud.
The hands-on labs in this Quest are structured to give experienced app developers hands-on practice with the state-of-the-art developing applications in Google Cloud. The topics align with the Google Cloud Certified Professional Cloud Developer Certification. These labs follow the sequence of activities needed to create and deploy an app in Google Cloud from beginning to end. Be aware that while practice with these labs will increase your skills and abilities, it is recommended that you also review the exam guide and other available preparation resources.
In this advanced-level quest, you will learn the ins and outs of developing GCP applications in Java. The first labs will walk you through the basics of environment setup and application data storage with Cloud Datastore. Once you have a handle on the fundamentals, you will get hands-on practice deploying Java applications on Kubernetes and App Engine (the latter is the same framework that powers Snapchat!) With specialized bonus labs that teach user authentication and backend service development, this quest will give you practical experience so you can start developing robust Java applications straight away.
Obtain a competitive advantage through DevOps. DevOps is an organizational and cultural movement that aims to increase software delivery velocity, improve service reliability, and build shared ownership among software stakeholders. In this quest you will learn how to use Google Cloud to improve the speed, stability, availability, and security of your software delivery capability. DevOps Research and Assessment has joined Google Cloud. How does your team measure up? Take this five question multiple-choice quiz and find out! 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.
En tant qu'utilisateur expérimenté de Google Cloud, vous allez apprendre dans cette quête à décrire et à lancer des ressources cloud avec Terraform. Cet outil Open Source codifie les API dans des fichiers de configuration déclaratifs, qui peuvent être partagés par les membres d'une équipe, traités comme du code, modifiés, révisés et gérés par version. Dans ces neuf ateliers pratiques, vous allez utiliser des exemples de modèles et découvrir comment lancer différentes configurations allant de simples serveurs à des applications à équilibrage de charge complet.
Cette quête est la première d'une série de deux comprenant des ateliers pratiques tirés d'exercices disponibles dans l'ouvrage Data Science on Google Cloud Platform de Valliappa Lakshmanan, publié par O'Reilly Media, Inc. Dans cette première quête, qui couvre les chapitres 1 à 8, vous découvrez tous les aspects de l'ingestion, de la préparation, du traitement, de l'interrogation, de l'exploration et de la visualisation des ensembles de données à l'aide des outils et des services de Google Cloud Platform.
Big data, machine learning et données scientifiques ? Il semble que ce soit la combinaison parfaite. Dans cette quête avancée, vous allez vous familiariser avec des services GCP tels que Big Query, Dataproc et Tensorflow, que vous appliquerez à des cas utilisant des ensembles de données scientifiques réelles. En vous faisant acquérir de l'expérience avec des tâches telles que l'analyse des données sismiques et l'agrégation d'images satellites, le traitement de données scientifiques développera vos compétences dans le domaine du Big data et du machine learning, et vous aidera à résoudre les problèmes que vous rencontrez dans différentes disciplines scientifiques.
Il s'agit de la deuxième quête des ateliers dérivés des exercices du livre Data Science on Google Cloud Platform de Valliappa Lakshmanan, publié par O'Reilly Media, Inc. Dans cette seconde quête, qui couvre du chapitre neuf à la fin du livre, vous développez les compétences acquises lors de la première quête et exécutez des tâches de machine learning de A à Z avec des outils de pointe et des ensembles de données réels, le tout à l'aide des outils et services de Google Cloud Platform.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Machine Learning is one of the most innovative fields in technology, and the Google Cloud Platform has been instrumental in furthering its development. With a host of APIs, GCP has a tool for just about any machine learning job. In this advanced-level quest, you will get hands-on practice with machine learning at scale and how to employ the advanced ML infrastructure available on GCP.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
For everyone using Google Cloud Platform for the first time, getting familar with gcloud, Google Cloud's command line, will help you get up to speed faster. In this quest, you'll learn how to install and configure Cloud SDK, then use gcloud to perform some basic operations like creating VMs, networks, using BigQuery, and using gsutil to perform operations.
Il n'a échappé à personne que le machine learning est une technologie très dynamique, et Google Cloud Platform a joué un rôle déterminant dans son développement. Doté d'une multitude d'API.
Cloud SQL is a fully managed database service that stands out from its peers due to high performance, seamless integration, and impressive scalability. In this quest you will receive hands-on practice with the basics of Cloud SQL and quickly progress to advanced features, which you will apply to production frameworks and application environments. From creating instances and querying data with SQL, to building Deployment Manager scripts and connecting Cloud SQL instances with applications run on GKE containers, this quest will give you the knowledge and experience needed so you can start integrating this service right away.
L'une des technologies de base de l'IA, que l'on retrouve des voitures autonomes à la reconnaissance faciale, repose sur l'utilisation de la puissance de calcul à grande échelle pour reconnaître des schémas et "lire" des images. La plate-forme Google Cloud offre une vitesse et une précision haut de gamme grâce à des systèmes qui peuvent être utilisés via de simples appels d'API. Doté d'une multitude d'API, GCP dispose d'un outil pour pratiquement toutes les tâches de machine learning. Cette quête de présentation vous permet de vous familiariser avec le machine learning appliqué au traitement des images. Au fil des ateliers, vous apprendrez à attribuer une étiquette aux images, à détecter les visages et les points de repère, ainsi qu'à extraire, analyser et traduire le texte dans les images.
Vous voulez vous familiariser avec le machine learning et créer des modèles en quelques minutes grâce à SQL, pour ne plus y consacrer des heures ? BigQuery Machine Learning est une nouvelle fonctionnalité de BigQuery qui permet aux analystes de données de créer et d'entraîner des modèles de machine learning en vue de faire des prédictions, le tout avec un minimum de codage. Dans cette série d'ateliers, vous allez essayer différents types de modèles et apprendre ce qui caractérise un bon modèle.
In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. 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.
Vous souhaitez générer des insights à partir de vos données marketing et créer des tableaux de bord ? Réunissez toutes vos données au même endroit afin d'effectuer des analyses à grande échelle et de créer des modèles. Apprenez à utiliser BigQuery et à interroger vos données pour créer des insights utiles, reproductibles et évolutifs. BigQuery est la base de données d'analyse à faible coût de Google, entièrement gérée et qui ne nécessite aucune opération (NoOps). Avec BigQuery, vous pouvez interroger des téraoctets de données sans avoir à gérer d'infrastructure ni faire appel à un administrateur de base de données. Basé sur le langage SQL et le modèle de paiement à l'usage, BigQuery vous permet de vous concentrer sur l'analyse des données pour en dégager des informations pertinentes.
Want to learn the core SQL and visualization skills of a Data Analyst? Interested in how to write queries that scale to petabyte-size datasets? Take the BigQuery for Analyst Quest and learn how to query, ingest, optimize, visualize, and even build machine learning models in SQL inside of BigQuery.
Vous voulez créer un entrepôt de données ou l'optimiser ? Découvrez les bonnes pratiques d'extraction, de transformation et de chargement des données dans Google Cloud avec BigQuery. Dans cette série d'ateliers interactifs, vous allez créer votre propre entrepôt de données et l'optimiser en utilisant différents ensembles de données publics à grande échelle de BigQuery. BigQuery est la base de données d'analyse à faible coût de Google, entièrement gérée et qui ne nécessite aucune opération (NoOps). Avec BigQuery, vous pouvez interroger des téraoctets de données sans avoir à gérer d'infrastructure ni faire appel à un administrateur de base de données. Basé sur le langage SQL et le modèle de paiement à l'usage, BigQuery vous permet de vous concentrer sur l'analyse des données pour en dégager des informations pertinentes.
Il n'a échappé à personne que le machine learning est une technologie très dynamique, et Google Cloud Platform a joué un rôle déterminant dans son développement. Doté d'une multitude d'API, GCP dispose d'un outil pour pratiquement toutes les tâches de machine learning. Cette quête de présentation vous permet de vous familiariser avec le machine learning sur des applications de traitement du langage. Au fil des ateliers, vous apprendrez à extraire des entités d'un texte, à analyser les sentiments et la syntaxe, et à utiliser l'API de reconnaissance vocale pour la transcription.
Aujourd'hui, le big data, le machine learning et l'intelligence artificielle sont des thèmes récurrents de l'informatique, mais ces domaines sont spécialisés, et il est ardu de dénicher du matériel de référence. Heureusement, GCP fournit des services conviviaux dans ces domaines, et Qwiklabs vous y forme dans cette quête introductive. Ainsi, vous pourrez faire vos premiers pas avec des outils tels que BigQuery, l'API Cloud Speech et Cloud ML Engine. Des vidéos d'une minute résument les concepts clés de chaque atelier.
Kubernetes est le système d'orchestration de conteneurs le plus populaire, et Google Kubernetes Engine a été conçu spécifiquement pour être compatible avec les déploiements gérés de Kubernetes dans Google Cloud. Dans cette quête avancée, vous apprendrez à configurer et à manipuler les images et les conteneurs Docker, ainsi qu'à déployer des applications Kubernetes Engine opérationnelles. Cette quête vous fournira les compétences pratiques nécessaires pour intégrer l'orchestration de conteneurs à votre propre flux de travail.