Cloud Data Engineering: From Big Data to Machine Learning

Learn to build scalable data pipelines, manage big data warehouses, and deploy machine learning models using essential cloud services.

4.7 (815) ⏱ 1 ชม. 9 นาที 📚 10 บทเรียน 🎧 เวอร์ชันเสียง

เกี่ยวกับคอร์สนี้

Ready to step into the world of large-scale data processing but unsure where to begin? This course provides a clear path to understanding how modern data systems are built and managed on a major cloud platform. You will gain the foundational skills to ingest, process, and analyze massive datasets. By the end, you'll be able to design robust data pipelines, query petabyte-scale data warehouses, and train your first machine learning models, transforming raw data into valuable insights. What you'll learn: - Understand the core concepts of data engineering, from data lakes to data warehouses like BigQuery. - Build streaming and batch data pipelines using services like Dataflow and Pub/Sub. - Practice orchestrating complex data workflows with Cloud Composer. - Master querying and analyzing large datasets with SQL in a cloud data warehouse. - Create and deploy machine learning models using the unified Vertex AI platform. - Apply foundational prompt engineering techniques with modern generative AI models. - Learn the basics of managing infrastructure as code for repeatable data setups. The course starts with fundamental cloud data terminology before moving into practical lessons on data ingestion, transformation, storage, and analysis, culminating in real-world machine learning applications. This course is designed for absolute beginners. No prior experience in data engineering or cloud platforms is required to get started. Begin your journey into the world of cloud data today.

สิ่งที่คุณจะได้รับ

  • 📜 ใบประกาศนียบัตร
    เพิ่มในโปรไฟล์ LinkedIn ของคุณ
  • 🎧 รวมเวอร์ชันเสียง
    เรียนได้ทุกที่ ไม่ต้องดูจอ
  • ♾️ เข้าถึงตลอดชีพ
    กลับมาเรียนได้ตลอด ไม่มีหมดอายุ
  • 📱 โทรศัพท์หรือคอมพิวเตอร์
    ใช้งานได้ทุกที่ ทุกอุปกรณ์
  • 💸 คืนเงิน 30 วัน
    ไม่ต้องอธิบาย
  • กระชับและตรงประเด็น
    1 ชม. 9 นาที เนื้อหาเชิงปฏิบัติ

รีวิว (3)

Andris Strautmanis LV
★ 4 · 2026-02-26T01:03:13+00:00

คอร์สนี้ดีเกินคาด! ตัวอย่างตรงเป๊ะ ช่วยให้เข้าใจเนื้อหาได้ดีจริงๆ คุ้มค่ากับเวลาที่เสียไปแน่นอน

Clara Laurent FR
★ 4 · 2026-02-13T00:49:13+00:00

เป็นคอร์สที่ดีถ้ามีความรู้พื้นฐานอยู่บ้าง สำหรับผู้เริ่มต้นเลย บางแนวคิดอาจจะท้าทายไปหน่อย แต่โครงสร้างก็เป็นเหตุเป็นผลดีค่ะ

مريم عبدالله AE ผู้เรียนที่ยืนยันแล้ว
★ 5 · 2025-09-09T07:51:13+00:00

คอร์สนี้เกินความคาดหมายไปมากเลยค่ะ การประยุกต์ใช้ในโลกจริงที่พูดถึงมีประโยชน์อย่างเหลือเชื่อ ทำได้ดีมากค่ะ!

เขียนรีวิว

หลังจากส่ง เราจะขอให้คุณเข้าสู่ระบบ — ฉบับร่างของคุณถูกบันทึก

ผู้เรียนคนอื่นเรียน

หลักการทางวิทยาศาสตร์และวิเคราะห์ข้อมูล

เรียนรู้ที่จะสกัดความเข้าใจ สร้างแบบจำลองการคาดการณ์ และแก้ไขปัญหาที่ซับซ้อน ใช้เทคนิคการวิเคราะห์ข้อมูลสมัยใหม่
★ 5.0 (6,972)
$4.99$9.99

Introduction to Data Science with MATLAB and AWS

Learn to process data, build machine learning models with low-code tools, and scale your workflows to AWS using MATLAB, even with zero prior experience.
★ 4.9 (14)
$4.99$9.99

ถอดความวิทยาศาสตร์ข้อมูล: แนะนำโดยไม่ใช้เทคนิค

เข้าใจหลักการ บทบาท และ การใช้จริงของวิทยาศาสตร์ข้อมูล การเรียนรู้ของเครื่องจักร และ AI แบบสร้างสรรค์ โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว
★ 4.8 (6,730)
$4.99$9.99

กลยุทธ์การเรียนรู้ของเครื่องสำหรับผู้นำธุรกิจ

เรียนรู้วิธีระบุโอกาสในการเรียนรู้ของเครื่อง ร่วมมือกับทีมเทคนิค และขับเคลื่อนการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล ผ่านแนวคิดพื้นฐานของ AI
★ 4.8 (1,588)
$4.99$9.99

คำถามที่พบบ่อย

ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +

แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ

ฉันชำระเงินอย่างไร? +

ผ่านบัตรด้วย Stripe หรือคริปโต เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย

ฉันขอคืนเงินได้ไหม? +

ใช่ — คืนเงินเต็มจำนวนใน 30 วัน ไม่ต้องอธิบาย

ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +

ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด

ฉันจะได้ใบประกาศนียบัตรไหม? +

ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้

ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี ดีไซน์ การเงิน การตลาด สาธารณสุข การศึกษา ธุรกิจการบริการ อุตสาหกรรม