因应数据处理技术的变化，Google更新了Google云端数据工程师的训练课程，加入了诸如Data Fusion和Cloud Composer的介绍，也为高端的BigQuery、BigQuery机器学习和Bigtable流媒体课程，加入更多实际操作教程，让用户对这些技术更加上手。
人工智能与机器学习技术蓬勃发展，数据工程师现在需要具备比过去更多的技能，Google提到，之前数据工程师需要学会使用分布式系统和Java程序开发，在数据中心操作Hadoop MapReduce，但是现在数据工程师还需要熟悉人工智能、机器学习以及商业智慧等技能，来管理和分析数据。
为此，Google重新安排数据工程的课程内容，课程从GCP大数据与机器学习基础开始，介绍技术概念与术语，接下来主题便会进入到Google云端数据湖泊以及数据存储，除了让数据工程师了解职位的责任之外，也介绍云端数据工程的好处，以及企业对于数据工作管线的需求，这个课程会深入使用案例，并且介绍GCP上数据湖泊以及数据存储解决方案。
第三个主题会是在Google云端构建数据批处理工作管线，逐步引导用户了解数据工作管线，以及不同的批处理范式，像是额外加载、ELT（Extract- Load-Transform）或是ETL等，用户将学会使用BigQuery以及在Dataproc执行Spark的方法，也可学会Data Fusion工作管线图的概念，或是以Dataflow无服务器服务处理数据。
学完数据批处理，接下来用户还会学到在Google云端构建流媒体分析系统，从构建流媒体数据工作管线、使用Dataflow聚合和转换流媒体数据，到将处理完的数据存储到BigQuery或是Bigtable。学完准备数据的方法后，最后便是教用户使用智慧分析、机器学习和人工智能服务，在数据工作管线中自定义机器学习，也能知道自动化机器学习AutoML服务的应用方式，或是使用Kubeflow Pipelines产品化机器学习应用。