Dimas Faisal Darmawan
Participante desde 2021
Liga Bronze
3300 pontos
Participante desde 2021
Conclua o selo de habilidade intermediário Criar modelos de ML com o BigQuery ML para mostrar que você sabe: criar e avaliar modelos de machine learning usando o BigQuery ML para fazer previsões de dados.
Conclua o selo de habilidade introdutório Gerar insights a partir de dados do BigQuery para mostrar que você sabe gravar consultas SQL, consultar tabelas públicas e carregar dados de amostra no BigQuery, solucionar erros comuns de sintaxe com o validador de consultas no BigQuery e criar relatórios no Data Studio fazendo a conexão com dados do BigQuery.
Blockchain and related technologies, such as distributed ledger and distributed apps, are becoming new value drivers and solution priorities in many industries. In this course you will gain hands-on experience with distributed ledger and the exploration of blockchain datasets in Google Cloud. It brings the research and solution work of Google's Allen Day into self-paced labs for you to run and learn directly. Since this course uses advanced SQL in BigQuery, a SQL-in-BigQuery refresher lab is at the start.
Quer transformar seus dados de marketing em insights e criar painéis? Reúna todos os dados em um único lugar para fazer análises em grande escala e criar modelos. Use o BigQuery e aprenda a fazer consultas para gerar insights repetíveis, escalonáveis e valiosos sobre seus dados. O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com ele, você pode consultar muitos terabytes de dados sem ter que gerenciar uma infraestrutura nem precisar de um administrador de banco de dados. O BigQuery usa SQL e está disponível no modelo de pagamento por utilização. Além disso, ele permite que você se concentre na análise dos dados para encontrar insights relevantes.
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.
Big data, machine learning e dados científicos? Parece uma combinação perfeita. Nesta Quest de nível avançado, você terá experiência prática nos serviços do GCP, como o BigQuery, o Managed Service for Apache Spark e o Tensorflow, usando conjuntos de dados científicos reais. Em Scientific Data Processing, você ganhará experiência em tarefas como análise de dados de terremotos e agregação de imagens de satélites. Assim, você expandirá as habilidades em big data e machine learning e poderá solucionar seus problemas em diversas disciplinas científicas.
Data Catalog é um serviço de gerenciamento de metadados totalmente gerenciado e escalonável. Com ele, as organizações descobrem, compreendem e gerenciam rapidamente todos os dados. Nesta Quest, vamos começar com algo simples - você aprenderá como pesquisar e adicionar tags a recursos de dados e metadados usando o Data Catalog. Depois que você aprender a desenvolver seus próprios modelos de tags correlacionados a dados da tabela do BigQuery, mostraremos como criar conectores do MySQL, PostgreSQL e SQLServer para o Data Catalog.
Esta é a primeira de duas Quests de laboratórios práticos e é derivada dos exercícios do livro Data Science on Google Cloud Platform de Valliappa Lakshmanan, publicado pela O'Reilly Media, Inc. Nesta primeira Quest, que aborda o capítulo 8, você poderá praticar todos os aspectos de ingestão, preparação, processamento, consulta, exploração e visualização de conjuntos de dados usando as ferramentas e os serviços do Google Cloud Platform.