Jorge Alberto Zúñiga Herrera
Participante desde 2021
Participante desde 2021
Veja o impacto que os agentes de IA geram nos negócios. Em seguida, saiba como criar e orquestrar os agentes certos com o Gemini Enterprise e conheça desde as soluções sem código até as de desenvolvimento tradicional.
O curso "Agentes de IA generativa: transforme sua organização" é o quinto e último do programa de aprendizado Gen AI Leader. Nesse curso, você aprende como as organizações podem usar agentes de IA generativa personalizados para enfrentar desafios específicos nos negócios. Você aprende na prática a construir um agente básico de IA generativa e quais são os componentes desses agentes, como modelos, ciclos de raciocínio e ferramentas.
Este é o último dos cinco cursos do Certificado Google Cloud Data Analytics. Neste curso, você vai combinar e aplicar o conhecimento e as habilidades básicas dos cursos anteriores em um projeto final focado em todo o ciclo de vida dos dados. Você também vai praticar o uso de ferramentas baseadas na nuvem para adquirir, armazenar, processar, analisar, visualizar e comunicar insights de dados de maneira eficaz. No final do curso, você terá concluído um projeto demonstrando sua proficiência em estruturar dados de várias fontes de maneira eficiente, oferecer soluções para outras partes interessadas e visualizar insights de dados usando um software com base na nuvem. Você também vai atualizar seu currículo e praticar técnicas que ajudam a preparar você para se candidatar e passar por entrevistas de emprego.
Este é o terceiro de cinco cursos para o Certificado Google Cloud Data Analytics. Nele, você vai começar com uma visão geral da jornada dos dados, desde a coleta até os insights. Você vai aprender a usar o SQL para converter dados brutos para um formato usável. Depois vai saber como transformar grandes volumes de dados com um pipeline de dados. Por último, você vai ganhar experiência aplicando estratégias de transformação em conjuntos de dados reais para atender necessidades comerciais.
Este é o segundo dos cinco cursos do Certificado Google Cloud Data Analytics. O assunto deste curso é a estruturação e a organização dos dados. Você vai adquirir experiência prática com a arquitetura de data lakehouse e os componentes de nuvem como o BigQuery, o Google Cloud Storage e o DataProc, usados para armazenar, analisar e processar grandes conjuntos de dados.
Este é o quarto de cinco cursos para o Certificado Google Cloud Data Analytics. Neste curso, você vai desenvolver habilidades nos cinco estágios principais da visualização de dados na nuvem: narrativa, planejamento, análise de dados, criação de visualizações e compartilhamento dos dados com outras pessoas. Você também vai adquirir experiência em atividades de UI/UX para criar visualizações impactantes e nativas da nuvem, além de trabalhar com ferramentas de visualização de dados para analisar conjuntos de dados, elaborar relatórios e criar painéis que auxiliam nas decisões e promovem a colaboração.
Este é o primeiro dos cinco cursos do Certificado Google Cloud Data Analytics. Neste curso, vamos definir o campo da análise de dados em nuvem e descrever as funções e responsabilidades de um analista de dados em nuvem relacionadas à aquisição, visualização de dados, ao armazenamento e processamento. Você vai conhecer a arquitetura das ferramentas baseadas no Google Cloud, como BigQuery e Cloud Storage, e descobrir como são usadas para estruturar, apresentar e relatar dados de maneira eficaz.
Conquiste o selo de habilidade intermediário ao concluir o curso Como criar e implantar soluções de machine learning na Vertex AI. Nele você aprenderá a usar a plataforma Vertex AI, o AutoML e os serviços de treinamento personalizados para treinar, avaliar, ajustar, explicar e implantar modelos de machine learning. Esse curso com selo de habilidade é destinado a cientistas de dados e engenheiros de machine learning. Os selos de habilidade são digitais e exclusivos. Eles são emitidos pelo Google Cloud como forma de reconhecer sua proficiência com os produtos e serviços do Cloud e comprovam sua habilidade de aplicar seu conhecimento em um ambiente prático e interativo. Conclua o curso com selo de habilidade e o laboratório com desafio da avaliação final para receber um selo digital que pode ser compartilhado com sua rede.
Este é o terceiro de cinco cursos para o Certificado Google Cloud Data Analytics. Nele, você vai começar com uma visão geral da jornada dos dados, desde a coleta até os insights. Você vai aprender a usar o SQL para converter dados brutos para um formato usável. Depois vai saber como transformar grandes volumes de dados com um pipeline de dados. Por último, você vai ganhar experiência aplicando estratégias de transformação em conjuntos de dados reais para atender necessidades comerciais.
Este é o segundo dos cinco cursos do Certificado Google Cloud Data Analytics. O assunto deste curso é a estruturação e a organização dos dados. Você vai adquirir experiência prática com a arquitetura de data lakehouse e os componentes de nuvem como o BigQuery, o Google Cloud Storage e o DataProc, usados para armazenar, analisar e processar grandes conjuntos de dados.
Conclua o curso intermediário para obter o selo de habilidade Inspecione documentos avançados usando a multimodalidade do Gemini e o RAG multimodal e demonstrar suas habilidades em: usar comandos multimodais para extrair informações de dados textuais e visuais, gerar uma descrição de vídeo e recuperar mais informações além das que aparecem no vídeo usando a multimodalidade do Gemini; criar metadados de documentos com textos e imagens, acessar todos os blocos de texto relevantes e imprimir citações usando a Geração Aumentada de Recuperação (RAG, na sigla em inglês) multimodal com o Gemini.
Este é o último dos cinco cursos do Certificado Google Cloud Data Analytics. Neste curso, você vai combinar e aplicar o conhecimento e as habilidades básicas dos cursos anteriores em um projeto final focado em todo o ciclo de vida dos dados. Você também vai praticar o uso de ferramentas baseadas na nuvem para adquirir, armazenar, processar, analisar, visualizar e comunicar insights de dados de maneira eficaz. No final do curso, você terá concluído um projeto demonstrando sua proficiência em estruturar dados de várias fontes de maneira eficiente, oferecer soluções para outras partes interessadas e visualizar insights de dados usando um software com base na nuvem. Você também vai atualizar seu currículo e praticar técnicas que ajudam a preparar você para se candidatar e passar por entrevistas de emprego.
Este é o primeiro dos cinco cursos do Certificado Google Cloud Data Analytics. Neste curso, vamos definir o campo da análise de dados em nuvem e descrever as funções e responsabilidades de um analista de dados em nuvem relacionadas à aquisição, visualização de dados, ao armazenamento e processamento. Você vai conhecer a arquitetura das ferramentas baseadas no Google Cloud, como BigQuery e Cloud Storage, e descobrir como são usadas para estruturar, apresentar e relatar dados de maneira eficaz.
Neste curso, apresentamos o Generative AI Studio, um produto da Vertex AI que ajuda na prototipagem e personalização de modelos de IA generativa para usar os recursos deles nos seus aplicativos. Você vai aprender o que é o Generative AI Studio, conhecer as funcionalidades e opções disponíveis, além de descobrir como usar cada uma delas com as demonstrações do produto. No final do curso, você vai poder aplicar o que aprendeu e testar seus conhecimentos no laboratório prático e no teste que ficarão disponíveis.
Receba um selo de habilidade ao concluir os cursos "Introduction to Generative AI", "Introduction to Large Language Models" e "Introduction to Responsible AI". Consiga a aprovação nos testes finais dos cursos para demonstrar seu conhecimento sobre os conceitos básicos da IA generativa. Os selos de habilidades são digitais. Eles são emitidos pelo Google Cloud como forma de reconhecer sua capacidade de trabalhar com os produtos e serviços do Cloud. Torne seu perfil público e adicione os selos de habilidades às suas mídias sociais para mostrar seus conhecimentos.
Conclua o curso introdutório Criação de comandos na Agent Platform para: Demonstrar suas habilidades nas áreas de engenharia de comandos, análise de imagens e técnicas generativas multimodais na Agent Platform Descobrir como criar comandos eficientes, guiar as respostas da IA generativa e aplicar os modelos do Gemini em cenários reais de marketing.
Este é um curso de microaprendizagem introdutório que busca explicar a IA responsável: o que é, qual é a importância dela e como ela é aplicada nos produtos do Google. Ele também contém os 7 princípios de IA do Google.
Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.
Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.
Este é o quarto de cinco cursos para o Certificado Google Cloud Data Analytics. Neste curso, você vai desenvolver habilidades nos cinco estágios principais da visualização de dados na nuvem: narrativa, planejamento, análise de dados, criação de visualizações e compartilhamento dos dados com outras pessoas. Você também vai adquirir experiência em atividades de UI/UX para criar visualizações impactantes e nativas da nuvem, além de trabalhar com ferramentas de visualização de dados para analisar conjuntos de dados, elaborar relatórios e criar painéis que auxiliam nas decisões e promovem a colaboração.
Neste curso, apresentamos os produtos e serviços de Big Data e machine learning do Google Cloud que dão suporte ao ciclo de vida de dados para IA. Nele, você verá os processos, desafios e benefícios de criar um pipeline de Big Data e modelos de machine learning com a Vertex AI no Google Cloud.
Conclua o selo de habilidade intermediário Dados de engenharia para modelagem preditiva com o BigQuery ML para mostrar que você sabe: criar pipelines de transformação de dados no BigQuery usando o Dataprep by Trifacta; usar o Cloud Storage, o Dataflow e o BigQuery para criar fluxos de trabalho de extração, transformação e carregamento de dados (ELT); e criar modelos de machine learning usando o BigQuery ML.
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. 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 the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Muitas empresas tradicionais usam sistemas e aplicativos legados que não conseguem atender às expectativas dos clientes modernos. Com frequência, os líderes empresariais precisam escolher entre manter sistemas de TI antigos ou investir em novos produtos e serviços. O curso "Modernização de infraestrutura e aplicativos com o Google Cloud" aborda esses desafios e oferece soluções relacionadas à tecnologia de nuvem para cada um. Como parte do programa de aprendizado do Líder digital do Cloud, o objetivo deste curso é ajudar você a crescer profissionalmente e desenvolver o futuro do seu próprio negócio.
In this quest, you will get hands-on experience with LookML in Looker. You will learn how to write LookML code to create new dimensions and measures, create derived tables and join them to Explores, filter Explores, and define caching policies in LookML.
Em muitas organizações de TI, os objetivos não estão alinhados entre desenvolvedores, que buscam por agilidade, e operadores, que focam na estabilidade. A engenharia de confiabilidade do site (SRE) é o método usado pelo Google para alinhar incentivos entre o desenvolvimento e as operações, além de prestar suporte essencial à produção. A adoção das práticas culturais e técnicas de SRE pode ajudar a melhorar a colaboração entre os departamentos comercial e de TI. Neste curso, apresentamos as principais práticas de SRE do Google e o papel importante que os líderes de TI e de negócios desempenham em uma adoção organizacional de SRE bem-sucedida.
This course provides a holistic experience of optimally configuring SAP on Google Cloud. Participants will learn to configure SAP on Google Cloud, and what best practices are, leaving the course with actionable experience to configure SAP on Google Cloud and run SAP workloads on Google Cloud.
Neste curso, vamos definir o que é machine learning e como ele pode beneficiar seu negócio. Você vai conferir algumas demonstrações do ML em ação e aprender termos importantes da área, como instâncias, atributos e rótulos. Nos laboratórios interativos, você vai praticar a invocação de APIs de ML pré-treinadas e criar seus próprios modelos de machine learning usando apenas SQL no BigQuery ML.
O terceiro curso desta série é "Achieving Advanced Insights with BigQuery". Para continuar desenvolvendo seus conhecimentos sobre SQL, vamos aprender a usar funções avançadas e dividir uma consulta completa em etapas gerenciáveis. Você também vai conhecer a arquitetura interna do BigQuery (armazenamento fragmentado com base em colunas) e tópicos avançados do SQL, como campos aninhados e repetidos usando matrizes e structs. Por fim, vamos aprender a otimizar consultas para melhorar o desempenho e a proteger seus dados com visualizações autorizadas. Depois de concluir este curso, inscreva-se no "Applying Machine Learning to Your Data with Google Cloud".
Neste curso, conhecemos os desafios mais comuns enfrentados pelos analistas de dados e como resolvê-los com as ferramentas de big data no Google Cloud. Ao longo do caminho, você vai aprender um pouco de SQL e se familiarizar com o uso do BigQuery e do Dataprep para analisar e transformar seus conjuntos de dados. Este é o primeiro curso da série From Data to Insights with Google Cloud. Depois de concluir este curso, inscreva-se no curso Creating New BigQuery Datasets and Visualizing Insights.
Conclua o curso introdutório Crie e gerencie instâncias do Bigtable para demonstrar que você sabe criar instâncias, projetar esquemas, consultar dados e realizar tarefas administrativas no Bigtable, incluindo monitorar o desempenho e configurar o escalonamento automático e a replicação de nós.
Neste curso, apresentamos os produtos e serviços de Big Data e machine learning do Google Cloud que dão suporte ao ciclo de vida de dados para IA. Nele, você verá os processos, desafios e benefícios de criar um pipeline de Big Data e modelos de machine learning com a Vertex AI no Google Cloud.
Conclua o curso introdutório Crie e gerencie instâncias do Cloud Spanner para demonstrar que você sabe: Criar e interagir com instâncias e bancos de dados do Cloud Spanner Carregar bancos de dados do Cloud Spanner usando várias técnicas Fazer backup de bancos de dados do Cloud Spanner, definir esquemas e entender planos de consulta Implantar um app da Web moderno conectado a uma instância do Cloud Spanner.
Neste curso intermediário, você aprenderá a projetar, criar e otimizar pipelines de dados em lote robustos no Google Cloud. Além do tratamento básico de dados, você vai aprender sobre transformações em grande escala e orquestração eficiente de fluxos de trabalho, essenciais para a eficiência em Business Intelligence e relatórios importantes. Pratique o uso do Dataflow para Apache Beam e do Serverless para Apache Spark (Dataproc sem servidor) na implementação e resolva questões importantes em qualidade de dados, monitoramento e alertas, garantindo um pipeline confiável e excelência operacional. Recomendamos ter conhecimento básico de armazenamento em data warehouse, ETL/ELT, SQL, Python e conceitos do Google Cloud.
Os cursos da série Fundamentos da computação do Google Cloud são direcionados para pessoas com pouca ou nenhuma formação ou experiência na área de computação em nuvem. Eles apresentam uma visão geral dos principais conceitos de nuvem, Big Data e machine learning, além do papel do Google Cloud no uso dessas tecnologias. Ao final da série, os estudantes saberão articular esses conceitos e demonstrar algumas habilidades práticas. Você precisa concluir os cursos na seguinte ordem: 1. Fundamentos da computação do Google Cloud: noções básicas da computação em nuvem 2. Fundamentos da computação do Google Cloud: infraestrutura no Google Cloud Fundamentos da computação do Google Cloud: redes e segurança no Google Cloud 4. Fundamentos da computação do Google Cloud: dados, ML e IA no Google Cloud Este último curso da série revisa quais são serviços de Big Data gerenciados, o que é machine learning e qual o valor dele e como comprovar sua capacidade no Google Cloud, conquistando selos de hab…
Os cursos da série Fundamentos da computação do Google Cloud são direcionados para pessoas com pouca ou nenhuma formação ou experiência na área de computação em nuvem. Eles apresentam uma visão geral dos principais conceitos de nuvem, Big Data e machine learning, e o papel do Google Cloud no uso dessas tecnologias. Ao final da série, os estudantes saberão articular esses conceitos e demonstrar algumas habilidades práticas. Você precisa concluir os cursos na seguinte ordem: 1. Fundamentos da computação do Google Cloud: noções básicas da computação em nuvem 2. Fundamentos da computação do Google Cloud: infraestrutura no Google Cloud Fundamentos da computação do Google Cloud: redes e segurança no Google Cloud 4. Fundamentos da computação do Google Cloud: dados, ML e IA no Google Cloud Este terceiro curso aborda ferramentas de automação e gerenciamento em nuvem, além da criação de redes seguras.
Os cursos da série Fundamentos da computação do Google Cloud se destinam a pessoas com pouca ou nenhuma formação ou experiência na área de computação em nuvem. Eles apresentam uma visão geral dos principais conceitos de nuvem, Big Data e machine learning, e o papel do Google Cloud no uso dessas tecnologias. Ao final da série, os participantes saberão articular esses conceitos e demonstrar algumas habilidades práticas. Você precisa concluir os cursos na seguinte ordem: 1. Fundamentos da computação do Google Cloud: noções básicas da computação em nuvem 2. Fundamentos da computação do Google Cloud: infraestrutura no Google Cloud 3. Fundamentos da computação do Google Cloud: redes e segurança no Google Cloud 4. Fundamentos da computação do Google Cloud: dados, ML e IA no Google Cloud
Os cursos da Google Cloud Computing Foundations são direcionados para pessoas com pouca ou nenhuma formação ou experiência na área de computação em nuvem. Eles apresentam uma visão geral dos principais conceitos de nuvem, Big Data e machine learning, além de explicar onde e como usar o Google Cloud. Ao final da série de cursos, os alunos serão capazes de articular estes conceitos e demonstrar algumas habilidades práticas. Conclua os cursos na seguinte ordem: 1. Fundamentos da computação do Google Cloud: noções básicas da computação em nuvem 2. Fundamentos da computação do Google Cloud: infraestrutura no Google Cloud 3. Fundamentos da computação do Google Cloud: rede e segurança no Google Cloud 4. Fundamentos da computação do Google Cloud: dados, ML e IA no Google Cloud Este primeiro curso apresenta uma visão geral da computação em nuvem, formas de usar o Google Cloud e as diferentes opções de computação.
O processamento de dados de streaming é cada vez mais usado pelas empresas porque gera métricas sobre as operações comerciais em tempo real. Neste curso, você vai aprender a criar pipelines de dados de streaming no Google Cloud. O Pub/Sub é apresentado como a ferramenta para gerenciar dados de streaming de entrada. No curso, também abordamos a aplicação de agregações e transformações a dados de streaming usando o Dataflow, além de formas de armazenar registros processados no BigQuery ou no Cloud Bigtable para análise. Os participantes vão ganhar experiência prática na criação de componentes de pipelines de dados de streaming no Google Cloud usando o Qwiklabs.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
Este curso tem uma abordagem realista para o fluxo de trabalho de ML usando um estudo de caso em que uma equipe tem vários casos de uso e exigências comerciais em ML. Essa equipe precisa conhecer as ferramentas necessárias para a governança e o gerenciamento de dados e decidir a melhor abordagem para o processamento deles. A equipe terá três opções para criar modelos de ML em dois casos de uso. Neste curso, explicamos quando usar o AutoML, o BigQuery ML ou o treinamento personalizado para alcançar os objetivos.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Neste curso, vamos conhecer os componentes e as práticas recomendadas para criar sistemas de ML com alto desempenho em ambientes de produção. Vamos abordar algumas considerações comuns relacionadas à criação desses sistemas, como treinamento estático e dinâmico, inferência estática e dinâmica, TensorFlow distribuído e TPUs. O objetivo deste curso é conhecer as características de um sistema de ML eficiente, que vão muito além da capacidade de fazer boas previsões.
Conquiste o selo de habilidade introdutório Preparar dados para APIs de ML no Google Cloud para demonstrar que você é capaz de: limpar dados com o Dataprep by Trifacta, executar pipelines de dados no Dataflow, criar clusters e executar jobs do Apache Spark no Managed Service for Apache Spark e chamar APIs de ML, incluindo as APIs Cloud Natural Language, Google Cloud Speech-to-Text e Video Intelligence.
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.
Business professionals in non-technical roles have a unique opportunity to lead or influence machine learning projects. If you have questions about machine learning and want to understand how to use it, without the technical jargon, this course is for you. Learn how to translate business problems into machine learning use cases and vet them for feasibility and impact. Find out how you can discover unexpected use cases, recognize the phases of an ML project and considerations within each, and gain confidence to propose a custom ML use case to your team or leadership or translate the requirements to a technical team.
Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest and the final assessment challenge lab to receive a skill badge that you can share with your network.
Este é o segundo curso de uma série de duas partes sobre faturamento do Google Cloud e os princípios essenciais da gestão de custos. Este curso é ideal para profissionais da área de finanças e/ou TI que são responsáveis por otimizar a infraestrutura em nuvem da organização. Aqui você você vai aprender diversas maneiras de controlar e otimizar seus custos no Google Cloud. Isso inclui configurar orçamentos e alertas, gerenciar limites de cota e aproveitar descontos por uso contínuo. Nos laboratórios práticos, você vai praticar o uso de diversas ferramentas para controlar e otimizar seus custos do Google Cloud ou influenciar suas suas equipes de tecnologia a aplicar as melhores práticas de otimização de custos.
Este curso é adequado para funções de tecnologia ou finanças que gerenciam custos do Google Cloud. Aprenda a configurar uma conta de faturamento, organizar recursos e gerenciar permissões de acesso. Nos laboratórios práticos, você visualiza faturas e analisa dados de faturamento com o BigQuery. Você também usa o Planilhas Google e cria painéis com o Data Studio. Você encontra referências dos vídeos no documento Outros recursos (em inglês).
Este curso aborda o fluxo de trabalho de machine learning no dia a dia de forma prática: um estudo de caso em que uma equipe tem vários casos de uso e exigências comerciais em ML. A equipe precisa conhecer as ferramentas adequadas para o gerenciamento e a governança de dados, além de saber qual a melhor abordagem para o processamento de dados: desde fornecer uma visão geral do Dataflow e do Dataprep até usar o BigQuery para tarefas pré-processadas. A equipe tem três opções para criar modelos de machine learning em dois casos de uso específicos. Neste curso, você vai entender por que uma equipe escolhe o AutoML, o BigQuery ML ou o treinamento personalizado para alcançar seus objetivos. O curso aborda o treinamento personalizado de forma detalhada. Descrevemos os requisitos para treinamento personalizado, desde a estrutura e o armazenamento do código de treinamento, além do carregamento de grandes conjuntos de dados, até a exportação de um modelo de treinamento. Você vai desenvol…
This course, Migrating to Google Cloud - Locales is intended for non-English learners only. To take course in English, please enroll in Migrating to Google Cloud. This course introduces participants to the strategies to migrate from a source environment to Google Cloud. Participants are introduced to Google Cloud's fundamental concepts and more in depth topics, like creating virtual machines, configuring networks and managing access and identities. The course then covers the installation and migration process of Migrate for Compute Engine, including special features like test clones and wave migrations.
O terceiro curso desta série é "Achieving Advanced Insights with BigQuery". Para continuar desenvolvendo seus conhecimentos sobre SQL, vamos aprender a usar funções avançadas e dividir uma consulta completa em etapas gerenciáveis. Você também vai conhecer a arquitetura interna do BigQuery (armazenamento fragmentado com base em colunas) e tópicos avançados do SQL, como campos aninhados e repetidos usando matrizes e structs. Por fim, vamos aprender a otimizar consultas para melhorar o desempenho e a proteger seus dados com visualizações autorizadas. Depois de concluir este curso, inscreva-se no "Applying Machine Learning to Your Data with Google Cloud".
Este curso de treinamento autoguiado oferece aos participantes um amplo estudo sobre controles e técnicas de segurança no Google Cloud. Com palestras gravadas, demonstrações e laboratórios práticos, participantes podem conhecer e implantar os componentes de uma solução segura do Google Cloud, incluindo tecnologias de controle de acesso do Cloud Storage, chaves de segurança, Chaves de criptografia fornecidas pelo cliente, controles de acesso a APIs, definição de escopo, VM protegidas, criptografia e URLs assinados. O curso também aborda como proteger os ambientes do Kubernetes.
Receba um selo de habilidade ao completar o curso Como configurar uma rede do Google Cloud, que ensina como realizar tarefas básicas no Google Cloud Platform, criar uma rede personalizada, adicionar regras de firewall de sub-redes e criar VMs para testar a latência durante a comunicação.
Neste curso de treinamento autoguiado, os participantes aprendem como mitigar ataques em diversos pontos em uma infraestrutura baseada no Google Cloud, incluindo ataques distribuídos de negação de serviço, ataques de phishing e ameaças que envolvem uso e classificador de conteúdo. Também ensinamos sobre o Security Command Center, o Cloud Logging e a geração de registros de auditoria, além de como usar o Forseti para acessar a conformidade geral das políticas de segurança da sua organização.
Este curso de treinamento autoguiado oferece aos participantes um amplo estudo sobre controles e técnicas de segurança no Google Cloud. Com palestras gravadas, demonstrações e laboratórios práticos, os participantes podem conhecer e implantar os componentes de uma solução segura do Google Cloud, incluindo o Cloud Identity, o Resource Manager, o Cloud IAM, os firewalls de nuvem privada virtual, o Cloud Load Balancing, peering do Cloud, o Cloud Interconnect e o VPC Service Controls. Este é o primeiro curso da série Segurança no Google Cloud. Quando completar este curso, inscreva-se no Práticas recomendadas de segurança no Google Cloud.
Organizações de vários portes estão adotando a tecnologia e a flexibilidade da nuvem para transformar a forma como operam. No entanto, gerenciar e escalonar recursos na nuvem de maneira eficaz é uma tarefa complexa. O curso Escalonamento com as Operações do Google Cloud traz noções básicas de confiabilidade, resiliência e operações modernas na nuvem, explicando como o Google Cloud pode ajudar nesses esforços. Como parte do programa de aprendizado do Líder digital do Cloud, o objetivo deste curso é ajudar você a crescer profissionalmente e desenvolver o futuro do seu próprio negócio.
Introduction to Cloud Identity serves as the starting place for any new Cloud Identity, Identity/Access Management/Mobile Device Management admins as they begin their journey of managing and establishing security and access management best practices for their organization. This 15-30 hour accelerated, one-week course will leave you feeling confident to utilize the basic functions of the Admin Console to manage users, control access to services, configure common security settings, and much more. Through a series of introductory lessons, step-by-step hands-on exercises, Google knowledge resources, and knowledge checks, learners can expect to leave this training with all of the skills they need to get started as new Cloud Identity Administrators.
Google Cloud Fundamentals for AWS Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.
"Noções básicas do Google Cloud: infraestrutura principal" é uma apresentação da terminologia e de conceitos importantes para trabalhar com o Google Cloud. Usando vídeos e laboratórios práticos, o curso apresenta e compara vários serviços de armazenamento e computação do Google Cloud, além de ferramentas importantes para o gerenciamento de políticas e recursos.
Esta Quest de nível básico é exclusiva entre as outras ofertas do Qwiklabs. Os laboratórios foram criados para oferecer um treinamento prático aos profissionais de TI nos tópicos e serviços da certificação Associate Cloud Engineer do Google Cloud . Abrangendo desde IAM e serviços de rede até a implantação do Kubernetes Engine, esta Quest é composta de laboratórios específicos que colocarão à prova seu conhecimento sobre o GCP. Os laboratórios ajudarão a desenvolver suas habilidades, mas recomendamos que você também consulte o guia do exame e outros materiais preparatórios disponíveis.
In this quest, you will learn about Google Cloud’s IoT Core service and its integration with other services like GCS, Dataprep, Stackdriver and Firestore. The labs in this quest use simulator code to mimic IOT devices and the learning here should empower you to implement the same streaming pipeline with real world IoT devices.
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.
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.
In this quest you will use a collection of Google APIs that are all related to language, and speech. You will use the Speech-to-Text API to transcribe an audio file into a text file, the Cloud Translation API to translate from one language to another, the Cloud Translation API to detect what language is being used and translate to a different language, the Natural Language API to classify text and analyze sentiment, and create synthetic speech.
Este curso aborda o fluxo de trabalho de machine learning no dia a dia de forma prática: um estudo de caso em que uma equipe tem vários casos de uso e exigências comerciais em ML. A equipe precisa conhecer as ferramentas adequadas para o gerenciamento e a governança de dados, além de saber qual a melhor abordagem para o processamento de dados: desde fornecer uma visão geral do Dataflow e do Dataprep até usar o BigQuery para tarefas pré-processadas. A equipe tem três opções para criar modelos de machine learning em dois casos de uso específicos. Neste curso, você vai entender por que uma equipe escolhe o AutoML, o BigQuery ML ou o treinamento personalizado para alcançar seus objetivos. O curso aborda o treinamento personalizado de forma detalhada. Descrevemos os requisitos para treinamento personalizado, desde a estrutura e o armazenamento do código de treinamento, além do carregamento de grandes conjuntos de dados, até a exportação de um modelo de treinamento. Você vai desenvol…
Quer saber mais sobre o Feature Store da Vertex AI, como melhorar a acurácia dos seus modelos de machine learning e quais colunas de dados contêm os atributos mais úteis? No curso "Feature Engineering", falamos sobre atributos bons e ruins, além de mostrar como fazer o pré-processamento e a transformação deles para otimizar seus modelos. Esse curso tem conteúdo teórico e prático sobre a engenharia de atributos usando o BigQuery ML, Keras e TensorFlow.
Este curso aborda o design e a criação de um pipeline de dados de entrada com o TensorFlow 2.x, além de vários aspectos relacionados aos modelos de ML, por exemplo: como desenvolver esses modelos com o TensorFlow 2.x e o Keras, como melhorar a precisão deles; como criá-los para uso em escala e como desenvolver modelos de ML especializados.
Usar a capacidade de computação em grande escala para reconhecer padrões e "ler" imagens é uma das tecnologias fundamentais de IA, desde carros com condução automática até reconhecimento facial. O Google Cloud Platform oferece velocidade e precisão de nível internacional, com sistemas que podem ser usados ao chamar APIs. Com eles e várias outras APIs, o GCP tem praticamente uma ferramenta para cada job de machine learning. Neste curso introdutório, você vai praticar a aplicação do machine learning em processamento de imagens com laboratórios que permitem rotular imagens, detectar rostos e pontos de referência, extrair, analisar e traduzir texto de imagens.
Não é novidade que o machine learning é um dos campos que mais cresce na área de tecnologia, e o Google Cloud Platform tem sido fundamental para esse desenvolvimento. Com diversas APIs, o GCP tem uma ferramenta para praticamente todos os jobs de machine learning. Neste curso introdutório, você vai praticar a aplicação do machine learning ao processamento de linguagem em laboratórios que permitem extrair entidades de textos e realizar análises sintáticas e de sentimento, além de usar a API Speech-to-Text para transcrição.
Big Data, machine learning e inteligência artificial são áreas da computação que estão em alta. Mas esses são campos muito especializados, e é difícil encontrar materiais introdutórios sobre eles. Felizmente, o Google Cloud oferece serviços fáceis de usar nessas áreas, e com este curso de nível básico, você já pode começar sua jornada com ferramentas como o BigQuery, a API Cloud Speech e o Video Intelligence.
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.
O curso começa propondo a seguinte discussão: como melhorar a qualidade dos dados e fazer uma análise exploratória deles? Descrevemos o AutoML na Vertex AI e como criar, treinar e implantar um modelo de ML sem escrever nenhuma linha de código. Você vai conhecer os benefícios do BigQuery ML. Depois vamos falar sobre como otimizar um modelo de machine learning (ML) e como a generalização e a amostragem podem ajudar na avaliação de qualidade dos modelos de ML em treinamentos personalizados.
Quais são as práticas recomendadas para implementar machine learning no Google Cloud? O que é Vertex AI e como é possível usar a plataforma para criar, treinar e implantar modelos de machine learning do AutoML com rapidez e sem escrever nenhuma linha de código? O que é machine learning e que tipos de problema ele pode resolver? O Google pensa em machine learning de uma forma um pouco diferente. Para nós, o processo de ML é sobre fornecer uma plataforma unificada para conjuntos de dados gerenciados, como uma Feature Store, uma forma de criar, treinar e implantar modelos de machine learning sem escrever nenhuma linha de código. Além disso, o ML também é sobre a habilidade de rotular dados, criar notebooks do Workbench usando frameworks (como TensorFlow, SciKit Learn, Pytorch e R) e muito mais. A plataforma Vertex AI também inclui a possibilidade de treinar modelos personalizados, criar pipelines de componente e realizar previsões em lote e on-line. Também falamos sobre as cinco fas…
Este curso apresenta os produtos e serviços de Big Data e machine learning do Google Cloud que auxiliam no ciclo de vida de dados para IA. Ele explica os processos, os desafios e os benefícios de criar um pipeline de Big Data e modelos de machine learning com a Vertex AI no Google Cloud.
Embora as abordagens tradicionais de uso de data lakes e data warehouses possam ser eficazes, elas têm alguns problemas, principalmente em grandes ambientes corporativos. Este curso apresenta o conceito de data lakehouse e os produtos do Google Cloud usados para criar um. Uma arquitetura de lakehouse usa fontes de dados de padrão aberto e combina os melhores atributos de data lakes e data warehouses, o que resolve muitos desses problemas.
Conclua o curso introdutório Migre dados MYSQL para o Cloud SQL usando o Database Migration Service e mostre que você sabe migrar dados MySQL para o Cloud SQL usando diferentes tipos de tarefas e opções de conectividade disponíveis no Database Migration Service, além de fazer a migração de dados do usuário do MySQL durante a execução de jobs do Database Migration Service.
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
Quer criar modelos de ML em minutos em vez de horas usando apenas SQL? O BigQuery ML democratiza o machine learning ao permitir que analistas de dados criem, treinem, avaliem e façam previsões usando habilidades e ferramentas de SQL que eles já têm. Nesta série de laboratórios, você vai fazer alguns testes e saber quais são as características de um bom modelo.
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.
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.
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.
Quer criar ou otimizar um armazenamento de dados? Aprenda práticas recomendadas para extrair, transformar e carregar dados no Google Cloud com o BigQuery. Nesta série de laboratórios interativos, você vai criar e otimizar seu próprio armazenamento usando diversos conjuntos de dados públicos de grande escala do BigQuery. 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 ou precisar de um administrador de banco de dados. O BigQuery usa SQL e está disponível no modelo de pagamento por utilização. Com ele, você se concentra na análise dos dados para encontrar insights relevantes.
Conclua o selo de habilidade intermediário Criar um data warehouse com o BigQuery para mostrar que você sabe mesclar dados para criar novas tabelas; solucionar problemas de mesclagens; adicionar dados ao final com uniões; criar tabelas particionadas por data; além de trabalhar com JSON, matrizes e structs no BigQuery.
Conclua o curso intermediário para obter o selo de habilidade Como implementar as noções básicas de segurança da nuvem no Google Cloud para mostrar que você sabe: criar e atribuir papéis com o Identity and Access Management (IAM); criar e gerenciar contas de serviço; ativar a conectividade particular entre redes de nuvem privada virtual (VPC); restringir o acesso ao aplicativo usando o Identity-Aware Proxy; gerenciar chaves e dados criptografados usando o Cloud Key Management Service (KMS) e criar um cluster particular do Kubernetes.
Este curso é perfeito para desenvolvedores de nuvem iniciantes que estão procurando prática além do Google Cloud Essentials. Você vai ganhar experiência em laboratórios que se aprofundam no Cloud Storage e em outros serviços de aplicativos fundamentais, como Monitoring e Cloud Functions. Você vai desenvolver habilidades importantes que podem ser aplicadas a qualquer iniciativa do Google Cloud.
A segurança é uma prioridade indiscutível dos serviços do Google Cloud, por isso temos ferramentas específicas para garantir a proteção e a identidade nos seus projetos. Neste curso introdutório, você vai conhecer na prática o serviço Identity and Access Management (IAM) do Google Cloud, que é o melhor para gerenciar contas de usuários e máquinas virtuais. Você vai ganhar experiência com segurança de rede provisionando VPCs e VPNs, além de conhecer as ferramentas disponíveis para proteger contra ameaças e perda de dados.
Não é novidade que o machine learning é um dos campos que mais crescem na área de tecnologia, e o Google Cloud Platform tem sido fundamental para esse desenvolvimento. Com diversas APIs, o GCP tem uma ferramenta para praticamente todos os jobs de machine learning. Nesta Quest de nível avançado, você terá experiência prática com as APIs de machine learning em laboratórios como estes: "Como implementar um bot de bate-papo com IA usando o Dialogflow" e "Detectar rótulos, rostos e pontos de referência em imagens com a API Cloud Vision".
Ganhe um selo de habilidade ao concluir o curso Arquitetura de nuvem: como criar, implantar e gerenciar e mostre que você sabe: implantar um site publicamente acessível usando servidores da Web Apache, configurar uma VM no Compute Engine usando scripts de inicialização, configurar um RDP seguro usando um Bastion Host Windows e regras de firewall, criar e implantar uma imagem Docker em um cluster do Kubernetes e atualizá-lo, além de criar uma instância do CloudSQL e importar um banco de dados do MySQL. Este selo de habilidade é um ótimo recurso para entender tópicos que vão aparecer no exame de certificação Professional Cloud Architect com Certificação em Google Cloud.
This course offers hands-on practice with migrating MySQL data to Cloud SQL using Database Migration Service. You start with an introductory lab that briefly reviews how to get started with Cloud SQL for MySQL, including how to connect to Cloud SQL instances using the Cloud Console. Then, you continue with two labs focused on migrating MySQL databases to Cloud SQL using different job types and connectivity options available in Database Migration Service. The course ends with a lab on migrating MySQL user data when running Database Migration Service jobs.
Este curso introdutório conta com recursos exclusivos entre as outras ofertas de cursos. Os laboratórios foram criados para oferecer um treinamento prático aos profissionais de TI nos tópicos e serviços que aparecem na Certificação em Google Cloud Associate Cloud Engineer. Do IAM à rede, até a implantação do Kubernetes Engine, este curso é composto por laboratórios específicos que vão testar seus conhecimentos sobre o Google Cloud. Embora a prática com esses laboratórios ajude a desenvolver suas habilidades e conhecimento, recomendamos que você também estude pelo guia do exame e por outros recursos de preparação disponíveis.
Neste curso introdutório, você terá prática com as ferramentas e os serviços essenciais do Google Cloud. Vídeos opcionais estão disponíveis para fornecer mais contexto e revisar os conceitos abordados nos laboratórios. O curso Google Cloud Essentials é uma introdução recomendada para quem quer aprender sobre o Google Cloud. Você pode entrar com pouco ou nenhum conhecimento prévio em nuvem e sair com habilidades práticas que você pode aplicar ao seu primeiro projeto no Google Cloud. Desde a criação de comandos do Cloud Shell e a implantação da sua primeira máquina virtual até a execução de aplicativos no Kubernetes Engine ou com balanceamento de carga, o Google Cloud Essentials é uma excelente introdução aos recursos básicos da plataforma.
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.
Este curso oferece prática com o Cloud Data Fusion, uma plataforma nativa da nuvem de integração de dados sem código. Desenvolvedores de ETL, engenheiros de dados e analistas podem se beneficiar muito das transformações e conectores pré-criados para gerar e implantar os pipelines sem se preocupar em escrever código. Este curso começa com um laboratório de início rápido que familiariza os estudantes com a interface do Cloud Data Fusion. Depois, você vai executar pipelines em lote e em tempo real, além de usar o plug-in Wrangler para realizar algumas transformações interessantes nos dados.
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.
Ganhe o selo de habilidade avançado ao concluir o curso Usar APIs de machine learning no Google Cloud. Nele, você aprende os recursos básicos das seguintes tecnologias de machine learning e IA: API Cloud Vision, API Cloud Translation e API Cloud Natural Language.
Conquiste um selo de habilidade ao concluir o curso Como desenvolver sua rede do Google Cloud, que ensina várias maneiras de implantar e monitorar aplicativos, incluindo como analisar os papéis do IAM e adicionar/remover acesso a projetos, criar redes VPC, implantar e monitorar VMs do Compute Engine; gravar consultas SQL, implantar e monitorar VMs no Compute Engine e implantar aplicativos usando Kubernetes com múltiplas abordagens de implantação.
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.
Conquiste um selo de habilidade ao concluir o curso Como configurar um ambiente de desenvolvimento de apps no Google Cloud. Nele, você aprende a criar e conectar uma infraestrutura em nuvem focada em armazenamento usando recursos básicos das seguintes tecnologias: Cloud Storage, Identity and Access Management, Cloud Functions e Pub/Sub.
Conquiste o selo de habilidade introdutório Prepare os dados para relatórios e dashboards do Looker para mostrar que você sabe: filtrar, ordenar e dinamizar dados; mesclar resultados de diferentes Análises do Looker; e usar funções e operadores para criar dashboards e relatórios do Looker para análise e visualização de dados.
Conclua o selo de habilidade introdutório Implementação do Cloud Load Balancing no Compute Engine para demonstrar que você sabe: criar e implantar máquinas virtuais no Compute Engine; configurar balanceadores de carga de rede e de aplicativo.