Long Nguyen
Participante desde 2022
Liga Ouro
7005 pontos
Como desenvolver uma cultura de SRE do Google
Earned Mar 30, 2024 EDT
Processamento de dados sem servidor com o Dataflow: desenvolvimento de pipelines
Earned Nov 13, 2022 EST
Processamento de dados sem servidor com o Dataflow: fundamentos
Earned Sep 23, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Português Brasileiro
Earned Sep 20, 2022 EDT
Como criar pipelines de dados de streaming no Google Cloud
Earned Sep 16, 2022 EDT
Como criar pipelines de dados em lote no Google Cloud
Earned Sep 8, 2022 EDT
Prepare os dados para relatórios e dashboards do Looker
Earned Sep 4, 2022 EDT
Applying Machine Learning to Your Data with Google Cloud - Português Brasileiro
Earned Aug 26, 2022 EDT
Achieving Advanced Insights with BigQuery - Português Brasileiro
Earned Aug 25, 2022 EDT
Creating New BigQuery Datasets and Visualizing Insights - Português Brasileiro
Earned Aug 13, 2022 EDT
Exploring and Preparing Your Data with BigQuery - Português Brasileiro
Earned Aug 11, 2022 EDT
Developing Data Models with LookML
Earned Aug 5, 2022 EDT
Analyzing and Visualizing Data in Looker
Earned Aug 3, 2022 EDT
Como criar data lakes e data warehouses no Google Cloud
Earned Jul 31, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Português Brasileiro
Earned Jul 26, 2022 EDT
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.
Saiba mais
Na segunda parte desta série, vamos nos aprofundar no desenvolvimento de pipelines usando o SDK do Beam. Primeiro, vamos conferir um resumo dos conceitos do Apache Beam. Depois disso, falaremos sobre como processar dados de streaming usando janelas, marcas d’água e gatilhos. Em seguida, vamos ver as opções de origens e coletores para seus pipelines, além de esquemas para expressar seus dados estruturados e como fazer transformações com estado usando as APIs State e Timer. A próxima tarefa será conferir as práticas recomendadas para maximizar o desempenho do pipeline. No final do curso, apresentaremos as APIs SQL e Dataframes, que representam sua lógica de negócios no Beam. Além disso, veremos como desenvolver pipelines de maneira iterativa usando os notebooks do Beam.
Saiba mais
Este é o primeiro de uma série de três cursos sobre processamento de dados sem servidor com o Dataflow. Nele, vamos relembrar o que é o Apache Beam e qual é a relação entre ele e o Dataflow. Depois, falaremos sobre a visão do Apache Beam e os benefícios do framework de portabilidade desse modelo de programação. Com esse processo, o desenvolvedor pode usar a linguagem de programação favorita com o back-end de execução que quiser. Em seguida, mostraremos como o Dataflow permite a separação entre a computação e o armazenamento para economizar dinheiro. Além disso, você vai aprender como as ferramentas de identidade, acesso e gerenciamento interagem com os pipelines do Dataflow. Por fim, vamos ver como implementar o modelo de segurança ideal para seu caso de uso no Dataflow.
Saiba mais
A incorporação de machine learning em pipelines de dados aumenta a capacidade de extrair insights dessas informações. Neste curso, mostramos as várias formas de incluir essa tecnologia em pipelines de dados do Google Cloud. Para casos de pouca ou nenhuma personalização, vamos falar sobre o AutoML. Para usar recursos de machine learning mais personalizados, vamos apresentar os Notebooks e o machine learning do BigQuery (BigQuery ML). No curso, você também vai aprender sobre a produção de soluções de machine learning usando a Vertex AI.
Saiba mais
Neste curso, você vai resolver desafios reais enfrentados na criação de pipelines de dados de streaming. O foco é gerenciar dados contínuos e ilimitados com os produtos do Google Cloud.
Saiba mais
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.
Saiba mais
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.
Saiba mais
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.
Saiba mais
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".
Saiba mais
Este é o segundo curso da série "Data to Insights". Vamos aprender a fazer a ingestão de novos conjuntos de dados externos no BigQuery e visualizá-los no Looker Studio. Também vamos analisar conceitos intermediários de SQL, como as operações JOIN e UNION em várias tabelas, para analisar dados de diversas fontes. Observação: Mesmo que você tenha experiência em SQL, há aspectos específicos do BigQuery (como usar o cache de consultas e os caracteres curinga de tabela) que podem ser novidade para você. Depois de terminar este curso, faça sua inscrição no "Achieving Advanced Insights with BigQuery".
Saiba mais
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.
Saiba mais
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
Saiba mais
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Saiba mais
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.
Saiba mais
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.
Saiba mais
