Aumento de Produtividade com Gemini no BigQuery
Earned May 20, 2026 EDT
Como criar uma malha de dados com o Knowledge Catalog
Earned May 20, 2026 EDT
Preparar dados para APIs de ML no Google Cloud
Earned Mar 10, 2026 EDT
Criar um data warehouse com o BigQuery
Earned Mar 9, 2026 EDT
Dados de engenharia para modelagem preditiva com o BigQuery ML
Earned Mar 9, 2026 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Português Brasileiro
Earned Jan 10, 2026 EST
Como criar data lakes e data warehouses no Google Cloud
Earned Dec 9, 2025 EST
Processamento de dados sem servidor com o Dataflow: fundamentos
Earned Dec 9, 2025 EST
Preparação para sua jornada da certificação Professional Data Engineer
Earned Dec 8, 2025 EST
Introdução à engenharia de dados no Google Cloud
Earned Nov 6, 2025 EST
Neste curso, vamos conhecer o Gemini no BigQuery, um pacote de recursos com tecnologia de IA que auxilia no fluxo de trabalho de dados para inteligência artificial. Esses recursos incluem preparação e análise detalhada de dados, solução de problemas e geração de código, além da descoberta e visualização do fluxo de trabalho. Com explicações conceituais, um caso de uso prático e o laboratório, o curso ensina aos profissionais de dados como aumentar a produtividade e acelerar o pipeline de desenvolvimento.
Saiba mais
Conclua o selo de habilidade introdutório Como criar uma malha de dados com o Knowledge Catalog para mostrar sua capacidade de usar o Knowledge Catalog para criar uma malha de dados e assim facilitar a segurança, a governança e a descoberta de dados no Google Cloud. Você vai praticar e testar suas habilidades em aplicar tags a recursos, atribuir papéis do IAM e avaliar a qualidade dos dados no Knowledge Catalog.
Saiba mais
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.
Saiba mais
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.
Saiba mais
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.
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
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 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
Este curso ajuda estudantes a criar um plano de estudo para o exame da certificação PDE (Professional Data Engineer). É possível conferir a amplitude e o escopo dos domínios abordados no exame. Os estudantes também podem acompanhar os preparativos para o exame e criar planos de estudos individuais.
Saiba mais
Neste curso, vamos falar sobre a engenharia de dados no Google Cloud, os papéis e responsabilidades dos engenheiros de dados e como alinhá-los aos produtos do Google Cloud. Além disso, você aprenderá a lidar com os desafios da engenharia de dados.
Aumento de Produtividade com Gemini no BigQuery
Earned May 20, 2026 EDT
Como criar uma malha de dados com o Knowledge Catalog
Earned May 20, 2026 EDT
Preparar dados para APIs de ML no Google Cloud
Earned Mar 10, 2026 EDT
Criar um data warehouse com o BigQuery
Earned Mar 9, 2026 EDT
Dados de engenharia para modelagem preditiva com o BigQuery ML
Earned Mar 9, 2026 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Português Brasileiro
Earned Jan 10, 2026 EST
Como criar data lakes e data warehouses no Google Cloud
Earned Dec 9, 2025 EST
Processamento de dados sem servidor com o Dataflow: fundamentos
Earned Dec 9, 2025 EST
Preparação para sua jornada da certificação Professional Data Engineer
Earned Dec 8, 2025 EST
Introdução à engenharia de dados no Google Cloud
Earned Nov 6, 2025 EST