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 introdutório Crie e gerencie instâncias do Cloud SQL para PostgreSQL e demonstre suas habilidades em: migração, configuração e gerenciamento das instâncias e dos bancos de dados do Cloud SQL para PostgreSQL.
Neste curso, apresentamos os recursos de IA e machine learning (ML) do Google Cloud, com foco no desenvolvimento de projetos de IA generativa e preditiva. Vamos conhecer as tecnologias, os produtos e as ferramentas disponíveis em todo o ciclo de vida de dados para IA, capacitando cientistas de dados, desenvolvedores de IA e engenheiros de ML para aprimorar a experiência com exercícios interativos.
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…
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.
Conclua o selo de habilidade introdutório Monitorar e gerenciar recursos do Google Cloud para demonstrar que você sabe conceder e revogar permissões do IAM; instalar agentes de monitoramento e geração de registros; criar, implantar e testar uma função do Cloud Run guiada por eventos.
Conclua o curso introdutório Crie e gerencie instâncias do AlloyDB para demonstrar que você sabe realizar operações e tarefas básicas do AlloyDB, migrar para o AlloyDB do PostgreSQL, administrar um banco de dados do AlloyDB e acelerar consultas analíticas usando o mecanismo colunar do AlloyDB.
Conclua o selo de habilidade introdutório Criar objetos do LookML no Looker para demonstrar que você sabe: criar dimensões e métricas, visualizações e tabelas derivadas; definir filtros e tipos de métricas com base nos requisitos; atualizar dimensões e métricas; criar e refinar Análises, combinar visualizações com Análises atuais e decidir quais objetos do LookML criar com base nos requisitos de negócios.
Ganhe um selo de habilidade ao concluir o curso Análise de fala e linguagem com APIs do Google. Nele, você aprende a usar a API Natural Language e a API Speech em configurações reais.
Ganhe um selo de habilidade ao concluir o curso Análise de imagens com a API Cloud Vision, em que você descobre como usar essa API para várias tarefas, incluindo a extração de texto das imagens.
Ganhe um selo de habilidade ao concluir o curso Análise de sentimento com a API Natural Language, em que você aprende como a API entende o sentimento do texto.
Conclua o curso intermediário com selo de habilidade Realizar análise de dados preditiva no BigQuery para demonstrar suas habilidades nas seguintes áreas: criação de conjuntos de dados no BigQuery importando arquivos CSV e JSON; aproveitamento do potencial do BigQuery com conceitos analíticos sofisticados de SQL, incluindo o uso do BigQuery ML para treinar um modelo de gols com base em dados de eventos de futebol e avaliar a qualidade dos gols da Copa do Mundo.
Ganhe o selo de habilidade intermediário ao concluir o curso Como classificar imagens com o TensorFlow no Google Cloud, em que você aprende a usar o TensorFlow e a Vertex AI para criar e treinar modelos de machine learning. Você interage principalmente com notebooks gerenciados pelo usuário no Vertex AI Workbench.
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.
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
O curso IA generativa – Agent Platform é uma coleção de laboratórios sobre como usar a IA generativa no Google Cloud. Nos laboratórios, você vai aprender a usar os modelos do Gemini no Agent Platform. Também vai saber mais sobre design de comandos, práticas recomendadas e como isso pode ser usado para gerar ideias, classificar, extrair e resumir textos, entre outras coisas. Você ainda vai aprender a ajustar um modelo de fundação com treinamento personalizado e implantação em um endpoint no Agent Platform.
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.
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.
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.
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.
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 como usar o Gemini Notebook para criar um guia de estudo personalizado para o exame de certificação Professional Data Engineer. Você vai analisar os recursos da ferramenta, criar um notebook nela e aprender a usar um guia de estudo para se preparar para um exame de certificação.