Participante desde 2022
Projeto de APIs e conceitos básicos com a plataforma da Apigee
Earned Jun 23, 2023 EDT
Noções básicas do Google Cloud: infraestrutura principal
Earned May 27, 2023 EDT
[DEPRECATED] Engenharia de atributos
Earned Aug 31, 2022 EDT
Launching into Machine Learning - Português Brasileiro
Earned Aug 8, 2022 EDT
Neste curso, você vai aprender a projetar APIs e usar especificações da OpenAPI para documentá-las. Em seguida, você vai conhecer o ciclo de vida da API e como a plataforma da Apigee ajuda a gerenciar todos os aspectos desse ciclo. O curso aborda como as APIs podem ser projetadas usando proxies de API e como elas são empacotadas como produtos para serem utilizadas por desenvolvedores de apps. Com uma combinação de aulas, laboratórios práticos e materiais complementares, você vai aprender a projetar, criar, proteger, implantar e gerenciar soluções de API usando a plataforma da Apigee no Google Cloud. Este é o primeiro curso da série Como desenvolver APIs com a plataforma da Apigee. Depois de concluí-lo, inscreva-se em Segurança de APIs com a plataforma da Apigee.
"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.
O curso apresenta os benefícios de usar a Vertex AI Feature Store e ensina a melhorar a acurácia dos modelos de ML e a identificar as colunas de dados que apresentam os atributos mais úteis. Ele também oferece conteúdo teórico e laboratórios sobre engenharia de atributos com BigQuery ML, Keras e TensorFlow.
O curso começa com 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.