ikpesu emmanuel
Participante desde 2022
Liga Ouro
25484 pontos
Criar um data lake de streaming no Cloud Storage
Earned Oct 1, 2026 EDT
Implantar sistemas multiagente com a Gemini Enterprise Agent Platform
Earned Oct 1, 2026 EDT
Como desenvolver sua rede do Google Cloud
Earned Jun 16, 2024 EDT
Como otimizar custos do Google Kubernetes Engine
Earned Jun 12, 2024 EDT
Como criar infraestrutura com o Terraform no Google Cloud
Earned May 28, 2024 EDT
Como configurar um ambiente de desenvolvimento de apps no Google Cloud
Earned May 21, 2024 EDT
Implementação do Cloud Load Balancing no Compute Engine
Earned Apr 21, 2024 EDT
Criação de guia de estudo para certificação: PDE (preparação para o exame)
Earned Dec 14, 2023 EST
Processamento de dados sem servidor com o Dataflow: fundamentos
Earned Oct 27, 2023 EDT
Dados de engenharia para modelagem preditiva com o BigQuery ML
Earned Oct 25, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Português Brasileiro
Earned Oct 12, 2023 EDT
Criar um data warehouse com o BigQuery
Earned Oct 12, 2023 EDT
Preparar dados para APIs de ML no Google Cloud
Earned Oct 12, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Português Brasileiro
Earned Oct 12, 2023 EDT
Como criar pipelines de dados de streaming no Google Cloud
Earned Oct 12, 2023 EDT
Como criar pipelines de dados em lote no Google Cloud
Earned Oct 5, 2023 EDT
Como criar data lakes e data warehouses no Google Cloud
Earned Sep 29, 2023 EDT
Ganhe um selo de habilidade ao concluir o curso Criar um data lake de streaming no Cloud Storage. Nele, você usa o Pub/Sub, o Dataflow e o Cloud Storage para criar um data lake de streaming no Google Cloud.
Saiba mais
Neste curso, você aprenderá a usar o Kit de Desenvolvimento de Agente (ADK, na sigla em inglês) do Google para criar sistemas multiagente complexos. Você vai criar agentes equipados com ferramentas e conectá-los a relacionamentos pai-filho e fluxos para definir a interação entre eles. Você também vai executar os agentes localmente e implantá-los no Agent Runtime na Gemini Enterprise Agent Platform para serem executados como um fluxo agêntico gerenciado, com as decisões de infraestrutura e o escalonamento de recursos administrados pelo Agent Runtime.
É importante lembrar que estes laboratórios são baseados em uma versão de pré-lançamento do produto. Pode haver algum atraso nos laboratórios enquanto fornecemos atualizações de manutenção.
Saiba mais
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.
Saiba mais
Conclua o selo de habilidade intermediário Como otimizar custos do Google Kubernetes Engine para mostrar que você sabe criar e gerenciar clusters multilocatários, monitorar o uso de recursos por namespace, configurar o escalonamento automático de clusters e pods para maior eficiência, definir o balanceamento de carga para distribuição ideal de recursos e implementar sondagens de atividade e prontidão para garantir a integridade e um bom custo-benefício do aplicativo.
Saiba mais
Conclua o selo de habilidade intermediário Como criar infraestrutura com o Terraform no Google Cloud para mostrar que você sabe: usar os princípios de infraestrutura como código (IaC, na sigla em inglês) no Terraform, provisionar e gerenciar recursos do Google Cloud usando configurações do Terraform, gerenciamento de estado eficaz (local e remoto) e modularização do código do Terraform para reutilização e organização.
Saiba mais
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.
Saiba mais
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.
Saiba mais
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.
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
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
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
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
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
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
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
