Participante desde 2022
Gemini para arquitetos de nuvem
Earned Sep 8, 2025 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Português Brasileiro
Earned Oct 31, 2022 EDT
Como criar pipelines de dados de streaming no Google Cloud
Earned Oct 23, 2022 EDT
Como criar pipelines de dados em lote no Google Cloud
Earned Oct 12, 2022 EDT
Como criar data lakes e data warehouses no Google Cloud
Earned Oct 3, 2022 EDT
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda administradores a provisionar a infraestrutura. Também vai aprender a usar os comandos do Gemini para explicar e atualizar a infraestrutura, além de implantar clusters do GKE. O laboratório prático permite que você entenda como o Gemini aprimora o fluxo de trabalho de implantação do GKE. A Duet AI agora é o Gemini, nosso modelo de última geração.
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.
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.
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.