Inscreva-se Fazer login

Aplique suas habilidades no console do Google Cloud

Jordi Arenas

Participante desde 2025

Liga Diamante

15562 pontos
Criação de comandos na Vertex AI Earned Mar 30, 2026 EDT
Introdução à IA responsável Earned Mar 29, 2026 EDT
Introdução aos modelos de linguagem grandes Earned Mar 29, 2026 EDT
Introdução à geração de imagens Earned Mar 29, 2026 EDT
Introdução à IA generativa Earned Mar 29, 2026 EDT
Introdução ao Gemini Enterprise Earned Mar 4, 2026 EST
Compartilhe dados com o Google Data Cloud Earned Aug 9, 2025 EDT
Como criar uma malha de dados com o Dataplex Earned Aug 4, 2025 EDT
Preparar dados para APIs de ML no Google Cloud Earned Jul 27, 2025 EDT
Prepare os dados para relatórios e dashboards do Looker Earned Jul 21, 2025 EDT
Streaming de análises para o BigQuery Earned Jul 20, 2025 EDT
Gerar insights a partir de dados do BigQuery Earned Jul 19, 2025 EDT
Como criar data lakes e data warehouses no Google Cloud Earned Jul 19, 2025 EDT
Criar um data warehouse com o BigQuery Earned Jul 6, 2025 EDT

Conclua o curso introdutório Criação de comandos na Vertex AI para: Demonstrar suas habilidades nas áreas de engenharia de comandos, análise de imagens e técnicas generativas multimodais na Vertex AI Descobrir como criar comandos eficientes, guiar as respostas da IA generativa e aplicar os modelos do Gemini em cenários reais de marketing.

Saiba mais

Este é um curso de microaprendizagem introdutório que busca explicar a IA responsável: o que é, qual é a importância dela e como ela é aplicada nos produtos do Google. Ele também contém os 7 princípios de IA do Google.

Saiba mais

Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.

Saiba mais

Neste curso, apresentamos os modelos de difusão, uma família de modelos de machine learning promissora no campo da geração de imagens. Os modelos de difusão são baseados na física, mais especificamente na termodinâmica. Nos últimos anos, eles se popularizaram no setor e nas pesquisas. Esses modelos servem de base para ferramentas e modelos avançados de geração de imagem no Google Cloud. Este curso é uma introdução à teoria dos modelos de difusão e como eles devem ser treinados e implantados na Vertex AI.

Saiba mais

Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.

Saiba mais

Neste curso, você vai conhecer o Gemini Enterprise, uma plataforma avançada que reúne agentes de IA, pesquisa corporativa, NotebookLM e acesso inteligente aos dados para resolver desafios organizacionais. Com exemplos reais e aprendizado prático, você vai aprender a aplicar os recursos do Gemini Enterprise nas demandas reais dos negócios, descrever a arquitetura dele e explicar como ele gerencia o acesso a dados e a privacidade para as diferentes funções.

Saiba mais

Ganhe um selo de habilidade ao concluir o curso Compartilhe dados com o Google Data Cloud. Nele, você vai adquirir experiência prática com os parceiros do de compartilhamento de dados, que têm conjuntos de dados próprios que os clientes podem usar para casos de uso de análise. Os clientes assinam e consultam esses dados na própria plataforma, depois os aprimoram com os conjuntos de dados e usam ferramentas de visualização nos painéis voltados para o cliente.

Saiba mais

Conclua o selo de habilidade introdutório Como criar uma malha de dados com o Dataplex para mostrar sua capacidade de usar o Dataplex 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 Dataplex.

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 Dataproc e chamar APIs de ML, incluindo as APIs Cloud Natural Language, Google Cloud Speech-to-Text e Video Intelligence.

Saiba mais

Conquiste o selo de habilidade introdutório Prepare os dados para relatórios e dashboards do Looker para mostrar que você sabe: filtrar, ordenar e dinamizar dados; mesclar resultados de diferentes Análises do Looker; e usar funções e operadores para criar dashboards e relatórios do Looker para análise e visualização de dados.

Saiba mais

Ganhe um selo de habilidade ao concluir o curso Streaming de análises para o BigQuery, em que você usa o Pub/Sub, o Dataflow e o BigQuery juntos para transmitir dados para análise.

Saiba mais

Conclua o selo de habilidade introdutório Gerar insights a partir de dados do BigQuery para mostrar que você sabe gravar consultas SQL, consultar tabelas públicas e carregar dados de amostra no BigQuery, solucionar erros comuns de sintaxe com o validador de consultas no BigQuery e criar relatórios no Looker Studio fazendo a conexão com dados do BigQuery.

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

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