Harold Marzan
Participante desde 2017
Liga Diamante
118109 pontos
Participante desde 2017
Conclua o selo de habilidade intermediário Acesso Privilegiado com IAM para demonstrar habilidades nas seguintes áreas: funções personalizadas usando o Identity and Access Management, o princípio de privilégio mínimo, acesso temporário elevado Just-in-Time (JIT) e segurança para aplicações web usando Identity-Aware Proxy (IAP).
Conclua o curso do selo de habilidade introdutório Introdução à Proteção de Dados Sensíveis para demonstrar habilidades em: uso dos serviços da Proteção de Dados Sensíveis (incluindo a API Cloud Data Loss Prevention) para inspecionar, redigir e desidentificar dados sensíveis no Google Cloud.
This course equips learners with the information they need to deploy reCAPTCHA in their websites, mobile applications, and web application firewalls (WAF). The course covers roles and permissions needed to integrate various reCAPTCHA features such as keys, assessments, and IP address allowlists, as well as the steps involved in preparing their cloud environment for reCAPTCHA integration. Learners will then have the opportunity to integrate reCAPTCHA into a cloud security architecture with Cloud Armor Bot Management.
Ganhe um selo de habilidade ao concluir o curso Proteja o tráfego de nuvem com a segurança do Chrome Enterprise Premium. Nele, você aprende a usar o Chrome Enterprise Premium para fornecer acesso seguro a apps e serviços essenciais, melhorar sua postura de segurança com uma plataforma de zero trust e tornar o acesso a recursos seguro usando o controle de acesso baseado no contexto e na identidade. Além disso, você oferece suporte a cargas de trabalho de nuvem híbrida usando o conector do cliente.
Conclua o curso do selo de habilidade intermediário Redução de riscos de ameaças e vulnerabilidades com o Security Command Center para demonstrar que você é capaz de: evitar e gerenciar ameaças ao ambiente, identificar e mitigar vulnerabilidades de aplicativos e responder a anomalias de segurança.
Conquiste um selo de habilidade ao concluir o curso Como criar uma rede segura do Google Cloud, que apresenta vários recursos relacionados a redes para criar, escalonar e proteger seus aplicativos no Google Cloud.
Aprenda a proteger suas implantações no Google Cloud, incluindo: como usar o gerenciamento de bots do Cloud Armor para reduzir o risco de bots e controlar o acesso de clientes automatizados; usar listas de negação do Cloud Armor para restringir ou permitir acesso ao seu balanceador de carga HTTP(S) na borda do Google Cloud; aplicar políticas de segurança do Cloud Armor para restringir o acesso a objetos de cache no Cloud CDN e no Google Cloud Storage; e mitigar vulnerabilidades comuns usando regras do WAF do Cloud Armor.
Este curso prepara estudantes para criar soluções altamente confiáveis e eficientes no Google Cloud usando padrões de design comprovados. Ele é uma continuação do curso "Como criar arquiteturas com o Google Compute Engine" ou "Como criar arquiteturas com o Google Kubernetes Engine" e exige experiência prática com as tecnologias abordadas nesses dois cursos. Com uma combinação de apresentações, atividades de design e laboratórios práticos, os participantes aprendem a definir e equilibrar requisitos técnicos e comerciais para projetar implantações do Google Cloud que sejam seguras, econômicas e altamente confiáveis e disponíveis.
Ganhe o selo de habilidade introdutório ao concluir o curso Criar um site no Google Cloud. Este curso é baseado na série Get Cooking in Cloud e aborda os seguintes tópicos:Implantação de um site no Cloud RunHospedagem de um app da web no Compute EngineCriação, implantação e escalonamento do seu site no Google Kubernetes EngineMigração de um aplicativo monolítico para uma arquitetura de microsserviços usando o Cloud Build
Conclua o curso intermediário Segurança na entrega de software para demonstrar sua proficiência na integração proativa da segurança ao ciclo de vida de desenvolvimento de software (SDLC) com os princípios do DevSecOps. Você vai aprender a usar o Google Kubernetes Engine (GKE) e o Cloud Run para uma implantação segura de imagens de contêineres, implementar a verificação automatizada de vulnerabilidades para identificar riscos de forma proativa e simplificar o desenvolvimento de aplicativos com o Artifact Registry mantendo o foco na segurança. Além disso, você vai aprender a integrar o Cloud Build para processos de desenvolvimento robustos e a implementar políticas de controle de admissão para ter um controle detalhado sobre seu ambiente.
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.
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.
Este curso ensina aos participantes técnicas de monitoramento e melhoria de infraestrutura e desempenho de aplicativos no Google Cloud. Com uma combinação de apresentações, demonstrações, laboratórios práticos e estudos de caso do mundo real, os participantes ganham experiência com monitoramento de pilha completa, gerenciamento e análise de registro em tempo real, depuração de código em produção, rastreamento de gargalos de desempenho de aplicativos, caracterização de perfil de CPU e uso de memória.
Esta é a segunda parte do curso "Observabilidade no Google Cloud". Esse curso aborda ferramentas de gerenciamento do desempenho de aplicativos, incluindo Error Reporting, Cloud Trace e Cloud Profiler.
Em muitas organizações de TI, os objetivos não estão alinhados entre desenvolvedores, que buscam por agilidade, e operadores, que focam na estabilidade. A engenharia de confiabilidade do site (SRE) é o método usado pelo Google para alinhar incentivos entre o desenvolvimento e as operações, além de prestar suporte essencial à produção. A adoção das práticas culturais e técnicas de SRE pode ajudar a melhorar a colaboração entre os departamentos comercial e de TI. Neste curso, apresentamos as principais práticas de SRE do Google e o papel importante que os líderes de TI e de negócios desempenham em uma adoção organizacional de SRE bem-sucedida.
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.
Este é o curso Cloud TPUs. Vamos conhecer as vantagens e desvantagens das TPUs em vários cenários e comparar diferentes aceleradores de TPU para você escolher a opção mais adequada. Você aprenderá estratégias para maximizar o desempenho e a eficiência dos seus modelos de IA e compreenderá a importância da interoperabilidade de GPU/TPU para fluxos de trabalho flexíveis de machine learning. Usando conteúdo envolvente e demonstrações práticas, guiaremos você no aproveitamento eficaz das TPUs.
Quer saber mais sobre o hardware avançado por trás da IA? Este módulo analisa os computadores de IA otimizados para desempenho, mostrando por que eles são tão importantes. Vamos analisar como CPUs, GPUs e TPUs tornam as tarefas de IA extremamente rápidas, o que torna cada uma delas única e como o software de IA tira o máximo proveito delas. Ao final, você saberá exatamente como escolher a GPU certa para seus projetos de IA, o que ajuda na tomada de decisões inteligentes para suas cargas de trabalho de IA.
Tudo pronto para começar a usar o Hipercomputador de IA? Com este curso, fica fácil! Vamos abordar os conceitos básicos, explicando o que é o Hipercomputador de IA e como ele auxilia com cargas de trabalho de inteligência artificial. Você aprenderá sobre os diferentes componentes de um hipercomputador, como GPUs, TPUs e CPUs, e descobrirá como escolher a abordagem de implantação ideal para suas demandas.
Conquiste o selo de habilidade introdutório Como monitorar e registrar com o Google Cloud Observability para mostrar que você sabe: monitorar máquinas virtuais no Compute Engine, usar o Cloud Monitoring para supervisionar vários projetos, ampliar as capacidades de monitoramento e geração de registros para o Cloud Functions, criar e enviar métricas personalizadas do aplicativo e configurar os alertas do Cloud Monitoring de acordo com as métricas personalizadas.
A inteligência artificial (IA) oferece possibilidades de transformação, mas também traz novos desafios para a segurança. Este curso capacita líderes em segurança e proteção de dados com estratégias para gerenciar essa tecnologia da melhor forma nas organizações. Trabalhe com um framework que foi criado para identificar e mitigar proativamente riscos específicos da IA, proteger dados sensíveis, garantir o compliance e suportar uma infraestrutura de IA resiliente. Analise casos de uso de quatro setores diferentes para ver como essas estratégias se aplicam em cenários reais.
Este curso analisa os recursos de segurança essenciais do Model Armor e prepara você para trabalhar com o serviço. Você vai aprender sobre os riscos de segurança associados a LLMs e como o Model Armor protege seus aplicativos de IA.
Conclua o curso intermediário para obter o selo de habilidade Como implementar as noções básicas de segurança da nuvem no Google Cloud para mostrar que você sabe: criar e atribuir papéis com o Identity and Access Management (IAM); criar e gerenciar contas de serviço; ativar a conectividade particular entre redes de nuvem privada virtual (VPC); restringir o acesso ao aplicativo usando o Identity-Aware Proxy; gerenciar chaves e dados criptografados usando o Cloud Key Management Service (KMS) e criar um cluster particular do Kubernetes.
Ganhe um selo de habilidade ao concluir o curso Monitorar ambientes com o Google Cloud Managed Service para Prometheus , em que você aprende sobre o monitoramento do Kubernetes com o Google Cloud Managed Service para Prometheus.
Bem-vindo ao curso "Introdução ao Google Kubernetes Engine". Se você têm interesse no Kubernetes, uma camada de software que fica entre seus aplicativos e a infraestrutura de hardware, aqui é o lugar certo. O Google Kubernetes Engine transforma o Kubernetes em um serviço gerenciado no Google Cloud. O objetivo deste curso é apresentar os conceitos básicos do Google Kubernetes Engine, ou GKE, como é comumente conhecido, e aprender a conteinerizar e executar aplicativos no Google Cloud. O curso começa com uma introdução básica ao Google Cloud e é seguido pelos conceitos gerais dos contêineres e do Kubernetes, da arquitetura do Kubernetes e das operações do Kubernetes.
This course introduces you to the world of reliable deep learning, a critical discipline focused on developing machine learning models that not only make accurate predictions but also understand and communicate their own uncertainty. You'll learn how to create AI systems that are trustworthy, robust, and adaptable, particularly in high-stakes scenarios where errors can have significant consequences.
Conclua o treinamento e receba o selo de habilidade introdutório de "Criação de aplicativos de IA no mundo real com o Gemini e o Imagen". Com ele, você vai ser capaz de demonstrar as seguintes competências: reconhecimento de imagens, processamento de linguagem natural, geração de imagens usando os modelos avançados do Gemini e Imagen do Google e implantação de aplicativos na plataforma Vertex AI.
Ganhe o selo de habilidade avançado ao concluir o curso Usar APIs de machine learning no Google Cloud. Nele, você aprende os recursos básicos das seguintes tecnologias de machine learning e IA: API Cloud Vision, API Cloud Translation e API Cloud Natural Language.
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.
Este curso demonstra como usar modelos de ML/IA para tarefas generativas no BigQuery. Nele, você vai conhecer o fluxo de trabalho para solucionar um problema comercial com modelos do Gemini utilizando um caso de uso prático que envolve gestão de relacionamento com o cliente. Para facilitar a compreensão, o curso também proporciona instruções detalhadas de soluções de programação que usam consultas SQL e notebooks Python.
Conheça o BigQuery ML para inferência, saiba por que ele é a melhor opção para analistas de dados, os casos de uso dele e os modelos de ML compatíveis. Você também vai aprender a criar e gerenciar esses modelos de ML no BigQuery.
Neste curso, vamos conhecer o Gemini no BigQuery, um pacote de recursos com tecnologia de IA que auxilia no fluxo de trabalho de dados para inteligência artificial. Esses recursos incluem preparação e análise detalhada de dados, solução de problemas e geração de código, além da descoberta e visualização do fluxo de trabalho. Com explicações conceituais, um caso de uso prático e o laboratório, o curso ensina aos profissionais de dados como aumentar a produtividade e acelerar o pipeline de desenvolvimento.
Neste curso, você vai aprender a desenvolver um app usando o Flutter, o kit de ferramentas de UI portátil do Google, e a integrar o app com o Gemini, a família de modelos generativos de IA do Google. Você também vai usar o Vertex AI Agent Builder, a plataforma do Google para criar e gerenciar agentes e aplicativos de IA.
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.
Neste curso, você vai aprender com engenheiros e instrutores de ML que trabalham com o desenvolvimento de última geração dos pipelines de ML aqui no Google Cloud. Nos primeiros módulos, vamos abordar o TensorFlow Extended (ou TFX), que é uma plataforma de machine learning do Google baseada no TensorFlow criada para gerenciar pipelines e metadados de ML. Você vai conhecer os componentes e a orquestração de um pipeline com o TFX. Também vamos abordar como é possível automatizar os pipelines usando a integração e a implantação contínuas e como gerenciar os metadados de ML. Depois disso, vamos mudar o foco para discutir como podemos automatizar e reutilizar os pipelines de ML em vários frameworks de machine learning, como tensorflow, pytorch, scikit-learn e xgboost. Você também vai aprender a usar outra ferramenta no Google Cloud, o Cloud Composer, para orquestrar seus pipelines de treinamento contínuo. Por fim, vamos mostrar como usar o MLflow para gerenciar o ciclo de vida completo do ma…
Artificial Intelligence (AI) offers transformative possibilities, but it also introduces new security challenges. This course equips security and data protection leaders with strategies to securely manage AI within their organizations. Learn a framework for proactively identifying and mitigating AI-specific risks, protecting sensitive data, ensuring compliance, and building a resilient AI infrastructure. Pick use cases from four different industries to explore how these strategies apply in real-world scenarios.
Neste curso, profissionais de machine learning vão conhecer as principais ferramentas, técnicas e práticas recomendadas para avaliar modelos de IA generativa e preditiva. Essa avaliação é muito importante para garantir que os sistemas de ML produzam resultados confiáveis, precisos e de alto desempenho na produção. Os participantes vão entender em detalhes as várias métricas e metodologias de avaliação, além da aplicação correta delas em diferentes tarefas e tipos de modelo. O foco do curso está nos desafios específicos dos modelos de IA generativa e nas estratégias para lidar com eles de forma eficaz. Usando a plataforma Vertex AI do Google Cloud, os participantes vão aprender a implementar processos robustos de avaliação para selecionar e otimizar os modelos, com monitoramento contínuo.
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.
Os aplicativos de IA generativa proporcionam novas experiências de usuário que eram quase impossíveis antes da invenção dos modelos de linguagem grandes (LLMs). Ao desenvolver aplicativos, como você pode usar a IA generativa para criar apps potentes e interativos no Google Cloud? Neste curso, você vai conhecer os aplicativos de IA generativa e aprender a usar o design de comandos e a geração aumentada de recuperação (RAG) para criar apps avançados com a ajuda dos LLMs. Você também vai saber o que é a arquitetura pronta para produção, usada nos aplicativos de IA generativa, e vai criar um aplicativo de chat com base em RAG e LLM.
Este curso apresenta tópicos importantes sobre privacidade e segurança da IA. Ele também aborda recursos e métodos úteis para implementar práticas recomendadas de privacidade e segurança da IA com o uso de produtos do Google Cloud e ferramentas de código aberto.
Este curso é uma introdução aos Notebooks da Vertex AI, que são ambientes baseados em notebooks do Jupyter. Eles fornecem uma plataforma unificada para todo o fluxo de trabalho de machine learning, desde a preparação de dados até a implantação e monitoramento de modelos. Tópicos do curso: (1) Diferentes tipos de Notebooks da Vertex AI e os recursos deles e (2) Como criar e gerenciar Notebooks da Vertex AI.
Este curso ajuda a criar um plano de estudo para o exame de certificação Professional Machine Learning Engineer (PMLE). É possível conferir a amplitude e o escopo dos domínios abordados no exame. Os estudantes também podem acompanhar os preparativos para o exame e criar planos de estudo individuais.
Conclua o selo de habilidade intermediário Desenvolvimento de aplicativos de IA generativa com Gemini e Streamlit para mostrar que você sabe gerar texto, aplicar chamadas de função usando o SDK do Python e a API Gemini e implantar um aplicativo do Streamlit com o Cloud Run. Você vai conhecer formas diferentes de usar comandos no Gemini para gerar texto, usar o Cloud Shell para testar e iterar em um aplicativo do Streamlit e depois colocar o app em um contêiner do Docker implantado no Cloud Run.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda você a usar os produtos e serviços do Google para desenvolver, testar, implantar e gerenciar aplicativos. Com a ajuda do Gemini, você vai aprender a desenvolver e criar um aplicativo da Web, corrigir erros no aplicativo, desenvolver testes e consultar dados. No laboratório prático, você aprende como o Gemini aprimora o ciclo de vida do desenvolvimento de software (SDLC, na sigla em inglês) A Duet AI agora é o Gemini, nosso modelo de última geração.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda engenheiros a gerenciar a infraestrutura. Também vai aprender a usar os comandos do Gemini para entender registros de aplicativos, criar um cluster do GKE e descobrir como criar um ambiente de build. O laboratório prático demonstra como o Gemini aprimora o fluxo de trabalho de DevOps. A Duet AI agora é o Gemini, nosso modelo de última geração.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda os engenheiros de rede a criar, atualizar e manter redes VPC. Também vai aprender a usar os comandos do Gemini para fornecer orientações específicas para suas tarefas de rede, muito mais detalhadas do que as que você receberia de um mecanismo de pesquisa. O laboratório prático permite que você entenda como o Gemini facilita o trabalho com as redes VPC do Google Cloud. A Duet AI agora é o Gemini, nosso modelo de última geração.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda a analisar os dados dos clientes e a prever as vendas de produtos. Além disso, você vai aprender a identificar, categorizar e desenvolver novos clientes usando seus dados no BigQuery. Usando laboratórios práticos, você vai descobrir como o Gemini melhora a análise de dados e os fluxos de trabalho de machine learning. A Duet AI agora é o Gemini, nosso modelo de última geração.
Este curso tem uma abordagem realista para o fluxo de trabalho de ML usando um estudo de caso em que uma equipe tem vários casos de uso e exigências comerciais em ML. Essa equipe precisa conhecer as ferramentas necessárias para a governança e o gerenciamento de dados e decidir a melhor abordagem para o processamento deles. A equipe terá três opções para criar modelos de ML em dois casos de uso. Neste curso, explicamos quando usar o AutoML, o BigQuery ML ou o treinamento personalizado para alcançar os objetivos.
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.
Neste curso, vamos conhecer os componentes e as práticas recomendadas para criar sistemas de ML com alto desempenho em ambientes de produção. Vamos abordar algumas considerações comuns relacionadas à criação desses sistemas, como treinamento estático e dinâmico, inferência estática e dinâmica, TensorFlow distribuído e TPUs. O objetivo deste curso é conhecer as características de um sistema de ML eficiente, que vão muito além da capacidade de fazer boas previsões.
Neste curso, apresentamos os conceitos de interpretabilidade e transparência em IA. Vamos abordar a importância da transparência em IA para desenvolvedores e engenheiros. O curso também abrange ferramentas e métodos práticos para ajudar a alcançar a interpretabilidade e a transparência em dados e modelos de IA.
Neste curso, apresentamos conceitos de IA responsável e princípios de IA. Ele contém técnicas para identificar e reduzir o viés e aplicar a imparcialidade nas práticas de ML/IA. Vamos abordar ferramentas e métodos práticos para implementar as práticas recomendadas de IA responsável usando produtos do Google Cloud e ferramentas de código aberto.
Conclua o curso intermediário para obter o selo de habilidade Inspecione documentos avançados usando a multimodalidade do Gemini e o RAG multimodal e demonstrar suas habilidades em: usar comandos multimodais para extrair informações de dados textuais e visuais, gerar uma descrição de vídeo e recuperar mais informações além das que aparecem no vídeo usando a multimodalidade do Gemini; criar metadados de documentos com textos e imagens, acessar todos os blocos de texto relevantes e imprimir citações usando a Geração Aumentada de Recuperação (RAG, na sigla em inglês) multimodal com o Gemini.
Complete the introductory Build LangChain Applications using Vertex AI skill badge to learn how to build Generative AI applications using LangChain and the Retrieval Augmented Generation (RAG) technique for text-based content, powered by Vertex AI's advanced Generative AI capabilities. Discover how to integrate powerful large language models (LLMs) with search and retrieval workflows, boosting the accuracy and relevance of your generated content. Earn a Google Cloud skill badge and showcase your expertise by completing the course and its final assessment challenge lab.
Conheça aplicativos, ferramentas e tecnologias de pesquisa com tecnologia de IA neste curso. Aprenda a fazer pesquisa semântica usando embeddings de vetores, pesquisa híbrida combinando abordagens semânticas e por palavras-chave, e geração aumentada por recuperação (RAG), minimizando as alucinações artificiais da IA como um agente de IA embasado. Ganhe experiência prática com a pesquisa vetorial da Vertex AI para criar um mecanismo de pesquisa inteligente.
Neste curso, você vai aprender sobre a segurança do Kubernetes e do Google Kubernetes Engine (GKE), além dos processos de geração de registros e monitoramento. Também mostraremos como usar dentro do GKE os serviços de banco de dados e armazenamento gerenciados pelo Google Cloud. Este é o segundo curso da série Arquitetura em Google Kubernetes Engine. Depois de concluir todas as tarefas, comece o curso "Infraestrutura do Google Cloud confiável: criar e processar" ou "Hybrid Cloud Infrastructure Foundations with Anthos".
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 Conheça a IA generativa com a API Gemini na Vertex AI para demonstrar conhecimento nas seguintes atividades: geração de texto, análise de imagens e vídeos para criação de conteúdo aprimorado e aplicação de técnicas de chamada de função na API Gemini. Saiba como aproveitar as técnicas sofisticadas do Gemini, conhecer a geração de conteúdo multimodal e ampliar os recursos dos seus projetos com tecnologia de IA.
Ganhe o selo de habilidade intermediário ao concluir o curso Implementação de pipelines de CI/CD no Google Cloud em que você vai aprender a usar o Artifact Registry, o Cloud Build e o Cloud Deploy. Você vai interagir com o console do Cloud, a CLI do Google Cloud, o Cloud Run e o GKE. Neste curso, você vai aprender a criar pipelines de integração contínua, armazenar e proteger artefatos, verificar vulnerabilidades e atestar a validade de versões aprovadas. Além disso, você vai ganhar experiência prática na implantação de aplicativos no GKE e no Cloud Run.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, no teste, no monitoramento e na automação de sistemas de ML em produção. Profissionais de engenharia de machine learning usam ferramentas para fazer melhorias contínuas e avaliações de modelos implantados. São profissionais que trabalham com ciências de dados e desenvolvem modelos para garantir a velocidade e o rigor na implantação de modelos com melhor desempenho.
Conquiste o selo de habilidade intermediário ao concluir o curso Como criar e implantar soluções de machine learning na Vertex AI. Nele você aprenderá a usar a plataforma Vertex AI, o AutoML e os serviços de treinamento personalizados para treinar, avaliar, ajustar, explicar e implantar modelos de machine learning. Esse curso com selo de habilidade é destinado a cientistas de dados e engenheiros de machine learning. Os selos de habilidade são digitais e exclusivos. Eles são emitidos pelo Google Cloud como forma de reconhecer sua proficiência com os produtos e serviços do Cloud e comprovam sua habilidade de aplicar seu conhecimento em um ambiente prático e interativo. Conclua o curso com selo de habilidade e o laboratório com desafio da avaliação final para receber um selo digital que pode ser compartilhado com sua rede.
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.
Este curso ensina a criar modelos de ML com o TensorFlow e o Keras, melhorar a acurácia deles e desenvolver modelos para uso em escala.
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.
In this course you will learn how to use the new generative AI features in Dialogflow CX to create virtual agents that can have more natural and engaging conversations with customers. Discover how to deploy generative fallback responses to gracefully handle errors and omissions in customer conversations, deploy generators to increase intent coverage, and structure, ingest, and manage data in a data store. And explore how to deploy and maintain generative AI agents using your data, and deploy and maintain hybrid agents in combination with existing intent-based design paradigms.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda a proteger seu ambiente e recursos de nuvem. Você vai aprender a implantar exemplos de cargas de trabalho em um ambiente no Google Cloud, identificar e corrigir configurações incorretas de segurança com o Gemini. No laboratório prático, você vai aprender como o Gemini aprimora sua postura de segurança na nuvem. A Duet AI agora é o Gemini, nosso modelo de última geração.
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.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda desenvolvedores a criar aplicativos. Você também vai aprender a usar os comandos do Gemini para explicar código, recomendar serviços do Google Cloud e gerar código para seus aplicativos. No laboratório prático, você vai entender como o Gemini melhora o fluxo de trabalho de implantação de aplicativos. A Duet AI agora é o Gemini, nosso modelo de última geração.
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.
Neste curso, vamos conhecer o Vertex AI Studio, uma ferramenta para interagir com modelos de IA generativa, prototipar ideias comerciais e colocá-las em produção. Com a ajuda de um caso de uso imersivo, lições interessantes e um laboratório, você vai conhecer o ciclo de vida do comando à produção, além de usar o Vertex AI Studio para aplicativos multimodais do Gemini, design e engenharia de comandos e ajuste de modelos. O objetivo é permitir que você descubra todo o potencial da IA generativa nos seus projetos com o Vertex AI Studio.
Neste curso, ensinamos a criar um modelo de legenda para imagens usando aprendizado profundo. Você vai aprender sobre os diferentes componentes de um modelo de legenda para imagens, como o codificador e decodificador, e de que forma treinar e avaliar seu modelo. Ao final deste curso, você será capaz de criar e usar seus próprios modelos de legenda para imagens.
Este curso é uma introdução à arquitetura de transformador e ao modelo de Bidirectional Encoder Representations from Transformers (BERT, na sigla em inglês). Você vai aprender sobre os principais componentes da arquitetura de transformador, como o mecanismo de autoatenção, e como eles são usados para construir o modelo de BERT. Também vai conhecer as diferentes tarefas onde é possível usar o BERT, como classificação de texto, respostas a perguntas e inferência de linguagem natural. O curso leva aproximadamente 45 minutos.
Este curso apresenta um resumo da arquitetura de codificador-decodificador, que é uma arquitetura de machine learning avançada e frequentemente usada para tarefas sequência para sequência (como tradução automática, resumo de textos e respostas a perguntas). Você vai conhecer os principais componentes da arquitetura de codificador-decodificador e aprender a treinar e disponibilizar esses modelos. No tutorial do laboratório relacionado, você vai codificar uma implementação simples da arquitetura de codificador-decodificador para geração de poesia desde a etapa inicial no TensorFlow.
Este curso é uma introdução ao mecanismo de atenção, uma técnica avançada que permite que as redes neurais se concentrem em partes específicas de uma sequência de entrada. Você vai entender como a atenção funciona e como ela pode ser usada para melhorar o desempenho de várias tarefas de machine learning (como tradução automática, resumo de texto e resposta a perguntas).
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.
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.
Quanto maior é o uso da inteligência artificial empresarial e do machine learning, mais importante é desenvolvê-los de maneira responsável. Para muitos, falar sobre a IA responsável pode ser mais fácil, mas colocá-la em prática é um desafio. Se você tem interesse em aprender a operacionalizar a IA responsável na sua organização, este curso é para você. Nele, você vai aprender como o Google Cloud faz isso hoje, além de analisar práticas recomendadas e lições aprendidas, a fim de criar uma base para elaborar sua própria abordagem de IA responsável.
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.
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.
O curso Descobrindo a IA Generativa - Vertex AI é uma coleção de laboratórios sobre como usar a IA generativa no Google Cloud. Nos laboratórios, você vai aprender como usar os modelos da família da API Vertex AI PaLM, incluindo text-bison, chat-bison, e textembedding-gecko. Você também vai aprender sobre design de comandos, práticas recomendadas, e como isso pode ser usado para gerar ideias, classificar, extrair e resumir textos e muito mais. Saiba também como ajustar um modelo de fundação com um treinamento personalizado no Vertex AI e implantá-lo em um endpoint do Vertex AI.
Machine Learning is one of the most innovative fields in technology, and the Google Cloud Platform has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning at scale and how to employ the advanced ML infrastructure available on Google Cloud.
Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, teste, monitoramento e automação de sistemas de ML em produção. Também incluímos experiências práticas de uso da ingestão de streaming do Vertex AI Feature Store na camada do SDK.
O objetivo desse curso é equipar você com o conhecimento e as ferramentas necessários para resolver os desafios enfrentados por equipes de MLOps durante o desenvolvimento e gerenciamento de modelos de IA generativa. Também queremos mostrar como a Vertex AI ajuda equipes de IA a simplificar processos de MLOps e a alcançar o sucesso em projetos de IA generativa.
Ganhe o selo de habilidade introdutório ao concluir o curso Automatize a captura de dados em escala com Document AI. Neste curso, você vai aprender a extrair, processar e capturar dados usando a Document AI.
Earn a skill badge by completing the Build Custom Processors with Document AI course. You learn how to extract data and classify documents by creating custom ML models specific to your business needs. This course teaches the foundation skills of building your own processors, working with optical character recognition, form parsing, processor creation, and uptraining the DocumentAI model.
Neste curso, você vai aprender as habilidades básicas para implementar práticas de DevSecOps seguras e eficientes no Google Cloud. Você vai aprender a proteger seu pipeline de desenvolvimento com serviços do Google Cloud como Artifact Registry, Cloud Build, Cloud Deploy e autorização binária. Isso permite criar, testar e implantar aplicativos conteinerizados com controles de segurança em todo o pipeline de CI/CD.
Este curso de treinamento autoguiado oferece aos participantes um amplo estudo sobre controles e técnicas de segurança no Google Cloud. Com palestras gravadas, demonstrações e laboratórios práticos, participantes podem conhecer e implantar os componentes de uma solução segura do Google Cloud, incluindo tecnologias de controle de acesso do Cloud Storage, chaves de segurança, Chaves de criptografia fornecidas pelo cliente, controles de acesso a APIs, definição de escopo, VM protegidas, criptografia e URLs assinados. O curso também aborda como proteger os ambientes do Kubernetes.
Este curso de treinamento autoguiado oferece aos participantes um amplo estudo sobre controles e técnicas de segurança no Google Cloud. Com palestras gravadas, demonstrações e laboratórios práticos, os participantes podem conhecer e implantar os componentes de uma solução segura do Google Cloud, incluindo o Cloud Identity, o Resource Manager, o Cloud IAM, os firewalls de nuvem privada virtual, o Cloud Load Balancing, peering do Cloud, o Cloud Interconnect e o VPC Service Controls. Este é o primeiro curso da série Segurança no Google Cloud. Quando completar este curso, inscreva-se no Práticas recomendadas de segurança no Google Cloud.
Confira neste curso uma introdução ao uso do Terraform para Google Cloud. Nele, você aprende como o Terraform pode ser usado para implementar infraestrutura como código e aplicar alguns dos principais recursos e funcionalidades para criar e gerenciar a infraestrutura do Google Cloud. Também incluímos experiências práticas de criação e gerenciamento de recursos do Google Cloud usando o Terraform.
Neste curso de treinamento autoguiado, os participantes aprendem como mitigar ataques em diversos pontos em uma infraestrutura baseada no Google Cloud, incluindo ataques distribuídos de negação de serviço, ataques de phishing e ameaças que envolvem uso e classificador de conteúdo. Também ensinamos sobre o Security Command Center, o Cloud Logging e a geração de registros de auditoria, além de como usar o Forseti para acessar a conformidade geral das políticas de segurança da sua organização.
Ganhe o selo de habilidade intermediário ao concluir o curso Implementação de pipelines de CI/CD no Google Cloud em que você vai aprender a usar o Artifact Registry, o Cloud Build e o Cloud Deploy. Você vai interagir com o console do Cloud, a CLI do Google Cloud, o Cloud Run e o GKE. Neste curso, você vai aprender a criar pipelines de integração contínua, armazenar e proteger artefatos, verificar vulnerabilidades e atestar a validade de versões aprovadas. Além disso, você vai ganhar experiência prática na implantação de aplicativos no GKE e no Cloud Run.
No curso Arquitetura em Google Kubernetes Engine: cargas de trabalho, você vai conhecer profundamente o processo de desenvolvimento de apps nativos da nuvem. Durante o aprendizado, você vai saber mais sobre as operações do Kubernetes, o gerenciamento de implantações, a rede do GKE e o armazenamento permanente. Este é o primeiro curso da série Arquitetura em Google Kubernetes Engine. Depois de concluir todas as tarefas, comece o curso Como criar arquiteturas com o Google Kubernetes Engine: produção.
Neste curso, "Arquitetura em Google Kubernetes Engine: fundamentos", vamos relembrar o layout e os princípios do Google Cloud. Depois disso, mostraremos os fundamentos de como criar e gerenciar contêineres de software, e você vai conhecer a arquitetura do Kubernetes.
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.
"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.
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.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Google Cloud is committed to supporting Windows workloads in its frameworks and services. In this quest, you will get hands-on practice running Microsoft’s ASP.net (web app framework) on Google Cloud. ASP.NET is an open-source and cross-platform framework for building modern cloud-based and internet-connected applications using the C# programming language.
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.
In this course you will learn how you to harness serious Google Cloud power and infrastructure. The hands-on labs will give you use cases and you will be tasked with implementing scaling practices utilized by Google’s very own Solutions Architecture team. From developing enterprise grade load balancing and autoscaling, to building continuous delivery pipelines, Google Cloud Solutions I: Scaling your Infrastructure will teach you best practices for taking your Google Cloud projects to the next level.
Conclua o selo de habilidade intermediário Implementar fluxos de trabalho de DevOps no Google Cloud para mostrar que você sabe: criar repositórios Git com o Cloud Source Repositories; lançar, gerenciar e escalonar implantações no Google Kubernetes Engine (GKE); e arquitetar pipelines de CI/CD que automatizam criações e implantações de imagens de contêiner no GKE.
Este curso introdutório conta com recursos exclusivos entre as outras ofertas de cursos. Os laboratórios foram criados para oferecer um treinamento prático aos profissionais de TI nos tópicos e serviços que aparecem na Certificação em Google Cloud Associate Cloud Engineer. Do IAM à rede, até a implantação do Kubernetes Engine, este curso é composto por laboratórios específicos que vão testar seus conhecimentos sobre o Google Cloud. Embora a prática com esses laboratórios ajude a desenvolver suas habilidades e conhecimento, recomendamos que você também estude pelo guia do exame e por outros recursos de preparação disponíveis.
Esta é a segunda e última Quest de laboratórios práticos derivados dos exercícios do livro "Data Science on Google Cloud Platform" de Valliappa Lakshmanan, publicado pela O'Reilly Media, Inc. Nesta etapa, que aborda os assuntos do capítulo nove até o fim do livro, você ampliará as habilidades praticadas na primeira Quest. Você também executará jobs completos de machine learning com ferramentas de última geração e conjuntos de dados do mundo real. Tudo isso será feito com os serviços e ferramentas do Google Cloud Platform.
Esta é a primeira de duas Quests de laboratórios práticos e é derivada dos exercícios do livro Data Science on Google Cloud Platform de Valliappa Lakshmanan, publicado pela O'Reilly Media, Inc. Nesta primeira Quest, que aborda o capítulo 8, você poderá praticar todos os aspectos de ingestão, preparação, processamento, consulta, exploração e visualização de conjuntos de dados usando as ferramentas e os serviços do Google Cloud Platform.
Neste curso, o usuário experiente do Google Cloud vai aprender a descrever e lançar recursos de nuvem com o Terraform, uma ferramenta de código aberto que transforma APIs em arquivos de configuração declarativos, que podem ser compartilhados entre os membros da equipe, tratados como código, editados, revisados e versionados. Nestes laboratórios práticos, você vai trabalhar com modelos de exemplo e aprenderá a lançar uma variedade de configurações, desde servidores simples até aplicativos com balanceamento de carga completo.
In this fundamental-level course, you will learn the ins and outs of Google Cloud's operations suite running on Google Kubernetes Engine, an important service for generating insights into the health of your applications. It provides a wealth of information in application monitoring, report logging, and diagnoses. The labs in this course will give you hands-on practice with and will teach you how to monitor virtual machines, generate logs and alerts, and create custom metrics for application data. It is recommended that the students have at least earned a Badge by completing the Google Cloud Essentials course. Additional lab experience with the labs in the Baseline - Infrastructure course will also be useful. Looking for a hands-on challenge lab to demonstrate your skills and validate your knowledge? On completing this course, enroll in and finish the additional challenge lab at the end of this course to receive an exclusive Google Cloud digital badge.
Earn a skill badge by completing the Secure Workloads in Google Kubernetes Engine quest, where you learn about security at scale on Google Kubernetes Engine (GKE) including how to: migrate containers from virtual machines to Google Kubernetes Engine, restrict network connections in GKE using firewalls and Network Policies, use role-based access controls (RBAC) in GKE, use Binary Authorization for security controls of your images, secure applications in GKE using 3 access levels: host, network, Kubernetes API, and harden GKE cluster configurations. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
Receba um selo de habilidade ao completar o curso Como configurar uma rede do Google Cloud, que ensina como realizar tarefas básicas no Google Cloud Platform, criar uma rede personalizada, adicionar regras de firewall de sub-redes e criar VMs para testar a latência durante a comunicação.
Ganhe um selo de habilidade ao concluir o curso Arquitetura de nuvem: como criar, implantar e gerenciar e mostre que você sabe: implantar um site publicamente acessível usando servidores da Web Apache, configurar uma VM no Compute Engine usando scripts de inicialização, configurar um RDP seguro usando um Bastion Host Windows e regras de firewall, criar e implantar uma imagem Docker em um cluster do Kubernetes e atualizá-lo, além de criar uma instância do CloudSQL e importar um banco de dados do MySQL. Este selo de habilidade é um ótimo recurso para entender tópicos que vão aparecer no exame de certificação Professional Cloud Architect com Certificação em Google Cloud.
This intermediate-level quest is unique among Qwiklabs quests. These labs have been curated to give operators hands-on practice with Anthos—a new, open application modernization platform on GCP. Anthos enables you to build and manage modern hybrid applications. Tasks include: installing service mesh, collecting telemetry, and securing your microservices with service mesh policies. This quest is composed of labs targeted to teach you everything you need to know to introduce service mesh, and Anthos, into your next hybrid cloud project.
Prepare-se para o Anthos. Esta coleção de laboratórios com foco nas práticas recomendadas do Google Kubernetes Engine se concentra na segurança em escala ao implantar e gerenciar ambientes de produção do GKE, especificamente o controle de acesso baseado em papéis, o aumento da proteção, a rede VPC e a autorização binária.
Conclua o selo de habilidade intermediário Implantar aplicativos do Kubernetes no Google Cloud para demonstrar que você é capaz de: configurar e criar imagens de contêiner do Docker, criar e gerenciar clusters do Google Kubernetes Engine (GKE), utilizar o kubectl para o gerenciamento eficiente de clusters e implantar aplicativos do Kubernetes com a prática de entrega contínua (CD).
Containerized applications have changed the game and are here to stay. With Kubernetes, you can orchestrate containers with ease, and integration with the Google Cloud Platform is seamless. In this advanced-level quest, you will be exposed to a wide range of Kubernetes use cases and will get hands-on practice architecting solutions over the course of 8 labs. From building Slackbots with NodeJS, to deploying game servers on clusters, to running the Cloud Vision API, Kubernetes Solutions will show you first-hand how agile and powerful this container orchestration system is.
Tenha uma vantagem competitiva com DevOps. O DevOps é um movimento organizacional e cultural que visa aumentar a velocidade da entrega de software, melhorar a confiabilidade do serviço e criar uma propriedade compartilhada entre as partes interessadas. Neste curso, você vai aprender a usar o Google Cloud para melhorar a velocidade, a estabilidade, a disponibilidade e a segurança da sua capacidade de entrega de software. A DevOps Research and Assessment se juntou ao Google Cloud. Como está a sua equipe? Faça este teste de múltipla escolha com cinco perguntas e descubra!
A segurança é uma prioridade indiscutível dos serviços do Google Cloud, por isso temos ferramentas específicas para garantir a proteção e a identidade nos seus projetos. Neste curso introdutório, você vai conhecer na prática o serviço Identity and Access Management (IAM) do Google Cloud, que é o melhor para gerenciar contas de usuários e máquinas virtuais. Você vai ganhar experiência com segurança de rede provisionando VPCs e VPNs, além de conhecer as ferramentas disponíveis para proteger contra ameaças e perda de dados.
This quest of "Challenge Labs" gives the student preparing for the Google Cloud Certified Professional Cloud Architect certification hands-on practice with common business/technology solutions using Google Cloud architectures. Challenge Labs do not provide the "cookbook" steps, but require solutions to be built with minimal guidance, across many Google Cloud technologies. All labs have activity tracking, and in order to earn this badge you must score 100% in each lab. This quest is not easy and will put your Google Cloud technology skills to the test! Be aware that while practice with these labs will increase your knowledge and abilities, additional study, experience, and background in cloud architecture is recommended to prepare for this certification. Complete this quest to receive an exclusive Google Cloud digital badge.
Big data, machine learning e dados científicos? Parece uma combinação perfeita. Nesta Quest de nível avançado, você terá experiência prática nos serviços do GCP, como o Big Query, o Dataproc e o Tensorflow, usando conjuntos de dados científicos reais. Em Scientific Data Processing, você ganhará experiência em tarefas como análise de dados de terremotos e agregação de imagens de satélites. Assim, você expandirá as habilidades em big data e machine learning e poderá solucionar seus problemas em diversas disciplinas científicas.
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Redes são a base fundamental da computação em nuvem. Elas sustentam a estrutura do Google Cloud e conectam todos os recursos e serviços entre si. Este curso aborda os serviços de rede essenciais do Google Cloud e oferece exercícios práticos com ferramentas especializadas para desenvolver redes robustas. Você vai conhecer os detalhes das VPCs e aprenderá a criar balanceadores de carga de nível empresarial. Ao fazer o curso Como automatizar a implantação e gerenciar o tráfego em uma rede do Google Cloud, você terá a experiência prática necessária para começar a criar redes robustas imediatamente.
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.
Este curso é perfeito para desenvolvedores de nuvem iniciantes que estão procurando prática além do Google Cloud Essentials. Você vai ganhar experiência em laboratórios que se aprofundam no Cloud Storage e em outros serviços de aplicativos fundamentais, como Monitoring e Cloud Functions. Você vai desenvolver habilidades importantes que podem ser aplicadas a qualquer iniciativa do Google Cloud.
If you’re looking to take your Google Cloud application to the next level, look no further than Deployment Manager. By automating the creation of GCP resources and services, Deployment Manager lets you focus on developing rather than maintaining. In this advanced-level quest, you will get hands on practice with Deployment Manager by building custom templates, automating Python and Jinja application instances, and scaling custom networks.
Não é novidade que o machine learning é um dos campos que mais crescem 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. Nesta Quest de nível avançado, você terá experiência prática com as APIs de machine learning em laboratórios como estes: "Como implementar um bot de bate-papo com IA usando o Dialogflow" e "Detectar rótulos, rostos e pontos de referência em imagens com a API Cloud Vision".
Google Cloud is committed to supporting Windows workloads in its frameworks and services. In this advanced-level quest, you will get hands-on practice running many of the popular Windows services on Google Cloud. For example, you will learn how to instantiate Microsoft SQL databases, cloud tools for Powershell on Google Cloud Platform frameworks.
The Google Cloud Platform provides many different frameworks and options to fit your application’s needs. In this introductory-level quest, you will get plenty of hands-on practice deploying sample applications on Google App Engine. You will also dive into other web application frameworks like Firebase, Wordpress, and Node.js and see firsthand how they can be integrated with Google Cloud.
Esta Quest de nível básico é exclusiva entre as outras ofertas do Qwiklabs. Os laboratórios foram criados para oferecer um treinamento prático aos profissionais de TI nos tópicos e serviços da certificação Associate Cloud Engineer do Google Cloud . Abrangendo desde IAM e serviços de rede até a implantação do Kubernetes Engine, esta Quest é composta de laboratórios específicos que colocarão à prova seu conhecimento sobre o GCP. Os laboratórios ajudarão a desenvolver suas habilidades, mas recomendamos que você também consulte o guia do exame e outros materiais preparatórios disponíveis.
O Kubernetes é o sistema de orquestração de contêineres mais conhecido, e o Google Kubernetes Engine foi criado especificamente para oferecer suporte a implantações gerenciadas do Kubernetes no Google Cloud. Neste curso de nível avançado, você vai praticar a configuração de contêineres e imagens Docker e a implantação de aplicativos completos do Kubernetes Engine. Você também vai aprender as habilidades práticas necessárias para integrar a orquestração de contêineres ao próprio seu fluxo de trabalho. Está procurando um laboratório com desafios práticos para demonstrar suas habilidades e validar seu conhecimento? Quando terminar o curso, faça o laboratório extra com desafio ao fim do curso Implantar aplicativos do Kubernetes no Google Cloud para receber um selo digital exclusivo do Google Cloud.
Neste curso introdutório, você terá prática com as ferramentas e os serviços essenciais do Google Cloud. Vídeos opcionais estão disponíveis para fornecer mais contexto e revisar os conceitos abordados nos laboratórios. O curso Google Cloud Essentials é uma introdução recomendada para quem quer aprender sobre o Google Cloud. Você pode entrar com pouco ou nenhum conhecimento prévio em nuvem e sair com habilidades práticas que você pode aplicar ao seu primeiro projeto no Google Cloud. Desde a criação de comandos do Cloud Shell e a implantação da sua primeira máquina virtual até a execução de aplicativos no Kubernetes Engine ou com balanceamento de carga, o Google Cloud Essentials é uma excelente introdução aos recursos básicos da plataforma.