Participante desde 2021
Preparar dados para APIs de ML no Google Cloud
Earned Apr 26, 2023 EDT
Dados de engenharia para modelagem preditiva com o BigQuery ML
Earned Apr 13, 2023 EDT
Implementação do Cloud Load Balancing no Compute Engine
Earned Mar 28, 2023 EDT
Learn to Earn Cloud Data Challenge: Data Analyst Skills
Earned Jul 2, 2022 EDT
Criar um data warehouse com o BigQuery
Earned Jul 2, 2022 EDT
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.
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.
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.
Welcome to the Learn to Earn Cloud Data Challenge! These labs help you get started with data analysis skills. At the end of each lab, you’ll have hands-on experience with one or more of Google Cloud’s powerful data tools. Complete this game to earn a badge, and you’ll be one step closer to completing the challenge. Race the clock to increase your score and watch your name rise on the leaderboard!
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.