Boban Živojinović
Participante desde 2020
Liga Prata
3400 pontos
Participante desde 2020
Quais são as práticas recomendadas para implementar machine learning no Google Cloud? O que é Vertex AI e como é possível usar a plataforma para criar, treinar e implantar modelos de machine learning do AutoML com rapidez e sem escrever nenhuma linha de código? O que é machine learning e que tipos de problema ele pode resolver? O Google pensa em machine learning de uma forma um pouco diferente. Para nós, o processo de ML é sobre fornecer uma plataforma unificada para conjuntos de dados gerenciados, como uma Feature Store, uma forma de criar, treinar e implantar modelos de machine learning sem escrever nenhuma linha de código. Além disso, o ML também é sobre a habilidade de rotular dados, criar notebooks do Workbench usando frameworks (como TensorFlow, SciKit Learn, Pytorch e R) e muito mais. A plataforma Vertex AI também inclui a possibilidade de treinar modelos personalizados, criar pipelines de componente e realizar previsões em lote e on-line. Também falamos sobre as cinco fas…
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.
Complete the intermediate Perform Predictive Data Analysis in BigQuery skill badge course to demonstrate skills in the following: creating datasets in BigQuery by importing CSV and JSON files; harnessing the power of BigQuery with sophisticated SQL analytical concepts, including using BigQuery ML to train an expected goals model on soccer event data and evaluate the impressiveness of World Cup goals.
Os dois principais componentes de um pipeline de dados são data lakes e warehouses. Neste curso, destacamos os casos de uso para cada tipo de armazenamento e as soluções de data lake e warehouse disponíveis no Google Cloud de forma detalhada e técnica. Além disso, também descrevemos o papel de um engenheiro de dados, os benefícios de um pipeline de dados funcional para operações comerciais e analisamos por que a engenharia de dados deve ser feita em um ambiente de nuvem. Este é o primeiro curso da série "Engenharia de dados no Google Cloud". Após a conclusão, recomendamos que você comece o curso "Como criar pipelines de dados em lote no Google Cloud".
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.
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
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 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 a habilidade de aplicar seu conhecimento em um ambiente prático e interativo. Conclua este curso e o laboratório com desafio da avaliação final para receber um selo de habilidade que pode ser compartilhado com seus contatos.
Esta é a segunda de uma série de duas Quests sobre o faturamento e as noções básicas de gestão de custos no GCP. A Quest é mais indicada às equipes do setor financeiro e de TI que são responsáveis por otimizar a infraestrutura em nuvem de uma organização. Aqui você aprenderá várias maneiras de controlar e otimizar os custos do GCP, incluindo a definição de orçamentos e alertas, a gestão de limites de cota e os descontos por uso contínuo. Nos laboratórios práticos, você aprenderá a usar várias ferramentas para controlar e otimizar os custos do GCP ou para influenciar as equipes de tecnologia a adotar práticas recomendadas de otimização de custos.
Moving to the cloud creates numerous opportunities to start working in a new way and it empowers the workforce to better collaborate and innovate. But it’s also a big change. Sometimes the success of the change hinges not on the change itself, but on how it’s managed. This course will help people managers to understand some of the key challenges associated with cloud adoption, and provide them with a verified in-the-field framework that will assist them in supporting their teams on the change journey. By addressing the human factor of moving to the cloud, organizations increase their chances of realizing business objectives and investing in their future talent.
Quer criar modelos de ML em minutos em vez de horas usando apenas SQL? O BigQuery ML democratiza o machine learning ao permitir que analistas de dados criem, treinem, avaliem e façam previsões usando habilidades e ferramentas de SQL que eles já têm. Nesta série de laboratórios, você vai fazer alguns testes e saber quais são as características de um bom modelo.
Neste curso, vamos definir o que é machine learning e como ele pode beneficiar seu negócio. Você vai conferir algumas demonstrações do ML em ação e aprender termos importantes da área, como instâncias, atributos e rótulos. Nos laboratórios interativos, você vai praticar a invocação de APIs de ML pré-treinadas e criar seus próprios modelos de machine learning usando apenas SQL no BigQuery ML.
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.
O terceiro curso desta série é "Achieving Advanced Insights with BigQuery". Para continuar desenvolvendo seus conhecimentos sobre SQL, vamos aprender a usar funções avançadas e dividir uma consulta completa em etapas gerenciáveis. Você também vai conhecer a arquitetura interna do BigQuery (armazenamento fragmentado com base em colunas) e tópicos avançados do SQL, como campos aninhados e repetidos usando matrizes e structs. Por fim, vamos aprender a otimizar consultas para melhorar o desempenho e a proteger seus dados com visualizações autorizadas. Depois de concluir este curso, inscreva-se no "Applying Machine Learning to Your Data with Google Cloud".
Neste curso, conhecemos os desafios mais comuns enfrentados pelos analistas de dados e como resolvê-los com as ferramentas de big data no Google Cloud. Ao longo do caminho, você vai aprender um pouco de SQL e se familiarizar com o uso do BigQuery e do Dataprep para analisar e transformar seus conjuntos de dados. Este é o primeiro curso da série From Data to Insights with Google Cloud. Depois de concluir este curso, inscreva-se no curso Creating New BigQuery Datasets and Visualizing Insights.
Este é o segundo curso da série "Data to Insights". Vamos aprender a fazer a ingestão de novos conjuntos de dados externos no BigQuery e visualizá-los no Looker Studio. Também vamos analisar conceitos intermediários de SQL, como as operações JOIN e UNION em várias tabelas, para analisar dados de diversas fontes. Observação: Mesmo que você tenha experiência em SQL, há aspectos específicos do BigQuery (como usar o cache de consultas e os caracteres curinga de tabela) que podem ser novidade para você. Depois de terminar este curso, faça sua inscrição no "Achieving Advanced Insights with BigQuery".