Mario Caesar
Participante desde 2022
Liga Prata
7300 pontos![](https://cdn.qwiklabs.com/assets/leagues/silver_sm-64ca96b9e4cf1fc255fbe8e81fba4577965e8311.png)
Participante desde 2022
In this quest you will use a collection of Google APIs that are all related to language, and speech. You will use the Speech-to-Text API to transcribe an audio file into a text file, the Cloud Translation API to translate from one language to another, the Cloud Translation API to detect what language is being used and translate to a different language, the Natural Language API to classify text and analyze sentiment, and create synthetic speech.
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.
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.
Earn the intermediate skill badge by completing the Perform Predictive Data Analysis in BigQuery course, where you will gain practical experience on the fundamentals of sports data science using BigQuery, including how to create a soccer dataset in BigQuery by importing CSV and JSON files; harness the power of BigQuery with sophisticated SQL analytical concepts, including using BigQuery ML to train an expected goals model on the soccer event data, and evaluate the impressiveness of World Cup goals. 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 the skill badge course, and final assessment challenge lab, to receive a digital badge that you can share with your network.
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.
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".
Big Data, machine learning e inteligência artificial são áreas da computação que estão em alta. Como são muito especializadas, é difícil encontrar material introdutório sobre elas. A boa notícia é que o GCP oferece serviços fáceis de usar nessas áreas, e o Qwiklabs apresenta informações introdutórias nesta Quest de nível básico. Com isso, você já pode começar a usar ferramentas como o BigQuery, a API Cloud Speech e o Cloud ML Engine. Assista os vídeos rápidos que explicam os conceitos principais dos laboratórios.
Quer aprender a criar e treinar um modelo de machine learning em minutos em vez de horas usando apenas SQL? O BigQuery Machine Learning é um novo recurso do BigQuery que permite aos analistas de dados criar, treinar, avaliar e fazer previsões usando modelos de machine learning com um mínimo de programação. Nesta série de laboratórios, você testará alguns modelos e saberá quais são as características de um bom modelo.
Quer aprender a criar e treinar um modelo de machine learning em minutos em vez de horas usando apenas SQL? O BigQuery Machine Learning é um novo recurso do BigQuery que permite aos analistas de dados criar, treinar, avaliar e fazer previsões usando modelos de machine learning com um mínimo de programação. Nesta série de laboratórios, você testará alguns modelos e saberá quais são as características de um bom modelo.
Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions with Vertex AI course, where you will learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models. This skill badge course is for professional Data Scientists and Machine Learning Engineers. 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, and the final assessment challenge lab, to receive a digital badge that you can share with your network.
Complete the introductory Prepare Data for Looker Dashboards and Reports skill badge to demonstrate skills in the following: filtering, sorting, and pivoting data, merging results from different Looker Explores, and using functions and operators to build Looker dashboards and reports for data analysis and visualization. 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 course and the final assessment challenge lab to receive a skill badge that you can share with your network.
Este curso ajuda estudantes a criar um plano de estudo para o exame de certificação PDE (Professional Data Engineer). 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 estudos individuais.
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
Deseja escalar seus esforços de análise de dados sem gerenciar o hardware do banco de dados? Aprenda as práticas recomendadas para consultar e obter informações do seu data warehouse com esta série interativa de laboratórios do BigQuery. O BigQuery é totalmente gerenciado pelo Google, NoOps, banco de dados de análise de baixo custo. Com o BigQuery, você pode consultar terabytes e terabytes de dados sem ter nenhuma infraestrutura para gerenciar ou precisar de um administrador de banco de dados. O BigQuery usa SQL e pode tirar proveito do modelo de pagamento conforme o uso. O BigQuery permite você deve se concentrar na análise de dados para encontrar informações significativas. Complete esta missão, incluindo o laboratório de desafio no final, para receber um selo digital exclusivo do Google Cloud.
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.
Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; building machine learning models using BigQuery ML; and using Cloud Composer to copy data across multiple locations. 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 the skill badge course, and final assessment challenge lab, to receive a digital badge that you can share with your network.
Quer criar ou otimizar um armazenamento de dados? Aprenda práticas recomendadas para extrair, transformar e carregar dados no Google Cloud com o BigQuery. Nesta série de laboratórios interativos, você vai criar e otimizar seu próprio armazenamento usando diversos conjuntos de dados públicos de grande escala do BigQuery. O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com ele, você pode consultar muitos terabytes de dados sem ter que gerenciar uma infraestrutura ou precisar de um administrador de banco de dados. O BigQuery usa SQL e está disponível no modelo de pagamento por utilização. Com ele, você se concentra na análise dos dados para encontrar insights relevantes.
Quer criar ou otimizar um armazenamento de dados? Aprenda práticas recomendadas para extrair, transformar e carregar dados no Google Cloud com o BigQuery. Nesta série de laboratórios interativos, você vai criar e otimizar seu próprio armazenamento usando diversos conjuntos de dados públicos de grande escala do BigQuery. O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com ele, você pode consultar muitos terabytes de dados sem ter que gerenciar uma infraestrutura ou precisar de um administrador de banco de dados. O BigQuery usa SQL e está disponível no modelo de pagamento por utilização. Com ele, você se concentra na análise dos dados para encontrar insights relevantes.
Big Data, machine learning e inteligência artificial são áreas da computação que estão em alta. Como são muito especializadas, é difícil encontrar material introdutório sobre elas. A boa notícia é que o GCP oferece serviços fáceis de usar nessas áreas, e o Qwiklabs apresenta informações introdutórias nesta Quest de nível básico. Com isso, você já pode começar a usar ferramentas como o BigQuery, a API Cloud Speech e o Cloud ML Engine. Complete esta missão, incluindo o laboratório de desafios no final, para receber um selo digital exclusivo do Google Cloud. Assista os vídeos rápidos que explicam os conceitos principais dos laboratórios.
Este é o primeiro de uma série de três cursos sobre processamento de dados sem servidor com o Dataflow. Nele, vamos relembrar o que é o Apache Beam e qual é a relação entre ele e o Dataflow. Depois, falaremos sobre a visão do Apache Beam e os benefícios do framework de portabilidade desse modelo de programação. Com esse processo, o desenvolvedor pode usar a linguagem de programação favorita com o back-end de execução que quiser. Em seguida, mostraremos como o Dataflow permite a separação entre a computação e o armazenamento para economizar dinheiro. Além disso, você vai aprender como as ferramentas de identidade, acesso e gerenciamento interagem com os pipelines do Dataflow. Por fim, vamos ver como implementar o modelo de segurança ideal para seu caso de uso no Dataflow.
O processamento de dados de streaming é cada vez mais usado pelas empresas porque gera métricas sobre as operações comerciais em tempo real. Neste curso, você vai aprender a criar pipelines de dados de streaming no Google Cloud. O Pub/Sub é apresentado como a ferramenta para gerenciar dados de streaming de entrada. No curso, também abordamos a aplicação de agregações e transformações a dados de streaming usando o Dataflow, além de formas de armazenar registros processados no BigQuery ou no Cloud Bigtable para análise. Os participantes vão ganhar experiência prática na criação de componentes de pipelines de dados de streaming no Google Cloud usando o Qwiklabs.
Incorporar machine learning em pipelines de dados aumenta a capacidade que as empresas têm de extrair insights de dados. Neste curso, falamos das várias formas como essa tecnologia pode ser incluída em pipelines de dados do Google Cloud, de acordo com o nível necessário de personalização. Para os casos em que pouca ou nenhuma personalização é necessária, abordamos o AutoML. Depois disso, apresentamos os notebooks e o machine learning do BigQuery (BigQuery ML), que são indicados para recursos mais personalizados. Além disso, falamos também sobre como colocar soluções de machine learning em produção usando o Kubeflow. Os estudantes vão aprender na prática como criar modelos de machine learning no Google Cloud usando o Qwiklabs.
Os pipelines de dados geralmente se encaixam em um dos três paradigmas: extração-carregamento, extração-carregamento-transformação ou extração-transformação-carregamento. Este curso descreve qual paradigma deve ser usado em determinadas situações e quando isso ocorre com dados em lote. Além disso, vamos falar sobre várias tecnologias no Google Cloud para transformação de dados, incluindo o BigQuery, a execução do Spark no Dataproc, gráficos de pipeline no Cloud Data Fusion e processamento de dados sem servidor com o Dataflow. Os participantes vão ganhar experiência prática na criação de componentes de pipelines de dados no Google Cloud usando o Qwiklabs.
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 "Data Engineering on Google Cloud". Após a conclusão, recomendamos que você comece o curso "Building Batch Data Pipelines on Google Cloud".