Informações sobre o curso

Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 13 horas para completar
Português (Brasil)
Legendas: Português (Brasil), Inglês
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 13 horas para completar
Português (Brasil)
Legendas: Português (Brasil), Inglês

oferecido por

Placeholder

Google Cloud

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

6 minutos para concluir

Introdução

6 minutos para concluir
2 vídeos (Total 6 mín.)
2 videos
Primeiros passos no Google Cloud Platform e no Qwiklabs4min
1 hora para concluir

Introdução aos pipelines de dados em lote

1 hora para concluir
5 vídeos (Total 18 mín.)
5 videos
Considerações sobre qualidade1min
Como fazer operações no BigQuery3min
Limitações3min
ETL para solucionar problemas de qualidade de dados4min
1 exercício prático
EL, ELT, ETL30min
2 horas para concluir

Como executar o Spark no Cloud Dataproc

2 horas para concluir
9 vídeos (Total 49 mín.)
9 videos
Como executar o Hadoop no Cloud Dataproc10min
GCS em vez do HDFS6min
Como otimizar o Dataproc5min
Como otimizar o armazenamento do Dataproc9min
Como otimizar os modelos e o escalonamento automático do Dataproc4min
Como otimizar o monitoramento do Dataproc3min
Introdução ao laboratório: Como executar jobs do Apache Spark no Cloud Dataproc27s
Resumo31s
1 exercício prático
Como executar o Spark no Cloud Dataproc4min
Semana
2

Semana 2

3 horas para concluir

Gerencie pipelines de dados com o Cloud Data Fusion e o Cloud Composer

3 horas para concluir
11 vídeos (Total 45 mín.)
11 videos
Componentes do Data Fusion2min
Como criar pipelines6min
Como analisar dados usando o Wrangler1min
Laboratório: Como criar e executar um gráfico de pipeline no Cloud Data Fusion17s
Como orquestrar o trabalho entre os serviços do GCP com o Cloud Composer1min
Ambiente do Apache Airflow1min
DAGs e operadores12min
Como programar o fluxo de trabalho6min
Monitoramento e registro4min
Laboratório: Introdução ao Cloud Composer12s
1 exercício prático
Cloud Data Fusion e Cloud Composer30min
7 horas para concluir

Processamento de dados sem servidor com o Cloud Dataflow

7 horas para concluir
12 vídeos (Total 40 mín.)
12 videos
Por que os clientes valorizam o Dataflow3min
Como criar pipelines do Cloud Dataflow em código3min
Principais considerações no design de pipelines2min
Como transformar dados com PTransforms3min
Laboratório: Como criar um pipeline simples do Dataflow17s
Como agregar com GroupByKey e Combine7min
Laboratório: MapReduce no Cloud Dataflow18s
Entradas secundárias e janelas de dados4min
Laboratório: Prática de entradas secundárias de pipelines11s
Como criar e reutilizar modelos de pipeline3min
Pipelines de SQL do Cloud Dataflow3min
1 exercício prático
Processamento de dados com o Cloud Dataflow30min
4 minutos para concluir

Resumo

4 minutos para concluir
1 vídeo (Total 4 mín.)
1 vídeos

Sobre Programa de cursos integrados Data Engineer, Big Data and ML on Google Cloud em Português

Nesta especialização on-line intensiva de cinco semanas, os participantes terão uma introdução prática sobre como projetar e criar sistemas de processamento de dados no Google Cloud Platform. Por meio de uma combinação de apresentações, demonstrações e laboratórios práticos, os participantes aprenderão a projetar sistemas de processamento de dados, criar canais completos e análises de dados e desenvolver soluções de aprendizado de máquina. Neste curso, abordamos dados estruturados, não estruturados e de streaming. Neste curso, os participantes irão adquirir as seguintes habilidades: • projetar e criar sistemas de processamento de dados no Google Cloud Platform • usar dados não estruturados com as APIs do Spark e de aprendizado de máquina no Cloud Dataproc • processar dados em lote e streaming com a implementação de canais de dados de escalonamento automático no Cloud Dataflow • derivar insights de negócios a partir de conjuntos de dados extremamente grandes usando o Google BigQuery • treinar, avaliar e prever com modelos de aprendizado de máquina usando o TensorFlow e o Cloud ML • ativar insights instantâneos dos dados de streaming Esta aula destina-se a desenvolvedores experientes responsáveis pelo gerenciamento de transformações de Big Data. >>> Ao se inscrever nesta especialização, você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service <<<...
Data Engineer, Big Data and ML on Google Cloud em Português

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.