Este curso intensivo sob demanda de quatro dias oferece aos participantes uma introdução sobre como projetar e criar sistemas de machine learning no Google Cloud Platform. Por meio de apresentações, demonstrações e laboratórios práticos, os participantes aprenderão os conceitos de machine learning (ML) e do TensorFlow, além de habilidades de desenvolvimento, avaliação e produção de modelos de ML.
Este curso faz parte do Programa de cursos integrados Data Engineering on Google Cloud Platform em Português Brasileiro
oferecido por
Informações sobre o curso
3,019 visualizações recentes
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. 14 horas para completar
Português (Brasil)
Legendas: Francês, Português (Brasil), Alemão, Inglês, Espanhol, Japonês
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. 14 horas para completar
Português (Brasil)
Legendas: Francês, Português (Brasil), Alemão, Inglês, Espanhol, Japonês
oferecido por
Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Programa - O que você aprenderá com este curso
1 hora para concluir
Este é o "Serverless Machine Learning on Google Cloud Platform"
1 hora para concluir
2 vídeos (Total 5 mín.)
1 exercício prático
Pré-teste do curso de machine learning30min
3 horas para concluir
Módulo 1: Primeiros passos com machine learning
3 horas para concluir
21 vídeos (Total 109 mín.)
21 videos
Tipos de ML3min
O canal de ML2min
Variantes do modelo de ML7min
Como classificar um problema de ML2min
Como usar machine learning (ML)8min
Otimização9min
Um playground de rede neural18min
Como combinar atributos3min
Engenharia de atributos3min
Modelos de imagem5min
ML eficaz2min
Quais são os elementos de um bom conjunto de dados?5min
Métricas de erro3min
Precisão2min
Precisão e recall5min
Como criar conjuntos de dados de machine learning3min
Como dividir conjuntos de dados6min
Python Notebooks1min
Visão geral do laboratório Como criar conjuntos de dados de ML3min
Revisão do laboratório Como criar conjuntos de dados de ML2min
1 exercício prático
Teste do módulo 130min
6 horas para concluir
Módulo 2: Criação de modelos de ML com o TensorFlow
6 horas para concluir
15 vídeos (Total 65 mín.)
15 videos
O que é o TensorFlow?5min
Principais características do TensorFlow5min
Visão geral do laboratório Primeiros passos com o TensorFlow7s
Revisão do laboratório TensorFlow10min
API Estimator8min
Machine learning com o tf.estimator15s
Revisão do laboratório Estimator7min
Como criar ML eficaz6min
Introdução ao laboratório Refatoração para adicionar a criação de lotes e recursos38s
Revisão do laboratório Refatoração4min
Treine e avalie4min
Monitoramento1min
Introdução ao laboratório: Treinamento e monitoramento distribuídos2min
Revisão do laboratório: Treinamento e monitoramento distribuídos7min
1 exercício prático
Teste do módulo 230min
2 horas para concluir
Módulo 3: Escalonamento de modelos de ML com o Cloud ML Engine
2 horas para concluir
7 vídeos (Total 28 mín.)
7 videos
Por que usar o Cloud ML Engine?6min
Fluxo de trabalho de desenvolvimento1min
Como empacotar o treinador3min
TensorFlow Serving3min
Laboratório: Como escalonar ML39s
Revisão do laboratório: Como escalonar ML10min
1 exercício prático
Teste do módulo 330min
3 horas para concluir
Módulo 4: Engenharia de atributos
3 horas para concluir
16 vídeos (Total 92 mín.)
16 videos
Atributos bons7min
Causalidade8min
Numérico5min
Exemplos suficientes7min
Dados brutos para os atributos1min
Atributos categóricos8min
Cruzamento de atributos3min
Como criar intervalos3min
Amplitude e profundidade5min
Onde aplicar a engenharia de atributos3min
Visão geral do laboratório Engenharia de atributos3min
Revisão do laboratório Engenharia de atributos10min
Ajuste de hiperparâmetro e demonstração15min
Níveis de abstração de ML4min
Resumo1min
1 exercício prático
Teste do módulo 430min
Sobre Programa de cursos integrados Data Engineering on Google Cloud Platform em Português Brasileiro
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 <<<
Perguntas Frequentes – FAQ
Posso assistir uma prévia do curso antes de me inscrever?
Sim, você pode assistir uma prévia do primeiro vídeo e ver programa do curso antes de se inscrever. Você precisa comprar o curso para ter acesso ao conteúdo não incluído na prévia.
Quando terei acesso às palestras e às tarefas?
Se decidir se inscrever no curso antes da data de início da sessão, terá acesso a todos os vídeos das palestras e leituras do curso. Também poderá enviar tarefas assim que a sessão começar.
O que recebo ao me inscrever?
Uma vez inscrito, e tão logo sua sessão tenha iniciado, você terá acesso a todos os vídeos e outros recursos, incluindo itens de leitura e fórum de discussão do curso. Você poderá ver e enviar tarefas práticas e concluir tarefas com nota atribuída obrigatórias para obter uma nota e um Certificado de Curso.
Quando receberei meu Certificado de Curso?
Se você concluir o curso com êxito, seu Certificado de Curso eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn.
Por que não posso assistir este curso como ouvinte?
Este curso é um dos poucos oferecidos pela Coursera que está disponível apenas para alunos que tenham pago ou recebido auxílio financeiro, quando disponível.
Qual é a política de reembolso?
Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.
Existe algum auxílio financeiro disponível?
Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .
Are there prerequisites for this course?
Before enrolling in this course, participants should have roughly one (1) year of experience with one or more of the following:
• Knowledge of Google Cloud Platform
• Big Data & Machine Learning Fundamentals to the level of "Google Cloud Platform Big Data and Machine Learning Fundamentals" on Coursera
• Knowledge of BigQuery and Dataflow to the level of "Serverless Data Analysis with Google BigQuery and Cloud Dataflow" on Coursera
• Knowledge of Python and familiarity with the numpy package
• Knowledge of undergraduate-level statistics to the level of a Basic Statistics course on Coursera
Am I eligible for the Google Cloud Platform free trial?
To be eligible for the free trial, you will need:
- Google account (Google is currently blocked in China)
- Credit card or bank account
- Terms of service
Note: There is a known issue with certain EU countries where individuals are not able to sign up, but you may sign up as "business" status and intend to see a potential economic benefit from the trial. More details at: https://support.google.com/cloud/answer/6090602
More Google Cloud Platform free trial FAQs are available at: https://cloud.google.com/free-trial/
For more details on how the free trial works, visit our documentation page: https://cloud.google.com/free-trial/docs/
What if I have already used up my Google Cloud Platform free trial?
If your current Google account is no longer eligible for the Google Cloud Platform free trial, you can create another Google account. Your new Google account should be used to sign up for the free trial.
How does the free trial work?
View this page for more details: https://cloud.google.com/free-trial/docs/
Is this course similar to CPB102?
Yes, this online course is based on the instructor-led training formerly known as CPB102.
Does this course relate to the Google Certified Professional Data Engineer certification?
The course covers the topics presented on the certification exam, however we recommend additional preparation including hands-on product experience. The best preparation for certification is real-world, hands-on experience. Review the Google Certified Professional Data Engineer certification preparation guide for further information and resources at https://cloud.google.com/certification/guides/data-engineer/
What is a Google certification?
Google’s Certification Program gives customers and partners a way to demonstrate their technical skills in a particular job-role and technology. Individuals are assessed using a variety of rigorously developed industry-standard methods to determine whether they meet Google’s proficiency standards. Read more at https://cloud.google.com/certification/
Ganharei créditos universitários por concluir o curso?
Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
