Com a incorporação do machine learning aos pipelines de dados, as empresas podem extrair mais insights. Neste curso, mostramos várias maneiras de incluir o machine learning nos pipelines de dados no Google Cloud Platform, dependendo do nível de personalização necessário. Explicamos como usar o AutoML quando você precisar de pouca ou nenhuma personalização. Para recursos de machine learning mais personalizados, mostramos como usar o AI Platform Notebooks e o BigQuery Machine Learning. Também explicamos como produzir soluções de machine learning usando o Kubeflow. Além disso, haverá atividades práticas de criação de modelos de ML no Google Cloud Platform usando o QwikLabs.
Этот курс входит в специализацию ''Специализация Data Engineer, Big Data and ML on Google Cloud em Português'
от партнера
Об этом курсе
Недавно просмотрено: 2,144
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 5 из 5 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 8 часов на выполнение
Португальский (бразильский)
Субтитры: Португальский (бразильский), Английский
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 5 из 5 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 8 часов на выполнение
Португальский (бразильский)
Субтитры: Португальский (бразильский), Английский
от партнера
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.
Программа курса: что вы изучите
6 минут на завершение
Introdução
Neste módulo, apresentamos o curso e a programação.
6 минут на завершение
2 видео ((всего 6 мин.))
1 ч. на завершение
Introdução à análise de dados e IA
Neste módulo, apresentamos as opções de ML no GCP.
1 ч. на завершение
4 видео ((всего 18 мин.))
4 видео
O que é ML?8мин
Machine learning e IA3мин
Opções de ML do Google Cloud Platform1мин
Jogo: revisão dos principais conceitos de ML5мин
1 практическое упражнение
Introdução à análise de dados e IA30мин
1 ч. на завершение
APIs de modelo de ML pré-criadas para dados não estruturados
O assunto deste módulo é o uso de APIs de ML pré-criadas em dados não estruturados.
1 ч. на завершение
3 видео ((всего 9 мин.))
3 видео
APIs ML para enriquecimento de dados4мин
Introdução ao laboratório: Como usar a API Natural Language para classificar textos não estruturados47
1 практическое упражнение
APIs de modelo de ML pré-criadas para dados não estruturados4мин
2 ч. на завершение
Análises de Big Data com o Cloud AI Platform Notebooks
Neste módulo, explicamos como usar o Cloud AI Platform Notebooks.
2 ч. на завершение
3 видео ((всего 7 мин.))
3 видео
A mágica do BigQuery e a relação com o Pandas1мин
Introdução ao laboratório: BigQuery no Jupyter Labs no AI Platform28
1 практическое упражнение
Análises de Big Data com o Cloud AI Platform Notebooks30мин
1 ч. на завершение
Produção de modelos de ML personalizados
Neste módulo, mostramos como criar modelos de ML personalizados e apresentamos o Kubeflow e o AI Hub.
1 ч. на завершение
6 видео ((всего 14 мин.))
6 видео
Formas de fazer ML personalizado no GCP5мин
Kubeflow4мин
AI Hub1мин
Introdução ao laboratório: Como executar modelos de IA no Kubeflow11
Resumo23
1 практическое упражнение
Produção de modelos de ML personalizados4мин
2 ч. на завершение
Como criar modelos personalizados com SQL no BigQuery ML
O assunto deste módulo é o BigQuery ML.
2 ч. на завершение
6 видео ((всего 15 мин.))
6 видео
Modelos de classificação, de regressão e de recomendações5мин
ML sem supervisão com modelos de clustering2мин
Introdução ao laboratório: Preveja a duração de passeios de bicicleta com um modelo de regressão no BQML19
Introdução ao laboratório: Recomendações de filmes no BigQuery ML16
Resumo15
1 практическое упражнение
Criação de modelo personalizado com SQL no BigQuery ML4мин
1 ч. на завершение
Como criar modelos personalizados com o Cloud AutoML
Neste módulo, apresentamos o Cloud AutoML para criar modelos robustos sem programação.
1 ч. на завершение
4 видео ((всего 26 мин.))
1 практическое упражнение
Criar modelos personalizados com o Cloud AutoML4мин
3 минуты на завершение
Resumo
Neste módulo, recapitulamos os tópicos que você viu no curso.
3 минуты на завершение
1 видео ((всего 3 мин.))
1 видео
Resumo do curso3мин
Специализация Data Engineer, Big Data and ML on Google Cloud em Português: общие сведения
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 <<<
Часто задаваемые вопросы
Можно ли ознакомиться с курсом до регистрации?
Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.
Когда я получу доступ к лекциям и заданиям?
Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.
Что я получу, зарегистрировавшись на курс?
После регистрации на курс и начала сессии вы получаете доступ ко всем видео и другим ресурсам курса, включая материалы для самостоятельного изучения и форумы обсуждений. Вы сможете выполнять тренировочные, а также сдавать обязательные оцениваемые задания и получить сертификат о прохождении курса.
Когда я получу сертификат о прохождении курса?
Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.
Почему я не могу прослушать этот курс?
Это один из немногих курсов на Coursera, которые предоставляются только на платной основе.
What is the refund policy?
Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
