Spezialisierung Data Engineer, Big Data and ML on Google Cloud em Português

Este curso intensivo sob demanda tem duração de uma semana e apresentará as funcionalidades de Big Data e Machine Learning do Google Cloud Platform (GCP). Ele fornecerá uma visão geral rápida do Google Cloud Platform e mostrará em detalhes os recursos do processamento de dados.

Ao final deste curso, você poderá: • Identificar o objetivo e o valor dos principais produtos de Big Data e Machine Learning no Google Cloud Platform • Usar o Cloud SQL e o Cloud Dataproc para migrar as cargas de trabalho MySQL e Hadoop/Pig/Spark/Hive para o Google Cloud Platform • Usar o BigQuery e o Cloud Datalab para fazer análises de dados interativas • Escolher entre o Cloud SQL, o Bigtable e o Datastore • Treinar e usar uma rede neural com o TensorFlow • Escolher entre diferentes produtos de processamento de dados no Google Cloud Platform Para se inscrever neste curso, você deve ter aproximadamente um (1) ano de experiência em um ou mais destes itens: • Uma linguagem de consulta de uso comum, como SQL • Atividades de extração, transformação e carregamento • Modelagem de dados • Machine Learning e/ou estatísticas • Programação em Python Observações sobre a Conta do Google: • Os serviços do Google estão temporariamente indisponíveis na China.

Os dois principais componentes de qualquer pipeline de dados são os data lakes e os armazenamento de dados. Neste curso, destacamos os casos de uso de cada tipo de armazenamento e analisamos detalhadamente as soluções de data lake e de armazenamento de dados disponíveis no Google Cloud Platform. Também descrevemos a função do engenheiro de dados e os benefícios dos pipelines para as operações de negócios, além de examinar por que é melhor fazer a engenharia de dados em um ambiente em nuvem. Os participantes terão uma experiência prática com data lakes e armazenamento de dados no Google Cloud Platform por meio do QwikLabs.

De forma geral, os pipelines de dados se enquadram em um dos seguintes modelos: extrair-carregar, extrair-carregar-transformar ou extrair-transformar-carregar. Neste curso, descrevemos qual modelo deve ser usado e quando usá-lo para os dados em lote. Também tratamos de diversas tecnologias de transformação de dados disponíveis no Google Cloud Platform, como o BigQuery, a execução do Spark no Cloud Dataproc, os gráficos de pipeline no Cloud Data Fusion e o processamento de dados sem servidor com o Cloud Dataflow. Na atividade prática do Qwiklabs, os participantes criarão componentes de pipeline de dados no Google Cloud Platform.

*Observação: este é um curso novo com conteúdo atualizado diferente da versão anterior desta especialização.

Cada vez mais, as empresas usam o processamento de dados de streaming para gerar métricas sobre as operações comerciais em tempo real. Neste curso, explicamos como criar pipelines de dados de streaming no Google Cloud Platform e como processar esses dados no Cloud Pub/Sub. Também mostramos como aplicar agregações e transformações aos dados de streaming usando o Cloud Dataflow e como armazenar os registros processados no BigQuery ou no Cloud Bigtable para serem analisados. Na atividade prática do Qwiklabs, os participantes criarão componentes de pipeline de dados de streaming no Google Cloud Platform.