Inscreva-se Fazer login

Sudhanshu .

Participante desde 2022

Liga Bronze

10725 pontos
Operações de machine learning (MLOps): introdução Earned Feb 8, 2024 EST
Machine learning nas empresas Earned Feb 6, 2024 EST
Engenharia de atributos Earned Jan 5, 2024 EST
Como criar, treinar e implantar modelos de ML com o Keras no Google Cloud Earned Dec 26, 2023 EST
Launching into Machine Learning - Português Brasileiro Earned Oct 5, 2023 EDT
Introdução à IA e ao machine learning no Google Cloud Earned Sep 29, 2023 EDT
How Google Does Machine Learning - Português Brasileiro Earned Aug 5, 2023 EDT
Arquitetura em Google Kubernetes Engine: cargas de trabalho Earned May 9, 2023 EDT
Como criar arquiteturas com o Google Kubernetes Engine: produção Earned May 1, 2023 EDT
Arquitetura em Google Kubernetes Engine: fundamentos Earned Apr 29, 2023 EDT
Introdução ao Google Kubernetes Engine Earned Apr 29, 2023 EDT
Infraestrutura dinâmica do Google Cloud: escalonamento e automação Earned Apr 22, 2023 EDT
Infraestrutura básica do Google Cloud: serviços principais Earned Apr 17, 2023 EDT
Infraestrutura básica do Google Cloud: fundamentos Earned Apr 15, 2023 EDT
Noções básicas do Google Cloud: infraestrutura principal Earned Apr 11, 2023 EDT
Processamento de dados sem servidor com o Dataflow: fundamentos Earned Feb 27, 2023 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - Português Brasileiro Earned Feb 27, 2023 EST
Como criar sistemas de análise de streaming resilientes no Google Cloud Earned Feb 25, 2023 EST
Como modernizar data lakes e data warehouses com o Google Cloud Earned Jan 25, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - Português Brasileiro Earned Nov 15, 2022 EST

Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, no teste, no monitoramento e na automação de sistemas de ML em produção. Profissionais de engenharia de machine learning usam ferramentas para fazer melhorias contínuas e avaliações de modelos implantados. São profissionais que trabalham com ciências de dados e desenvolvem modelos para garantir a velocidade e o rigor na implantação de modelos com melhor desempenho.

Saiba mais

Este curso tem uma abordagem realista para o fluxo de trabalho de ML usando um estudo de caso em que uma equipe tem vários casos de uso e exigências comerciais em ML. Essa equipe precisa conhecer as ferramentas necessárias para a governança e o gerenciamento de dados e decidir a melhor abordagem para o processamento deles. A equipe terá três opções para criar modelos de ML em dois casos de uso. Neste curso, explicamos quando usar o AutoML, o BigQuery ML ou o treinamento personalizado para alcançar os objetivos.

Saiba mais

O curso apresenta os benefícios de usar a Vertex AI Feature Store e ensina a melhorar a acurácia dos modelos de ML e a identificar as colunas de dados que apresentam os atributos mais úteis. Ele também oferece conteúdo teórico e laboratórios sobre engenharia de atributos com BigQuery ML, Keras e TensorFlow.

Saiba mais

Este curso ensina a criar modelos de ML com o TensorFlow e o Keras, melhorar a acurácia deles e desenvolver modelos para uso em escala.

Saiba mais

O curso começa com a seguinte discussão: como melhorar a qualidade dos dados e fazer uma análise exploratória deles? Descrevemos o AutoML na Vertex AI e como criar, treinar e implantar um modelo de ML sem escrever nenhuma linha de código. Você vai conhecer os benefícios do BigQuery ML. Depois vamos falar sobre como otimizar um modelo de machine learning (ML) e como a generalização e a amostragem podem ajudar na avaliação de qualidade dos modelos de ML em treinamentos personalizados.

Saiba mais

Neste curso, apresentamos os recursos de IA e machine learning (ML) no Google Cloud que criam projetos de IA generativa e preditiva. Vamos conhecer as tecnologias, os produtos e as ferramentas disponíveis em todo o ciclo de vida de dados à IA, o que inclui os fundamentos dessa tecnologia, o desenvolvimento e as soluções dela. O objetivo é ajudar cientistas de dados, desenvolvedores de IA e engenheiros de ML a aprimorar habilidades e o conhecimento com experiências de aprendizado envolventes e exercícios práticos.

Saiba mais

Quais são as práticas recomendadas para implementar machine learning no Google Cloud? O que é Vertex AI e como é possível usar a plataforma para criar, treinar e implantar modelos de machine learning do AutoML com rapidez e sem escrever nenhuma linha de código? O que é machine learning e que tipos de problema ele pode resolver? O Google pensa em machine learning de uma forma um pouco diferente. Para nós, o processo de ML é sobre fornecer uma plataforma unificada para conjuntos de dados gerenciados, como uma Feature Store, uma forma de criar, treinar e implantar modelos de machine learning sem escrever nenhuma linha de código. Além disso, o ML também é sobre a habilidade de rotular dados, criar notebooks do Workbench usando frameworks (como TensorFlow, SciKit Learn, Pytorch e R) e muito mais. A plataforma Vertex AI também inclui a possibilidade de treinar modelos personalizados, criar pipelines de componente e realizar previsões em lote e on-line. Também falamos sobre as cinco fas…

Saiba mais

No curso Arquitetura em Google Kubernetes Engine: cargas de trabalho, você vai conhecer profundamente o processo de desenvolvimento de apps nativos da nuvem. Durante o aprendizado, você vai saber mais sobre as operações do Kubernetes, o gerenciamento de implantações, a rede do GKE e o armazenamento permanente. Este é o primeiro curso da série Arquitetura em Google Kubernetes Engine. Depois de concluir todas as tarefas, comece o curso Como criar arquiteturas com o Google Kubernetes Engine: produção.

Saiba mais

Neste curso, você vai aprender sobre a segurança do Kubernetes e do Google Kubernetes Engine (GKE), além dos processos de geração de registros e monitoramento. Também mostraremos como usar dentro do GKE os serviços de banco de dados e armazenamento gerenciados pelo Google Cloud. Este é o segundo curso da série Arquitetura em Google Kubernetes Engine. Depois de concluir todas as tarefas, comece o curso "Infraestrutura do Google Cloud confiável: criar e processar" ou "Hybrid Cloud Infrastructure Foundations with Anthos".

Saiba mais

Neste curso, "Arquitetura em Google Kubernetes Engine: fundamentos", vamos relembrar o layout e os princípios do Google Cloud. Depois disso, mostraremos os fundamentos de como criar e gerenciar contêineres de software, e você vai conhecer a arquitetura do Kubernetes.

Saiba mais

Bem-vindo ao curso "Introdução ao Google Kubernetes Engine". Se você têm interesse no Kubernetes, uma camada de software que fica entre seus aplicativos e a infraestrutura de hardware, aqui é o lugar certo. O Google Kubernetes Engine transforma o Kubernetes em um serviço gerenciado no Google Cloud. O objetivo deste curso é apresentar os conceitos básicos do Google Kubernetes Engine, ou GKE, como é comumente conhecido, e aprender a conteinerizar e executar aplicativos no Google Cloud. O curso começa com uma introdução básica ao Google Cloud e é seguido pelos conceitos gerais dos contêineres e do Kubernetes, da arquitetura do Kubernetes e das operações do Kubernetes.

Saiba mais

Neste curso intensivo sob demanda, os participantes vão conhecer os serviços abrangentes e flexíveis de infraestrutura e plataforma fornecidos pelo Google Cloud. Com o auxílio de videoaulas, demonstrações e laboratórios práticos, os participantes têm a chance de conhecer e implantar elementos da solução. Isso inclui interconexão segura entre redes, balanceamento de carga, escalonamento automático, automação de infraestrutura e serviços gerenciados.

Saiba mais

Neste curso intensivo sob demanda, os participantes vão conhecer os serviços abrangentes e flexíveis de infraestrutura e plataforma fornecidos pelo Google Cloud, com foco no Compute Engine. Com o auxílio de videoaulas, demonstrações e laboratórios práticos, os participantes têm a chance de conhecer e implantar elementos da solução, incluindo componentes de infraestrutura, como redes, sistemas e serviços de aplicativos. O curso também aborda a implantação de soluções práticas, como chaves de criptografia fornecidas pelo cliente, gerenciamento de segurança e acesso, cotas e faturamento, além do monitoramento de recursos.

Saiba mais

Neste curso intensivo sob demanda, os participantes vão conhecer os serviços abrangentes e flexíveis de infraestrutura e plataforma fornecidos pelo Google Cloud, com foco no Compute Engine. Com o auxílio de videoaulas, demonstrações e laboratórios práticos, os participantes têm chance de conhecer e implantar elementos da solução, incluindo componentes de infraestrutura, como redes, máquinas virtuais e serviços de aplicativos. Você vai aprender a usar o Google Cloud no Console e no Cloud Shell. Além disso, vamos detalhar o papel de um arquiteto de nuvem, abordagens de design de infraestruturas, configuração de redes virtuais com a nuvem privada virtual (VPC), projetos, redes, sub-redes, endereços IP, rotas e regras de firewall.

Saiba mais

"Noções básicas do Google Cloud: infraestrutura principal" é uma apresentação da terminologia e de conceitos importantes para trabalhar com o Google Cloud. Usando vídeos e laboratórios práticos, o curso apresenta e compara vários serviços de armazenamento e computação do Google Cloud, além de ferramentas importantes para o gerenciamento de políticas e recursos.

Saiba mais

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.

Saiba mais

A incorporação de machine learning em pipelines de dados aumenta a capacidade de extrair insights dessas informações. Neste curso, mostramos as várias formas de incluir essa tecnologia em pipelines de dados do Google Cloud. Para casos de pouca ou nenhuma personalização, vamos falar sobre o AutoML. Para usar recursos de machine learning mais personalizados, vamos apresentar os Notebooks e o machine learning do BigQuery (BigQuery ML). No curso, você também vai aprender sobre a produção de soluções de machine learning usando a Vertex AI.

Saiba mais

O processamento de dados de streaming é cada vez mais usado pelas empresas para gerar 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 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.

Saiba mais

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 "Engenharia de dados no Google Cloud". Após a conclusão, recomendamos que você comece o curso "Como criar pipelines de dados em lote no Google Cloud".

Saiba mais

Este curso apresenta os produtos e serviços de Big Data e machine learning do Google Cloud que auxiliam no ciclo de vida de dados para IA. Ele explica os processos, os desafios e os benefícios de criar um pipeline de Big Data e modelos de machine learning com a Vertex AI no Google Cloud.

Saiba mais