Este curso rápido sob demanda tem uma semana de duração e é baseado no Google Cloud Platform Big Data and Machine Learning Fundamentals. Por meio de apresentações com instrutores, demonstrações e laboratórios práticos, os alunos aprenderão a executar armazenamento de dados, análise e processamento de pipeline em um ambiente autônomo.
Este curso forma parte de Programa Especializado - Data Engineering on Google Cloud Platform em Português Brasileiro
Serverless Data Analysis with Google BigQuery and Cloud Dataflow em Português Brasileiro
ofrecido por
Acerca de este Curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 12 horas para completar
Sugerido: 1 semana de estudo, de 6 a 8 horas por semana
Portugués (de Brasil)
Subtítulos: Francés (French), Portugués (de Brasil), Alemán (German), Inglés (English), Español (Spanish), Japonés
Programa - Qué aprenderás en este curso
7 minutos para completar
Introdução ao curso Serverless Data Analysis with Google BigQuery and Cloud Dataflow
7 minutos para completar
1 video (Total 7 minutos)
1 video
6 horas para completar
Module 1: Análise de dados sem servidor com o BigQuery
6 horas para completar
19 videos (Total 123 minutos)
19 videos
O que é o BigQuery?5m
Demonstração do BigQuery3m
Benefícios do BigQuery7m
BigQuery em uma arquitetura de referência8m
Consultas e funções8m
Subconsultas e múltiplas tabelas3m
Laboratório — Análise de dados sem servidor (Java/Python): parte 12m
Demonstração e recapitulação do laboratório9m
Carregamento e exportação de dados2m
Demonstração e recapitulação do laboratório13m
Recursos avançados no BigQuery7m
Matrizes e estruturas6m
Condição JOIN e funções de janela6m
Funções definidas pelo usuário3m
Demonstração e recapitulação do laboratório14m
Desempenho e preços7m
Tabelas de caracteres curinga e particionamento7m
Planos e categorias do BigQuery4m
1 ejercicio de práctica
Teste do módulo 130m
5 horas para completar
Module 2: Escalonamento automático de canais de processamento de dados com o Dataflow
5 horas para completar
12 videos (Total 97 minutos)
12 videos
Gravar canais de dados em Java e Python9m
Entrada, saída e execução6m
Demonstração e recapitulação do laboratório18m
MapReduce e processamento paralelo11m
Funções GroupBy e Combine7m
Combine x GroupBy7m
Demonstração e recapitulação do laboratório6m
Entradas secundárias7m
Demonstração e recapitulação do laboratório10m
Modelos do Dataflow e Dataprep4m
Recursos31s
1 ejercicio de práctica
Module 2 Quiz30m
ofrecido 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.
Acerca de Programa especializado 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 <<<
Preguntas Frecuentes
¿Puedo acceder a una vista preliminar del curso antes de inscribirme?
Sí, puedes acceder a una vista preliminar del primer video y ver el programa antes de inscribirte. Debes comprar el curso para acceder a contenido que no está incluido en la vista preliminar
¿Cuándo podré acceder a las lecciones y tareas?
Si decides inscribirte en el curso antes de la fecha de inicio de la sesión, tendrás acceso a todos los videos y las lecturas de la lección para el curso. Podrás enviar tareas en cuanto comience la sesión.
¿Qué recibiré cuando me inscriba?
Una vez que te inscribes y comienza la sesión, tendrás acceso a todos los videos y otros recursos, incluidos artículos de lectura y el foro de debate del curso. Podrás ver y enviar tareas de práctica y completar tareas con calificación obligatorias para obtener un título y un Certificado de curso
¿Cuándo recibiré mi Certificado de curso?
Si completas el curso de manera correcta, tu Certificado de curso electrónico se agregará a la página Logros. Desde allí, puedes imprimir tu Certificado de curso o agregarlo a tu perfil de LinkedIn
¿Por qué no puedo participar como oyente en este curso?
Este curso es uno de los pocos que se ofrecen en Coursera que está actualmente disponible solo para estudiantes que pagaron o que recibieron ayuda económica, si está disponible.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.