Google Cloud Platform Fundamentals: Big Data & Machine Learning

Neste curso de um dia com instrutor, os participantes conhecerão os recursos de Big Data do Google Cloud Platform. Por meio de uma combinação de apresentações, demonstrações e laboratórios práticos, os participantes terão uma visão geral do Google Cloud Platform e uma visão detalhada dos recursos de processamento de dados e machine learning. Este curso mostra a facilidade, a flexibilidade e o poder das soluções Big Data no Google Cloud Platform

Neste curso, os participantes aprenderão as seguintes habilidades:

• Identificar o objetivo e o valor dos principais produtos Big Data e de Machine Learning no Google Cloud Platform.
• Usar o Cloud SQL e o Cloud Dataproc para migrar as atuais cargas de trabalho MySQL e Hadoop/Pig/Spark/Hive para o Google Cloud Platform.
• Usar o BigQuery e o Cloud Datalab para realizar análises de dados interativas.
• Treinar e usar uma rede neural com o TensorFlow.
• Empregar APIs de ML.
• Escolher entre diferentes produtos de processamento de dados no Google Cloud Platform.

• Proficiência básica com linguagem de consulta comum, como SQL
• Experiência com atividades de modelagem de dados, extração, transformação e carga
• Desenvolvimento de aplicativos com linguagem de programação comum, como Python
• Familiaridade com machine learning e/ou estatística

1 dias – 08 horas aula –  Online ao Vivo ou presencial em São Paulo

Módulo 1: Introdução ao Google Cloud Platform

• Visão geral dos princípios básicos do Google Platform
• Produtos de Big Data do Google Cloud Platform

Módulo 2: Princípios básicos sobre computação e armazenamento

• CPUs sob demanda (Compute Engine)
• Sistema de arquivos global (Cloud Storage)
• CloudShell
• Laboratório: Configurar canais de processamento de dados Ingerir-Transformar-Publicar

Módulo 3: Análise de dados na nuvem

• Pontos de partida para a nuvem
• Cloud SQL: seu banco de dados SQL na nuvem
• Laboratório: Como importar dados para o CloudSQL e executar consultas
• Spark no Dataproc
• Laboratório: Recomendações sobre Machine Learning com o Spark no Dataproc

Módulo 4: Escalonamento de análise de dados

• Acesso aleatório rápido
• Datalab
• BigQuery
• Laboratório: Criar seu conjunto de dados de machine learning

Módulo 5: Machine Learning

• Machine Learning com o TensorFlow
• Laboratório: Usar ML com o TensorFlow
• Modelos pré-criados para necessidades comuns
• Laboratório: Usar APIs de ML

Módulo 6: Arquiteturas de processamento de dados

• Arquiteturas orientadas por mensagens com o Pub/Sub
• Criação de canais com o Dataflow
• Arquitetura de referência para processamento de dados em lote e em tempo real

Módulo 7: Resumo

• Por que usar o GCP?
• Próximos passos
• Outros recursos