About this Course
최근 조회 2,261

다음 전문 분야의 5개 강좌 중 2번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 11시간 필요

권장: 1 semana de estudo, de 8 a 12 horas por semana...

포르투갈어 (브라질)

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

다음 전문 분야의 5개 강좌 중 2번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 11시간 필요

권장: 1 semana de estudo, de 8 a 12 horas por semana...

포르투갈어 (브라질)

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 1시간 필요

Este é o "Serverless Machine Learning on Google Cloud Platform"

2개 동영상 (총 5분), 1 quiz
2개의 동영상
Considerações sobre machine learning2m
1개 연습문제
Pré-teste do curso de machine learning30m
완료하는 데 3시간 필요

Módulo 1: Primeiros passos com machine learning

21개 동영상 (총 109분), 2 quizzes
21개의 동영상
Tipos de ML3m
O canal de ML2m
Variantes do modelo de ML7m
Como classificar um problema de ML2m
Como usar machine learning (ML)8m
Otimização9m
Um playground de rede neural18m
Como combinar atributos3m
Engenharia de atributos3m
Modelos de imagem5m
ML eficaz2m
Quais são os elementos de um bom conjunto de dados?5m
Métricas de erro3m
Precisão2m
Precisão e recall5m
Como criar conjuntos de dados de machine learning3m
Como dividir conjuntos de dados6m
Python Notebooks1m
Visão geral do laboratório Como criar conjuntos de dados de ML3m
Revisão do laboratório Como criar conjuntos de dados de ML2m
1개 연습문제
Teste do módulo 130m
완료하는 데 6시간 필요

Módulo 2: Criação de modelos de ML com o TensorFlow

15개 동영상 (총 65분), 5 quizzes
15개의 동영상
O que é o TensorFlow?5m
Principais características do TensorFlow5m
Visão geral do laboratório Primeiros passos com o TensorFlow7
Revisão do laboratório TensorFlow10m
API Estimator8m
Machine learning com o tf.estimator15
Revisão do laboratório Estimator7m
Como criar ML eficaz6m
Introdução ao laboratório Refatoração para adicionar a criação de lotes e recursos38
Revisão do laboratório Refatoração4m
Treine e avalie4m
Monitoramento1m
Introdução ao laboratório: Treinamento e monitoramento distribuídos2m
Revisão do laboratório: Treinamento e monitoramento distribuídos7m
1개 연습문제
Teste do módulo 230m
완료하는 데 2시간 필요

Módulo 3: Escalonamento de modelos de ML com o Cloud ML Engine

7개 동영상 (총 28분), 2 quizzes
7개의 동영상
Por que usar o Cloud ML Engine?6m
Fluxo de trabalho de desenvolvimento1m
Como empacotar o treinador3m
TensorFlow Serving3m
Laboratório: Como escalonar ML39
Revisão do laboratório: Como escalonar ML10m
1개 연습문제
Teste do módulo 330m
완료하는 데 3시간 필요

Módulo 4: Engenharia de atributos

16개 동영상 (총 92분), 2 quizzes
16개의 동영상
Atributos bons7m
Causalidade8m
Numérico5m
Exemplos suficientes7m
Dados brutos para os atributos1m
Atributos categóricos8m
Cruzamento de atributos3m
Como criar intervalos3m
Amplitude e profundidade5m
Onde aplicar a engenharia de atributos3m
Visão geral do laboratório Engenharia de atributos3m
Revisão do laboratório Engenharia de atributos10m
Ajuste de hiperparâmetro e demonstração15m
Níveis de abstração de ML4m
Resumo1m
1개 연습문제
Teste do módulo 430m

Google 클라우드 정보

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....

Data Engineering on Google Cloud Platform em Português Brasileiro 전문 분야 정보

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 <<<...
Data Engineering on Google Cloud Platform em Português Brasileiro

자주 묻는 질문

  • 예. 등록하기 전에 첫 번째 비디오를 미리 보고 강의 계획을 검토할 수 있습니다. 미리 보기에 포함되지 않은 콘텐츠를 이용하려면 강좌를 구매해야 합니다.

  • 세션 시작일 전에 강좌에 등록하면 해당 강좌의 모든 강의 비디오 및 읽기 자료에 접근할 수 있습니다. 수업이 시작되면 과제를 제출할 수 있습니다.

  • 등록 후 세션이 시작되면 읽기 자료 항목 및 강좌 토론 포럼을 포함하여 모든 비디오와 기타 리소스를 이용할 수 있습니다. 연습 평가를 보고 제출하며 필요한 성적 평가 과제를 완료하여 성적을 받고 강좌 수료증을 취득할 수 있습니다.

  • 강좌를 성공적으로 수료하면 전자 강좌 수료증이 성취도 페이지에 추가됩니다. 해당 페이지에서 강좌 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다.

  • 이 강좌는 현재 Coursera에서 수업료를 결제했거나 재정 지원(해당하는 경우)을 받은 학습자만 이용할 수 있는 강좌입니다.

  • Before enrolling in this course, participants should have roughly one (1) year of experience with one or more of the following:

    • Knowledge of Google Cloud Platform

    • Big Data & Machine Learning Fundamentals to the level of "Google Cloud Platform Big Data and Machine Learning Fundamentals" on Coursera

    • Knowledge of BigQuery and Dataflow to the level of "Serverless Data Analysis with Google BigQuery and Cloud Dataflow" on Coursera

    • Knowledge of Python and familiarity with the numpy package

    • Knowledge of undergraduate-level statistics to the level of a Basic Statistics course on Coursera

  • To be eligible for the free trial, you will need:

    - Google account (Google is currently blocked in China)

    - Credit card or bank account

    - Terms of service

    Note: There is a known issue with certain EU countries where individuals are not able to sign up, but you may sign up as "business" status and intend to see a potential economic benefit from the trial. More details at: https://support.google.com/cloud/answer/6090602

    More Google Cloud Platform free trial FAQs are available at: https://cloud.google.com/free-trial/

    For more details on how the free trial works, visit our documentation page: https://cloud.google.com/free-trial/docs/

  • If your current Google account is no longer eligible for the Google Cloud Platform free trial, you can create another Google account. Your new Google account should be used to sign up for the free trial.

  • View this page for more details: https://cloud.google.com/free-trial/docs/

  • Yes, this online course is based on the instructor-led training formerly known as CPB102.

  • The course covers the topics presented on the certification exam, however we recommend additional preparation including hands-on product experience. The best preparation for certification is real-world, hands-on experience. Review the Google Certified Professional Data Engineer certification preparation guide for further information and resources at https://cloud.google.com/certification/guides/data-engineer/

  • Google’s Certification Program gives customers and partners a way to demonstrate their technical skills in a particular job-role and technology. Individuals are assessed using a variety of rigorously developed industry-standard methods to determine whether they meet Google’s proficiency standards. Read more at https://cloud.google.com/certification/

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.