Quézia Demetrio
Participante desde 2025
Liga Ouro
3038 pontos
Práticas recomendadas do Google Kubernetes Engine: segurança
Earned Aug 28, 2026 EDT
Como implementar as noções básicas de segurança da nuvem no Google Cloud
Earned Aug 28, 2026 EDT
Como criar uma rede segura do Google Cloud
Earned Aug 28, 2026 EDT
Criar modelos de ML com o BigQuery ML
Earned Aug 23, 2026 EDT
Dados de engenharia para modelagem preditiva com o BigQuery ML
Earned Aug 23, 2026 EDT
Introdução à IA e ao machine learning no Google Cloud
Earned Aug 23, 2026 EDT
Deploy an Agent with Agent Development Kit (ADK)
Earned Jun 16, 2026 EDT
Evaluate and Improve Agent Development Kit Agents
Earned Jun 16, 2026 EDT
Govern Agent Access with Gemini Enterprise Agent Platform
Earned Jun 16, 2026 EDT
Accelerate Development with Antigravity
Earned May 22, 2026 EDT
Deploy Gemini Enterprise with Workspace Data Sources and Model Armor
Earned May 22, 2026 EDT
Add Agents to Gemini Enterprise
Earned May 22, 2026 EDT
How Google Does Machine Learning - Português Brasileiro
Earned Sep 11, 2025 EDT
Prepare-se para o Anthos. Esta coleção de laboratórios com foco nas práticas recomendadas do Google Kubernetes Engine se concentra na segurança em escala ao implantar e gerenciar ambientes de produção do GKE, especificamente o controle de acesso baseado em papéis, o aumento da proteção, a rede VPC e a autorização binária.
Saiba mais
Conclua o curso intermediário para obter o selo de habilidade Como implementar as noções básicas de segurança da nuvem no Google Cloud para mostrar que você sabe: criar e atribuir papéis com o Identity and Access Management (IAM); criar e gerenciar contas de serviço; ativar a conectividade particular entre redes de nuvem privada virtual (VPC); restringir o acesso ao aplicativo usando o Identity-Aware Proxy; gerenciar chaves e dados criptografados usando o Cloud Key Management Service (KMS) e criar um cluster particular do Kubernetes.
Saiba mais
Conquiste um selo de habilidade ao concluir o curso Como criar uma rede segura do Google Cloud, que apresenta vários recursos relacionados a redes para criar, escalonar e proteger seus aplicativos no Google Cloud.
Saiba mais
Conclua o selo de habilidade intermediário Criar modelos de ML com o BigQuery ML para mostrar que você sabe: criar e avaliar modelos de machine learning usando o BigQuery ML para fazer previsões de dados.
Saiba mais
Conclua o selo de habilidade intermediário Dados de engenharia para modelagem preditiva com o BigQuery ML para mostrar que você sabe: criar pipelines de transformação de dados no BigQuery usando o Dataprep by Trifacta; usar o Cloud Storage, o Dataflow e o BigQuery para criar fluxos de trabalho de extração, transformação e carregamento de dados (ELT); e criar modelos de machine learning usando o BigQuery ML.
Saiba mais
Neste curso, apresentamos os recursos de IA e machine learning (ML) do Google Cloud, com foco no desenvolvimento de projetos de IA generativa e preditiva. Vamos conhecer as tecnologias, os produtos e as ferramentas disponíveis em todo o ciclo de vida de dados para IA, capacitando cientistas de dados, desenvolvedores de IA e engenheiros de ML para aprimorar a experiência com exercícios interativos.
Saiba mais
In this challenge lab, you will demonstrate your ability to author agents using Agent Development Kit (ADK), deploy those agents to Agent Engine, and use them from a web app. Complete the challenge lab to earn a Google Cloud skill badge.
Saiba mais
Complete the Evaluate and Improve Agent Development Kit Agents skill badge to demonstrate your ability to use ADK's evaluation tools to "hill climb" — making measurable, iterative improvements to an agent. You will run an initial evaluation to establish a baseline, apply optimization techniques, and re-evaluate the agent to measure your success.
Saiba mais
In this challenge lab, you will act as a cloud engineer supporting the Cymbal Pools finance team. Your mission is to deploy a BigQuery-enabled agent to Agent Runtime to help process invoice data using natural language.
Rather than building from scratch, you inherit an unsecured deployment. You must establish basic data governance by configuring the Agent Development Kit (ADK), deploying the agent with a dedicated SPIFFE identity, identifying permission blocks, and applying least-privilege IAM roles so the agent can safely query and update the BigQuery database from the Agent Runtime Playground.
Saiba mais
Complete the Accelerate Development with Antigravity skill badge to demonstrate your proficiency in using the Antigravity IDE for developing agentic workflows. You will be tasked with configuring an MCP server, authoring custom agent skills and rules, prototyping with the Agents CLI, and deploying to the Google Cloud Agent Runtime.
A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network.
When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
Saiba mais
In this challenge lab, you act as a Security Engineer deploying a secure Gemini Enterprise environment for Cymbal Bank. You will ground Gemini in web search and internal Workspace sources to ensure accurate, contextual responses. To maintain compliance, you will configure Model Armor policies to filter sensitive data and block threats like prompt injections and malicious URLs. Finally, you will manage specific end-user features to customize the AI experience safely
Saiba mais
In this challenge lab, you will demonstrate your ability to add agents to a Gemini Enterprise app. You will build an agent with Agent Designer. And you will build a no-code agent with Agent Development Kit, deploy it to Agent Engine, and add it to the Gemini Enterprise app.
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
