Data Engineering on Google Cloud Platform en Español

Course 1: Google Cloud Platform Big Data and Machine Learning Fundamentals en Español
- En este curso a pedido y acelerado de 1 semana, los participantes descubrirán las capacidades de los macrodatos y del aprendizaje automático de Google Cloud Platform (GCP). Además, se proporciona una descripción general rápida de Google Cloud Platform y más detalles sobre las capacidades de procesamiento de datos. Al finalizar este curso, los participantes podrán hacer lo siguiente: • Identificar el propósito y el valor de los productos clave de macrodatos y aprendizaje automático disponibles en Google Cloud Platform • Usar Cloud SQL y Cloud Dataproc para migrar las cargas de trabajo existentes de MySQL y Hadoop/Pig/Spark/Hive a Google Cloud Platform • Usar BigQuery y Cloud Datalab para llevar a cabo un análisis de datos interactivo • Elegir entre Cloud SQL, Bigtable y Datastore • Entrenar y usar una red neuronal mediante TensorFlow • Elegir entre los diferentes productos de procesamiento de datos disponibles en Google Cloud Platform Antes de inscribirse en este curso, los participantes deben tener aproximadamente un (1) año de experiencia en uno o más de los siguientes: • Un lenguaje de consulta común, como SQL • Actividades de extracción, transformación y carga • Modelado de datos • Aprendizaje automático o estadísticas • Programación en Python Notas de la Cuenta de Google: • Actualmente, los servicios de Google no están disponibles en China.

Course 2: Serverless Machine Learning con TensorFlow en GCP
- En este curso acelerado a pedido de una semana, los participantes recibirán una introducción práctica sobre cómo diseñar y compilar modelos de aprendizaje automático en Google Cloud Platform. Mediante una serie de presentaciones, demostraciones y labs prácticos, los participantes conocerán conceptos de aprendizaje automático (AA) y TensorFlow, y adquirirán habilidades prácticas para desarrollar, evaluar y producir modelos de AA. OBJETIVOS En este curso, los participantes adquirirán las siguientes habilidades: ● Identificar casos prácticos de aprendizaje automático ● Compilar un modelo de AA con TensorFlow ● Compilar modelos de AA implementables y escalables con Cloud ML ● Conocer la importancia del procesamiento previo y la combinación de atributos ● Incorporar conceptos avanzados de AA a sus modelos ● Llevar modelos entrenados de AA a producción REQUISITOS PREVIOS Para aprovechar al máximo este curso, los participantes deben cumplir con los siguientes requisitos previos: ● Haber completado el curso "Google Cloud Fundamentals - Big Data and Machine Learning" O contar con experiencia equivalente ● Tener un conocimiento básico del lenguaje de consulta común, como SQL ● Tener experiencia con las actividades de extracción, transformación, carga y modelado de datos ● Haber desarrollado aplicaciones mediante un lenguaje de programación común, como Python ● Estar familiarizados con el aprendizaje automático o las estadísticas Notas sobre la Cuenta de Google: • Por el momento, los servicios de Google no están disponibles en China.

Course 3: Leveraging Unstructured Data with Cloud Dataproc on Google Cloud Platform en Español
- Este curso acelerado de una semana está basado en cursos anteriores de la especialización "Data Engineering on Google Cloud Platform". Mediante una serie de clases por video, demostraciones y labs prácticos, aprenderá a crear y administrar clústeres de procesamiento para ejecutar trabajos de Hadoop, Spark, Pig o Hive en Google Cloud Platform.Además, aprenderá a acceder a varias opciones de almacenamiento en la nube desde sus clústeres de procesamiento y a integrar las capacidades del aprendizaje automático de Google en sus programas de estadísticas. En los labs prácticos, creará y administrará clústeres de Dataproc con la consola web y la CLI. Luego, usará los clústeres para ejecutar trabajos de Spark y Pig. A continuación, creará notebooks de IPython que se integran con BigQuery y el almacenamiento, y utilizará Spark. Por último, integrará las API de aprendizaje automático en el análisis de sus datos. Requisitos previos • Google Cloud Platform Big Data & Machine Learning Fundamentals (o contar con experiencia equivalente) • Conocimientos de Python

Course 4: Serverless Data Analysis with Google BigQuery and Cloud Dataflow en Español
- Este curso acelerado a pedido de una semana está basado en Google Cloud Platform Big Data and Machine Learning Fundamentals. Mediante una serie de presentaciones, demostraciones y labs prácticos dictados por un instructor, los participantes aprenderán a realizar procesamiento de canalizaciones, análisis y almacenamiento de datos no-ops. Requisitos previos: • Google Cloud Platform Big Data and Machine Learning Fundamentals • Experiencia en el lenguaje de consulta de tipo SQL para analizar datos • Conocimientos de Python o Java Notas sobre la Cuenta de Google: • Los servicios de Google no están disponibles en China.

Course 5: Building Resilient Streaming Systems on Google Cloud Platform en Español
- Este curso acelerado a pedido de una semana está basado en Google Cloud Platform Big Data and Machine Learning Fundamentals. Mediante una serie de clases por video, demostraciones y labs prácticos, aprenderá a compilar canalizaciones de datos de transmisión con Google Cloud Pub/Sub y Dataflow para poder tomar decisiones en tiempo real. Además, aprenderá a compilar paneles a fin de procesar resultados personalizados para distintos públicos interesados. Requisitos previos: • Haber completado el curso Google Cloud Platform Big Data and Machine Learning Fundamentals (o contar con experiencia equivalente) • Conocimientos de Java Objetivos: • Comprender casos prácticos de estadísticas de transmisiones en tiempo real • Usar el servicio de mensajería asíncrona de Google Cloud Pub/Sub para administrar eventos de datos • Escribir canalizaciones de transmisión y ejecutar transformaciones cuando sea necesario • Familiarizarse con ambos lados de una canalización de transmisión: la producción y el consumo • Interoperar Dataflow, BigQuery y Cloud Pub/Sub para realizar transmisiones y análisis en tiempo real