Este curso presenta los productos y servicios de big data y machine learning de Google Cloud que respaldan el ciclo de vida de datos a IA. Explora los procesos, desafíos y beneficios de construir una tubería de big data y modelos de machine learning con Vertex AI en Google Cloud.
Objetivos
En este curso, los participantes aprenderán las siguientes habilidades:
- Identificar el ciclo de vida de datos a IA en Google Cloud y los principales productos de big data y machine learning.
- Diseñar tuberías de transmisión con Dataflow y Pub/Sub.
- Analizar big data a escala con BigQuery.
- Identificar diferentes opciones para construir soluciones de machine learning en Google Cloud.
- Describir un flujo de trabajo de machine learning y los pasos clave con Vertex AI.
- Construir una tubería de machine learning usando AutoML.
Público
Esta clase está dirigida a la siguiente audiencia:
- Analistas de datos, científicos de datos y analistas de negocios que están comenzando con Google Cloud.
- Individuos responsables de diseñar tuberías y arquitecturas para el procesamiento de datos, crear y mantener modelos de machine learning y estadísticos, consultar conjuntos de datos, visualizar resultados de consultas y crear informes.
- Ejecutivos y responsables de la toma de decisiones de TI que están evaluando Google Cloud para su uso por científicos de datos.
Prerrequisitos
Para aprovechar al máximo este curso, los participantes deben cumplir con los siguientes criterios:
- Lenguaje de consulta de bases de datos, como SQL.
- Flujo de trabajo de ingeniería de datos, desde la extracción, transformación y carga, hasta el análisis, modelado y despliegue.
- Modelos de machine learning, como modelos supervisados versus no supervisados.
Duración
8 horas
Inversión
Vea el valor actualizado y los próximos cierres para las clases abiertas en nuestra página de registro.
Si está interesado en una clase cerrada para su empresa, contáctenos.
Resumen del curso
El curso incluye presentaciones, demostraciones y laboratorios prácticos.
- Recognize the data-to-AI lifecycle on Google Cloud.
- Identify the connection between data engineering and machine learning.
- Identify how elements of the Google Cloud infrastructure have enabled big data and machine learning capabilities.
- Identify the big data and machine learning products on Google Cloud.
- Explore a BigQuery dataset.
- Describe an end-to-end streaming data workflow from ingestion to data visualization.
- Identify modern data pipeline challenges and how to solve them at scale with Dataflow.
- Build collaborative real-time dashboards with data visualization tools.
- Create a streaming data pipeline for a real-time dashboard with Dataflow.
- Describe the essentials of BigQuery as a data warehouse.
- Explain how BigQuery processes queries and stores data.
- Define the BigQuery ML project phases.
- Build a custom machine learning model with BigQuery ML.
- Identify different options to build ML models on Google Cloud.
- Define Vertex AI and its major features and benefits.
- Describe AI solutions in both horizontal and vertical markets.
- Describe a ML workflow and the key steps.
- Identify the tools and products to support each stage.
- Build an end-to-end ML workflow using AutoML.
- Describe the data-to-AI lifecycle on Google Cloud and identify the major products of big data and machine learning.