Data Engineering, Big Data and ML on Google Cloud en Español 專項課程

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.

Los dos componentes clave de cualquier canalización de datos son los data lakes y los almacenes de datos. En este curso, se destacan casos prácticos para cada tipo de almacenamiento y se explican los detalles técnicos de las soluciones de data lake y almacenes de datos disponibles en Google Cloud Platform. Además, se describe la función de un ingeniero de datos, se detallan los beneficios de una canalización de datos exitosa para las operaciones comerciales y se analiza por qué la ingeniería de datos se debe realizar en un entorno en la nube. Los participantes obtendrán experiencia práctica sobre los data lakes y los almacenes de datos en Google Cloud Platform mediante QwikLabs.

Por lo general, la canalización de datos se clasifica en uno de los siguientes paradigmas: Extraer-cargar, Extraer-cargar-transformar o Extraer-transformar-cargar. En este curso, se describe cuál es el paradigma que se debe usar y en qué momento usarlo para los datos por lotes. Además, en este curso, se presentan diferentes tecnologías de Google Cloud Platform para la transformación de datos, entre las que se incluyen BigQuery, la ejecución de Spark en Cloud Dataproc, los gráficos de canalización en Cloud Data Fusion y el procesamiento de datos sin servidores mediante Cloud Dataflow. Los participantes obtendrán experiencia práctica sobre cómo compilar los componentes de la canalización de datos en Google Cloud Platform mediante QwikLabs.

*Nota: Este es un curso nuevo con contenido actualizado diferente de la versión anterior de esta especialización.

El procesamiento de datos de transmisión es cada vez más popular, ya que la transmisión les permite a las empresas obtener métricas en tiempo real sobre sus operaciones comerciales. En este curso, se describe cómo compilar canalizaciones de datos de transmisión en Google Cloud Platform. También se describe el proceso de Cloud Pub/Sub para manejar los datos de transmisión entrantes. Además, el curso abarca el proceso sobre cómo aplicar agregaciones y transformaciones a los datos de transmisión con Cloud Dataflow, y cómo almacenar registros procesados en BigQuery o Cloud Bigtable para su análisis. Los participantes obtendrán experiencia práctica sobre cómo compilar los componentes de la canalización de datos de transmisión en Google Cloud Platform mediante QwikLabs.