Temario

Introducción a los datos en Google Cloud Platform

Análisis de los deafíos a los que se enfrentan los analistas de datos
Comparación de Big Data en local y en la nube
Aprender con ayuda de casos prácticos reales de empresas que se transformaron a través del análisis en la nube
Conceptos básicos de los proyectos de Google Cloud Platform
Laboratorio: Cómo comenzar a usar Google Cloud Platform
Descripción general de las herramientas Big Data

Tareas y desafíos de los analistas de datos, y presentación de las herramientas de datos de Google Cloud Platform
Demostración: Analizar 10,000 millones de registros con Google BigQuery
Explorar 9 características fundamentales de Google BigQuery
Comparación de las herramientas de GCP para analistas, ingenieros de datos y científicos de datos
Laboratorio: Explorar Datasets con Google BigQuery
Exploración de datos con SQL

Comparación de las técnicas comunes de exploración de datos
Aprender a codificar SQL estándar de alta calidad
Explorar los Datasets públicos de Google BigQuery
Vista previa: Google Data Studio
Laboratorio: Solución de problemas de errores comunes de SQL
Precios de Google BigQuery

Explicación de un trabajo de BigQuery
Cálculo de precios de BigQuery: costos de almacenamiento, consultas y streaming
Optimización del costo de las Queries
Laboratorio: Cálculo de precios de Google BigQuery
Limpieza y transformación de datos

Análisis de los 5 principios de integridad de Datasets
Caracterización de la forma y la distorsión del conjunto de datos
Limpieza y transformación de datos mediante SQL
Limpieza y transformación de datos mediante una IU nueva: introducción a Cloud Dataprep
Laboratorio: Explorar y dar forma a los datos con Cloud Dataprep
Almacenamiento y exportación de datos

Comparar tablas persistentes y temporales
Guardar y exportar los resultados de una Query
Rendimiento: Query Cache
Laboratorio: Creación de tablas persistentes
Ingesta de nuevos Datasets hacia Google BigQuery

Consulta de fuentes de datos externas
Cómo evitar errores de transferencia de datos
Ingesta de nuevos datos a tablas persistentes
Análisis de la inserción Streaming
Laboratorio: Ingesta y consulta de nuevos Datasets
Visualización de datos

Descripción general de los principios de visualización de datos
Enfoques del análisis exploratorio frente al explicativo
Demostración: Google Data Studio UI
Conexión de Google Data Studio con Google BigQuery
Laboratorio: Exploración de un Dataset en Google Data Studio
Unión y mezcla de Datasets

Mezcla de tablas de datos históricos con UNION
Introducción a los Table Wildcards para mezclas más sencillas
Data Schemas: Vincular datos en múltiples tablas
Explicación de JOIN mediante ejemplos y errores
Laboratorio: UNION y JOIN de datos desde múltiples tablas
Funciones y cláusulas avanzadas

Vista general de SQL Case Statements
Introducción a las funciones analíticas de ventana
Protección de los datos con lcifrado de campo unidireccional
Análisis de subconsultas eficaces y diseño CTE
Comparación de las UDF de SQL y JavaScript
Laboratorio: Obtención de estadísticas con las funciones avanzadas de SQL
Diseño de esquemas y estructuras de datos anidados

Comparación de Google BigQuery con la arquitectura de datos RDBMS tradicional
Normalización frente a desnormalización: compensaciones de rendimiento
Revisión del esquema: lo bueno, lo malo y lo feo
Arrays y datos anidados en Google BigQuery
Laboratorio: Consulta de datos anidados y repetidos
Más visualización con Google Data Studio

Creación de Case Statements y campos calculados
Cómo evitar errores de rendimiento con consideraciones de caché
Uso compartido de Dashboards y análisis de las consideraciones de acceso a datos
Optimizacion para lograr un buen rendimiento

Evitar errores de rendimiento de Google BigQuery
Prevención de hotspots en tus datos
Diagnóstico de problemas de rendimiento con el Query Explanation map
Laboratorio: Optimización y solución de problemas de rendimiento de Query
Acceso a datos

Comparación de las funciones de los Datasets de IAM y BigQuery
Cómo evitar errores de acceso
Revisión de miembros, roles, organizaciones, administración de cuentas y cuentas de servicio
Notebooks en la nube

Cloud Datalab
Compute Engine y Cloud Storage
Laboratorio: Alquilar una VM para procesar datos de terremotos
Análisis de datos con BigQuery
¿Cómo realiza el Machine Learning Google?

Introducción al Machine Learning (ML) para analistas
Practicar con las API de ML previamente entrenadas para comprender imágenes y textos
Laboratorio: API de ML previamente entrenadas
Aplicar el Machine Learning a Datasets (BQML)

Compilar Datasets de aprendizaje automático y analizar las características
Crear modelos de clasificación y previsión con BQML
Laboratorio: Predecir las compras de visitantes con un modelo de clasificación en BQML
Laboratorio: Predecir las tarifas de taxis con un modelo de previsión de ML de BigQuery