Temario

Módulo 1: Introducción a Google Cloud

Identifica los diferentes aspectos de la infraestructura de Google Cloud.
Identifique los productos de Big Data y ML que forman Google Cloud.
Módulo 2: Recomendar productos con Cloud SQL y Spark

Revise cómo las empresas utilizan los modelos de recomendación.
Evalúe cómo y dónde calculará y almacenará los resultados de su modelo de alquiler de vivienda.
Analice cómo la ejecución de Hadoop en la nube con Dataproc puede permitir la escala.
Evaluar diferentes enfoques para almacenar datos de recomendaciones fuera del clúster.
Módulo 3: Predecir las compras de visitantes con BigQuery ML

Analice macrodatos a escala con BigQuery.
Descubra cómo BigQuery procesa las consultas y almacena datos a gran escala.
Tutoriales de términos clave de AA: características, etiquetas, datos de entrenamiento.
Evalúe los diferentes tipos de modelos para conjuntos de datos estructurados.
Crea modelos de AA personalizados con BigQuery ML.
Módulo 4: Paneles de control en tiempo real con Pub / Sub, Dataflow y Google Data Studio

Identifique los desafíos de la canalización de datos modernos y cómo resolverlos a escala con Dataflow.
Diseñe canalizaciones de transmisión con Apache Beam.
Cree paneles colaborativos en tiempo real con Data Studio.
Módulo 5: Obtención de conocimientos a partir de datos no estructurados mediante el aprendizaje automático

Evalúe cómo las empresas utilizan modelos de AA no estructurados y cómo funcionan los modelos.
Elija el enfoque correcto para los modelos de aprendizaje automático entre predefinidos y personalizados.
Cree un modelo de clasificación de imágenes personalizado de alto rendimiento sin código con AutoML.
Módulo 6: Resumen

Resumen de los puntos clave de aprendizaje.
Recursos