GSP374

Descripción general

En un lab de desafío, se le proporcionarán una situación y un conjunto de tareas. En lugar de seguir instrucciones paso a paso, deberás utilizar las habilidades aprendidas en los labs del curso para decidir cómo completar las tareas por tu cuenta. Un sistema automatizado de puntuación (en esta página) mostrará comentarios y determinará si completaste tus tareas correctamente.

En un lab de desafío, no se explican conceptos nuevos de Google Cloud, sino que se espera que amplíes las habilidades que adquiriste, como cambiar los valores predeterminados y leer o investigar los mensajes de error para corregir sus propios errores.

Debe completar correctamente todas las tareas dentro del período establecido para obtener una puntuación del 100%.

Se recomienda este lab a los estudiantes inscritos en la insignia de habilidad Realiza análisis predictivos de datos en BigQuery. ¿Aceptas el desafío?

Temas evaluados:

• Subir archivos de Cloud Storage a tablas de BigQuery con la consola
• Escribir y ejecutar consultas que unan información de varias tablas
• Analizar datos de eventos de fútbol con varias funciones de BigQuery
• Escribir funciones en BigQuery para ayudar con los cálculos que se realizarán en los datos de tiros de fútbol
• Crear y evaluar un modelo de goles esperados con BigQuery ML
• Aplicar un modelo de goles esperados para hacer una predicción a partir de datos nuevos con BigQuery ML

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs cuentan con un temporizador que no se puede pausar. El temporizador, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar. Se recomienda el navegador Chrome.

• Tiempo para completar el lab (recuerda que, una vez que comienzas un lab, no puedes pausarlo).

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá un diálogo para que selecciones la forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón para abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debes usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

   {{{user_0.username | "Username"}}}

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

   {{{user_0.password | "Password"}}}

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haz clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para acceder a los productos y servicios de Google Cloud, haz clic en el menú de navegación o escribe el nombre del servicio o producto en el campo Buscar.

Situación del desafío

Usa BigQuery para cargar los datos del bucket de Cloud Storage, escribe y ejecuta consultas en BigQuery, y analiza los datos de eventos de fútbol. Luego, usa BigQuery ML para entrenar un modelo de goles esperados con los datos de eventos de fútbol y evaluar la espectacularidad de los goles de la Copa Mundial.

Tarea 1: Transferencia de datos

1. Carga las tablas creadas con JavaScript Object Notation (JSON) y el formato de datos CSV en el conjunto de datos con la siguiente información:

2. Carga otra tabla de datos de fútbol en formato CSV en el conjunto de datos con la siguiente información:

Haz clic en Revisar mi progreso para verificar el objetivo Verificar que se crearon las tablas

Tarea 2: Analiza datos de fútbol

• Crea una consulta que muestre la tasa de éxito de los penales de cada jugador.

Considera los siguientes puntos:

• Une la tabla con la tabla players para obtener los nombres de los jugadores a partir de sus IDs.
• Filtra por tiros penales.
• Agrupa por ID de jugador y nombre de jugador.
• El jugador debe intentar al menos 5 tiros penales.
• Ordena por tasa de éxito de tiros penales.

Haz clic en Revisar mi progreso para verificar el objetivo: Comprobar la tasa de éxito de los tiros penales

Tarea 3: Obtén estadísticas analizando datos de fútbol

• Crea una nueva consulta para analizar la distancia de los tiros. Para los tiros, usa los valores (X, Y) del campo positions en la tabla .

Considera los siguientes puntos:

• Calcula la distancia del tiro usando el punto medio de la boca del arco (, ) como ubicación final.
• Calcula la distancia del pase con las diferencias de las coordenadas X y Y, y, luego, conviértela a metros estimados con las dimensiones promedio de una cancha de fútbol ( m ×  m).
• Agrega un campo isGoal buscando "dentro" del campo tags.
• Filtra la tabla para que solo muestre los tiros.
• La distancia del tiro debe ser inferior a 50.
• La instrucción SELECT final agrega la cantidad de tiros, la cantidad de goles y el porcentaje de goles de tiros por distancia redondeada al metro más cercano.

Haz clic en Revisar mi progreso para verificar el objetivo: Analizar la distancia de los tiros

Tarea 4: Crea un modelo de regresión con datos de fútbol

Crea algunas funciones definidas por el usuario en BigQuery que ayuden con los cálculos de distancia y ángulo de tiro, lo que ayuda a preparar los datos del evento de fútbol para su uso eventual en un modelo de AA.

Calcula la distancia del tiro a partir de las coordenadas (X,Y)

• Define una función para calcular la distancia del tiro desde las coordenadas (X,Y) en el conjunto de datos soccer con los siguientes bloques de código:

Haz clic en Revisar mi progreso para verificar el objetivo Calcular la distancia del tiro

Calcula el ángulo de tiro a partir de las coordenadas (X,Y)

• Define una función para calcular el ángulo de tiro a partir de las coordenadas (X,Y) en el conjunto de datos soccer con los siguientes bloques de código:

Haz clic en Revisar mi progreso para verificar el objetivo Calcular el ángulo de tiro

Crea un modelo de goles esperados con BigQuery ML

1. Usar BigQuery ML para crear y ejecutar un modelo de aprendizaje automático en BigQuery con consultas en SQL estándar

En este caso, creas un modelo de goles esperados a partir de los datos de eventos de fútbol para predecir la probabilidad de que un tiro se convierta en gol según su tipo, distancia y ángulo.

Los modelos de goles esperados son de uso frecuente en el análisis de fútbol para medir la calidad de los tiros y la capacidad de definición o atajada en función de la calidad del tiro, y tienen una variedad de aplicaciones tanto en el análisis retrospectivo de partidos como en la realización de proyecciones.

Considera los siguientes puntos:

• La sección superior será el código de creación del modelo real, especifica el tipo de modelo y la etiqueta para la variable de resultado.
• 101 es una etiqueta conocida para “goles” de la tabla goles.
• La instrucción SELECT agrega la variable de resultado isGoal junto con las características de interés de los datos del evento, la distancia del tiro y el ángulo calculado con las funciones definidas por el usuario en el paso anterior.
• La unión permite determinar de qué competencia provino cada tiro.
• Filtra los partidos de la Copa Mundial para ajustar el modelo y, además, incluye los tiros de “juego abierto” y los tiros libres (incluidos los penales).

Haz clic en Revisar mi progreso para verificar el objetivo Crear un modelo de regresión logística de BigQuery

2. Una vez que el modelo termine de entrenarse (busca una notificación de “Consulta completada” en la sección Resultados de la consulta), haz clic en Ir al modelo en el extremo derecho, junto al mensaje sobre la creación del modelo.

Se abrirá una nueva pestaña con información sobre el modelo que se acaba de entrenar.

3. Haz clic en la pestaña EVALUACIÓN y observa las métricas, en particular Pérdida logística y AUC de la ROC en Métricas agregadas.

Tarea 5: Realiza predicciones a partir de datos nuevos con el modelo de BigQuery

Ahora que ajustaste un modelo de goles esperados con una precisión y explicabilidad razonables, puedes aplicarlo a datos “nuevos”, en este caso, la Copa Mundial del 2018 (que se dejó fuera del ajuste del modelo).

El modelo de regresión logística creado en el paso anterior se usa para evaluar la dificultad de cada tiro y gol en esa competencia, lo que permite identificar los goles más “impresionantes” del torneo.

Obtén probabilidades para todos los tiros de la Copa Mundial del 2018

• Usa la funcionalidad de predicción de BigQuery ML con el modelo de regresión logística ajustado en el paso anterior para analizar la probabilidad de que cada tiro anote un gol en la Copa Mundial.

Considera los siguientes puntos:

• La sección superior es el código de predicción del modelo real, que especifica el tipo de modelo.
• La instrucción SELECT agrega la variable de resultado isGoal junto con las características de interés de los datos del evento, la distancia del tiro y el ángulo calculado con las funciones definidas por el usuario en el paso anterior.
• La unión permite determinar de qué competencia provino cada tiro.
• Solo se consideran los partidos de la Copa Mundial para las predicciones del modelo y se incluyen los tiros de “juego abierto” y los tiros libres (incluidos los penales).

Haz clic en Revisar mi progreso para verificar el objetivo Hacer predicciones a partir del modelo

¡Felicitaciones!

Completaste correctamente el lab de desafío Predice los resultados de partidos de fútbol con BigQuery ML realizando varias tareas relacionadas con datos de fútbol y modelos de aprendizaje automático. Durante este desafío, subiste archivos de Cloud Storage a tablas de BigQuery y ejecutaste consultas para analizar los datos en esas tablas. Además, creaste funciones definidas por el usuario en BigQuery para calcular la distancia y el ángulo del tiro. Con BigQuery ML, creaste un modelo de goles esperados y aplicaste la funcionalidad de predicción de BigQuery ML en datos “nuevos” de la Copa Mundial del 2018 para identificar algunos de los goles más impresionantes del torneo.

Obtén tu próxima insignia de habilidad

Este lab de autoaprendizaje forma parte del curso Realiza análisis predictivos de datos en BigQuery. Inscríbete en cualquier curso que contenga este lab y obtén un crédito inmediato de finalización. Consulta el catálogo de Google Cloud Skills Boost para ver todos los cursos disponibles.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 3 de mayo de 2024

Prueba más reciente del lab: 24 de enero de 2024

Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.