Chandra Adari
Miembro desde 2020
Miembro desde 2020
Master your Gen AI skills through hands-on labs! Embark on a dynamic learning experience with Prompt Engineering Fundamentals, where you'll learn the art of designing effective prompts that harness the full power of Generative AI. Dive into the essentials of crafting clear and compelling prompts while exploring advanced techniques such as few-shot and Free-form prompting. Through hands-on labs, you'll apply your newfound skills to creatively analyze images, design prompts, and generate conversations directly on the Google Cloud console. Upon completion, you'll earn a digital badge showcasing your newly acquired skills, perfect for highlighting on your LinkedIn profile and email signature. Remember to click "End" after finishing each lab to claim your well-deserved points. This course is OPTIONAL, nevertheless HIGHLY recommended.
Este curso corresponde a la 1ª parte de una serie de 3 cursos llamada Procesamiento de datos sin servidores con Dataflow. Para comenzar, en el primer curso haremos un repaso de qué es Apache Beam y cómo se relaciona con Dataflow. Luego, hablaremos sobre la visión de Apache Beam y los beneficios que ofrece su framework de portabilidad. Dicho framework hace posible que un desarrollador pueda usar su lenguaje de programación favorito con su backend de ejecución preferido. Después, le mostraremos cómo Dataflow le permite separar el procesamiento y el almacenamiento y, a la vez, ahorrar dinero. También le explicaremos cómo las herramientas de identidad, acceso y administración interactúan con sus canalizaciones de Dataflow. Por último, veremos cómo implementar el modelo de seguridad adecuado en Dataflow según su caso de uso.
Si bien los enfoques tradicionales de usar data lakes y almacenes de datos pueden ser eficaces, tienen deficiencias, en particular en entornos empresariales grandes. En este curso, se presenta el concepto del data lakehouse y los productos de Google Cloud que se usan para crear uno. Una arquitectura de lakehouse usa fuentes de datos de estándares abiertos y combina las mejores funciones de los data lakes y los almacenes de datos, lo que aborda muchas de sus deficiencias.
Aprende a usar Gemini Notebook para crear una guía de estudio personalizada para el examen de certificación Professional Data Engineer. Repasarás las funciones de Gemini Notebook, crearás un cuaderno en Gemini Notebook y aprenderás a usar una guía de estudio como práctica para un examen de certificación.
En este curso, adquirirás experiencia práctica para superar los desafíos del mundo real que se presentan cuando se crean canalizaciones de datos de transmisión. El enfoque principal es administrar datos continuos y no delimitados con los productos de Google Cloud.
La incorporación del aprendizaje automático en las canalizaciones de datos aumenta la capacidad para extraer estadísticas de los datos. En este curso, veremos formas de incluir el aprendizaje automático en las canalizaciones de datos en Google Cloud. Para una personalización escasa o nula, en el curso se aborda AutoML. Para obtener más capacidades de aprendizaje automático a medida, el curso presenta Notebooks y BigQuery Machine Learning (BigQuery ML). Además, en este curso se aborda cómo llevar a producción soluciones de aprendizaje automático con Vertex AI.
En este curso intermedio, aprenderás a diseñar, crear y optimizar canalizaciones de datos por lotes sólidas en Google Cloud. Más allá del manejo de datos fundamental, explorarás las transformaciones de datos a gran escala y la organización eficiente de flujos de trabajo, lo que es primordial para la inteligencia empresarial oportuna y los informes esenciales. Obtén experiencia práctica con Dataflow para Apache Beam y Serverless for Apache Spark (Dataproc Serverless) para la implementación, y aborda consideraciones cruciales respecto de la calidad de los datos, la supervisión y las alertas para garantizar la confiabilidad de la canalización y la excelencia operativa. Se recomienda tener conocimientos básicos sobre almacenamiento de datos, ETL/ELT, SQL, Python y conceptos de Google Cloud.
Los dos componentes clave de cualquier canalización de datos son los data lakes y los almacenes de datos. En este curso, se destacan los casos de uso de cada tipo de almacenamiento y se analizan en profundidad las soluciones de data lakes y almacenes disponibles en Google Cloud con detalles técnicos. Además, en este curso, se describen el rol del ingeniero en datos, los beneficios de las canalizaciones de datos exitosas para las operaciones comerciales y por qué la ingeniería de datos debe realizarse en un entorno de nube. Este el primer curso de la serie Data Engineering on Google Cloud. Después de completar este curso, inscríbase en Building Batch Data Pipelines on Google Cloud.
En este curso, aprenderás sobre los productos y servicios de macrodatos y aprendizaje automático de Google Cloud involucrados en el ciclo de vida de datos a IA. También explorarás los procesos, los desafíos y los beneficios de crear una canalización de macrodatos y modelos de aprendizaje automático con Vertex AI en Google Cloud.
In this quest you will use several tools available in Google Cloud to manipulate data and create a Google Map - map location details to find subway stations or a business; use geocoding and Apps Script to send an email of a map; visualize data on a customized map; and build a server-side proxy to create a map on a mobile device.
Obtén la insignia de habilidad avanzada completando el curso Usa APIs de aprendizaje automático en Google Cloud, en el que aprenderás las funciones básicas de las siguientes tecnologías de IA y aprendizaje automático: la API de Cloud Vision, la API de Cloud Translation y la API de Cloud Natural Language.
Obtén la insignia de habilidad intermedia Ingeniería de datos para crear modelos predictivos con BigQuery ML y demuestra tus capacidades para crear canalizaciones de transformación de datos en BigQuery con Dataprep de Trifacta; usar Cloud Storage, Dataflow y BigQuery para crear flujos de trabajo de extracción, transformación y carga (ETL), y crear modelos de aprendizaje automático con BigQuery ML.
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Completa la insignia de habilidad introductoria del curso Obtén estadísticas a partir de datos de BigQuery y demuestra tus habilidades para realizar las siguientes actividades: escribir consultas en SQL, consultar tablas públicas, cargar datos de muestra en BigQuery, solucionar problemas de errores de sintaxis habituales con el validador de consultas en BigQuery y crear informes en Data Studio con la conexión a datos de BigQuery.
Completa la insignia de habilidad intermedia Crea un almacén de datos con BigQuery para demostrar tus habilidades para realizar las siguientes actividades: unir datos para crear tablas nuevas, solucionar problemas de uniones, agregar datos a uniones, crear tablas particionadas por fecha, y trabajar con JSON, arrays y structs en BigQuery.
Obtén la insignia de habilidad intermedia Crea modelos de AA con BigQuery ML y demuestra tus habilidades para crear y evaluar modelos de aprendizaje automático con BigQuery ML para realizar predicciones de datos.
¿Quieres compilar modelos de AA en minutos en lugar de horas utilizando únicamente SQL? BigQuery ML democratiza el aprendizaje automático, ya que permite que los analistas de datos creen, entrenen, evalúen y realicen predicciones con modelos de aprendizaje automático a través de herramientas y habilidades de SQL existentes. En esta serie de labs, experimentarás con diferentes tipos de modelos y aprenderás cuáles son las características de un buen modelo.
Completa la insignia de habilidad introductoria Implementa Cloud Load Balancing para Compute Engine y demuestra tus habilidades para realizar las siguientes actividades: crear y, luego, implementar máquinas virtuales en Compute Engine, y configurar balanceadores de cargas de red y de aplicaciones.
Completa la insignia de habilidad introductoria Prepara datos para las APIs de AA en Google Cloud y demuestra tus habilidades para realizar las siguientes actividades: limpiar datos con Dataprep de Trifacta, ejecutar canalizaciones de datos en Dataflow, crear clústeres y ejecutar trabajos de Apache Spark en Managed Service for Apache Spark y llamar a APIs de AA, como la API de Cloud Natural Language, la API de Google Cloud Speech-to-Text y la API de Video Intelligence.
Los macrodatos, el aprendizaje automático y la Inteligencia Artificial son temas informáticos populares en la actualidad; sin embargo, estos campos son muy especializados y es difícil conseguir material básico. Por suerte, Google Cloud proporciona servicios fáciles de usar en estas áreas y, con este curso de nivel básico, puedes dar tus primeros pasos con herramientas como BigQuery, la API de Cloud Speech y Video Intelligence.
En este curso de nivel introductorio, obtendrás práctica con las herramientas y servicios básicos de Google Cloud. Se proporcionan videos opcionales para brindar más contexto y un repaso de los conceptos tratados en los labs. Conceptos básicos de Google Cloud es un primer curso recomendado para los estudiantes de la plataforma: puedes empezar con pocos o ningún conocimiento previo de la nube y terminar con experiencia práctica que podrás aplicar a tu primer proyecto en Google Cloud. Desde la escritura de comandos en Cloud Shell y la implementación de tu primera máquina virtual, hasta la ejecución de apps en Kubernetes Engine o con balanceo de cargas, Conceptos básicos de Google Cloud es la introducción ideal a las características básicas de la plataforma.