Unirse Acceder

Aplica tus habilidades en la consola de Google Cloud

Vincent Messika

Miembro desde 2022

Liga de Plata

2400 puntos
BigQuery for Marketing Analysts Earned nov 17, 2022 EST
Creating New BigQuery Datasets and Visualizing Insights - Español Earned nov 15, 2022 EST
Crea un almacén de datos con BigQuery Earned nov 14, 2022 EST
Prepara datos para las APIs de AA en Google Cloud Earned oct 18, 2022 EDT
Procesamiento de datos sin servidores con Dataflow: Fundamentos Earned oct 13, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Español Earned oct 11, 2022 EDT
Crea canalizaciones de datos de transmisión en Google Cloud Earned oct 5, 2022 EDT
Crea canalizaciones de datos por lotes en Google Cloud Earned sep 29, 2022 EDT
BigQuery para el aprendizaje automático Earned sep 28, 2022 EDT
Crea data lakes y almacenes de datos en Google Cloud Earned sep 25, 2022 EDT

¿Desea convertir sus datos de marketing en estadísticas y compilar paneles? Reúna todos sus datos en un solo lugar para lograr un análisis a gran escala y poder compilar modelos. Aprenda a consultar sus datos y utilice BigQuery para obtener información repetible, escalable y valiosa. BigQuery es la base de datos estadísticos de Google de bajo costo, NoOps y completamente administrada. Con BigQuery, puede consultar muchos terabytes de datos sin tener que administrar infraestructuras y sin necesitar un administrador de base de datos. BigQuery usa SQL y puede aprovechar el modelo de prepago. BigQuery le permite enfocarse en el análisis de datos para buscar estadísticas valiosas.

Más información

Este es el segundo curso de la serie de cursos Data to Insights. Aquí, veremos cómo transferir nuevos conjuntos de datos externos a BigQuery y visualizarlos con Looker Studio. También analizaremos los conceptos intermedios de SQL, como las operaciones JOIN y UNION de varias tablas, que te permitirán analizar datos de varias fuentes. Nota: Incluso si tienes experiencia en SQL, hay aspectos específicos de BigQuery (como la gestión del almacenamiento en caché de las consultas y los comodines de tablas) que pueden ser nuevos para ti. Después de completar el curso, inscríbete en el curso Achieving Advanced Insights with BigQuery.

Más información

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.

Más información

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 Dataproc 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.

Más información

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.

Más información

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.

Más información

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.

Más información

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.

Más información

¿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.

Más información

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.

Más información