Agentes de IA generativa: transforma tu organización es el quinto y último curso de la ruta de aprendizaje Líder de IA generativa. En este curso, se analiza cómo las organizaciones pueden usar agentes de IA generativa personalizados para abordar desafíos empresariales específicos. Puedes obtener experiencia práctica a través de la creación de un agente de IA básico mientras exploras los componentes de estos agentes, como los modelos, los bucles de razonamiento y las herramientas.
Apps de IA generativa : transforma tu trabajo es el cuarto curso de la ruta de aprendizaje de Líder de IA generativa. En este curso, se presentan las aplicaciones de IA generativa de Google, como Gemini para Workspace y NotebookLM. Te brinda orientación sobre los conceptos como la fundamentación, la generación mejorada por recuperación, la creación de instrucciones eficaces y el desarrollo de flujos de trabajo automatizados.
IA generativa: explora el panorama es el tercer curso de la ruta de aprendizaje de Líder de IA generativa. La IA generativa está cambiando la manera en la que interactuamos y trabajamos con el mundo que nos rodea. Pero, como líder, ¿cómo puedes aprovechar su poder para generar resultados comerciales reales? En este curso, explorarás las diferentes capas del desarrollo de soluciones de IA generativa, las ofertas de Google Cloud y los factores que se deben considerar cuando se selecciona una solución.
IA generativa: descubre los conceptos fundamentales es el segundo curso de la ruta de aprendizaje de Líder de IA generativa. En este curso, descubrirás los conceptos fundamentales de la IA generativa explorando las diferencias entre esta, el AA y la IA, y comprendiendo cómo los diferentes tipos de datos permiten abordar desafíos empresariales con la IA generativa. También conocerás las estrategias de Google Cloud para abordar las limitaciones de los modelos de base y los desafíos clave para desarrollar e implementar la IA de forma responsable y segura.
IA generativa: más allá del chatbot es el primer curso de la ruta de aprendizaje de Líder de IA generativa y no tiene requisitos previos. El objetivo de este curso es profundizar los conocimientos básicos sobre chatbots para explorar el verdadero potencial de la IA generativa para tu organización. Explorarás conceptos como los modelos de base y la ingeniería de instrucciones, que son fundamentales para aprovechar el poder de la IA generativa. Este curso también te sirve como guía para las consideraciones importantes que debes tener cuando desarrollas una estrategia de IA generativa exitosa para tu organización.
Obtén una insignia de habilidad completando el curso Comparte datos con la nube de datos de Google, en el que obtendrás experiencia práctica con socios de intercambio de datos de Google Cloud, que tienen conjuntos de datos propios que los clientes pueden usar para sus casos de uso de análisis. Los clientes se suscriben a estos datos y los consultan en sus propias plataformas, luego los aumentan con sus conjuntos de datos y usan sus herramientas de visualización en sus paneles para clientes.
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 Looker 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 una insignia de habilidad completando el curso Transmite análisis a BigQuery, en el que usarás Pub/Sub, Dataflow y BigQuery en conjunto para transmitir datos para análisis.
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.
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.
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.
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.
Este curso ayuda a los participantes a crear un plan de estudios para el examen de certificación de PMLE (Professional Machine Learning Engineer). Los estudiantes conocerán la amplitud y el alcance de los dominios que se incluyen en el examen. Además, evaluarán su nivel de preparación para el examen y crearán un plan de estudio personal.
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.