Google Cloud Fundamentals: Big Data and Machine Learning
Este curso de un día de duración dirigido por un instructor introduce a los participantes en las grandes capacidades de datos de Google Cloud. Mediante una combinación de presentaciones, demostraciones y laboratorios prácticos, los participantes obtienen una visión general de la plataforma Google Cloud y una visión detallada de las capacidades de procesamiento de datos y aprendizaje de la máquina. Este curso muestra la facilidad, flexibilidad y potencia de las grandes soluciones de datos en Google Cloud.
Objetivos
Identificar el propósito y el valor de los productos clave de Big Data y Machine Learning en la plataforma Google Cloud.
Utilice Cloud SQL y Cloud Dataproc para migrar las cargas de trabajo existentes de MySQL y Hadoop/Pig/Spark/Hive a Google Cloud.
Emplea BigQuery y Cloud Datalab para llevar a cabo análisis de datos interactivos.
Entrene y utilice una red neuronal utilizando TensorFlow.
Emplear APIs de ML.
Elija entre los diferentes productos de procesamiento de datos de la plataforma Google Cloud.
Cloud computing
Disponible en formato e-learning
Disponible en formato presencial
Disponible en formato a distancia
Descargar la información del curso
Subvención disponible
A través de Fundae, cumpliendo requisitos.
Duración
5 horas
- Dificultad 50%
- Nivel alcanzado 80%
Dirigido a
Esta clase está destinada a lo siguiente:
Analistas de datos, científicos de datos, analistas de negocio que se inician con Google Cloud.
Personas responsables del diseño de tuberías y arquitecturas para el procesamiento de datos, la creación y mantenimiento de modelos estadísticos y de aprendizaje de máquinas, la consulta de conjuntos de datos, la visualización de los resultados de la consulta y la creación de informes.
Ejecutivos y responsables de TI que evalúan Google Cloud para su uso por parte de científicos de datos
Conocimientos requeridos
To get the most out of this course, participants should have
Basic knowledge of the most common query language, such as SQL.
Experience in data modeling, extraction, transformation, loading activities.
Application development using a common programming language such as Python
Familiarity with machine learning and/or statistics.
Temario
Module 1: Introducing the Google Cloud.
Overview of the Google platform fundamentals.
Important data products of the Google Cloud.
Module 2: Computing and Storage Fundamentals
CPUs on demand (Compute Engine).
A global file system (Cloud Storage)
CloudShell.
Lab: Configuring an Ingest-Transform-Publish data processing pipeline.
Module 3: Data analysis in the cloud
Steps to the cloud.
Cloud SQL: your SQL database in the cloud.
Lab: Importing data into CloudSQL and executing queries
Spark in Dataproc.
Lab: Recommendations for learning machines with sparks in Dataproc.
Module 4: Scaling data analysis
Quick random access.
Datalab.
BigQuery.
Lab: Build a machine learning data set.
Module 5: Machine Learning
Automatic learning with TensorFlow.
Lab: Performing ML with TensorFlow
Pre-built models for common needs.
Lab: Using ML APIs.
Module 6: Data processing architectures
Message-oriented architectures with Pub/Sub
Creation of pipes with Dataflow.
Reference architecture for real time and batch data processing.
Module 7: Summary
Comentarios recientes