Utilizamos cookies de terceros no necesarias para la navegación para elaborar información estadística y analizar tus hábitos de navegación para personalizar el contenido que ofrecemos y mostrarte publicidad relacionada con tus preferencias. Puedes eliminar las cookies accediendo a la Configuración de Cookies. Puedes obtener más información consultando nuestra Política de Cookies
Política de cookies +

Curso Gratuito: IFCT174PO - GCP FUNDAMENTALS: BIG DATA AND MACHINE LEARNING

  • Modalidad: Presencial
  • Provincia: Madrid
  • Duración: 7
  • Fecha Inicio: Próximamente
  • Fecha Fin: -

(*) Disponible para personas residentes en todo el Territorio Nacional

Objetivos

Adquirir una visión general de la plataforma Google Cloud y una vista detallada de las capacidades de procesamiento de datos y aprendizaje automático.

Contenidos

1. PRESENTACIÓN DE GOOGLE CLOUD PLATFORM.
1.1. Descripción general de Google Platform.
1.2. Productos de Big Data de Google Cloud Platform.
2. FUNDAMENTOS DE CÁLCULO Y ALMACENAMIENTO.
2.1. CPU bajo demanda (Compute Engine).
2.2. Un sistema de archivos global (Cloud Storage).
2.3. CloudShell.
2.4. Laboratorio: configure un canal de procesamiento de datos: Integración-Transformación-Publicación.
3. ANÁLISIS DE DATOS EN LA NUBE.
3.1. Stepping-stones a la nube.
3.2. Cloud SQL: su base de datos SQL en la nube.
3.3. Laboratorio: Importación de datos en CloudSQL y ejecución de consultas.
3.4. Spark en Dataproc.
3.5. Laboratorio: Recomendaciones de aprendizaje automático con Spark en Dataproc.
4. ESCALAR EL ANÁLISIS DE DATOS.
4.1. Acceso aleatorio rápido.
4.2. Datalab.
4.3. BigQuery.
4.4. Laboratorio: compilar el conjunto de datos de aprendizaje automático.
5. APRENDIZAJE AUTOMÁTICO.
5.1. Aprendizaje automático con TensorFlow.
5.2. Laboratorio: realice ML con TensorFlow.
5.3. Modelos prefabricados para necesidades comunes.
5.4. Laboratorio: Emplear ML API.
6. ARQUITECTURAS DE PROCESAMIENTO DE DATOS.
6.1. Arquitecturas orientadas a mensajes con Pub / Sub.
6.2. Creando tuberías con Dataflow.
6.3. Arquitectura de referencia para el procesamiento de datos en tiempo real y por lotes.
7. RESUMEN.
7.1. ¿Por qué GCP?
7.2. A dónde ir desde aquí.
7.3. Recursos adicionales.