A través de las distintas secciones que ofrece este curso gratis aprenderás también sobre el procesamiento de datos, las funciones clave en una organización que está basada en datos o la manera en la que las empresas utilizan los sistemas de recomendación

Junto a ello, también podrás predecir compras de los visitantes con BigQuery ML, realizar estadísticas de datos geográficos, analizar la calidad de los datos, canalizar datos de transmisión para procesarlos y visualizarlos en un panel y clasificar imágenes con modelos previamente compilados, entre otras muchas aplicaciones más.

¿Para quién está pensado este curso?

Este curso es ideal para personas que quieran aprender los fundamentos sobre el Big Data, el Machine Learning y las principales herramientas con las que cuenta Google Cloud Platform.

Es una buena forma de empezar a sumergirse en el mundo de la Data Science a través de las herramientas de Google, y por supuesto de aplicar de manera práctica los conceptos aprendidos

¿Necesito requisitos previos?

Se trata de un curso de nivel intermedio, por lo que es recomendable que todas las personas que quieran acceder a este curso tengan algunas nociones básicas.

Aunque son los fundamentos sobre cómo se puede utilizar el Big Data y el Machine Learning a través de las herramientas de Google, es ideal que al menos tengas cierta experiencia programando en Python, realizando consultas en lenguajes como SQL y tengas ciertas nociones sobre modelado de datos.

Si no cuentas con experiencia profesional en este tema no te preocupes, el curso está pensado para que puedas aprender los fundamentos, por lo que simplemente es recomendable que tengas ciertas nociones sobre el tema.

Y como ocurre con todos los cursos que se realizan desde la plataforma de Coursera, deberás de estar registrado en su web para poder hacer el curso. Si todavía no tienes una cuenta no te preocupes, porque es totalmente gratuito y puedes registrarte con tan solo realizar unos sencillos pasos.

Programa del curso de Google Cloud Platform gratis

Este curso gratis de fundamentos de Google Cloud Platform Big Data y Machine Learning es completísimo, ya que verás de una manera práctica su funcionamiento y la manera en la que puedes usarlo para sacarle el mayor partido al manejo de datos masivos.

Hay que destacar que este curso gratuito es de nivel intermedio, por lo que deberás de contar con aproximadamente un año de experiencia en: modelado de datos, programación en Python y en lenguajes de consulta como SQL para poder sacarle el máximo partido.

Además, este curso es 100% online por lo que podrás realizarlo a tu ritmo sin ninguna fecha límite para terminarlo. Para completar el curso deberás de dedicarle unas 13 horas aproximadamente, y como ocurre con los cursos de la plataforma Coursera, pagando una pequeña cuota, podrás obtener un certificado del curso una vez lo finalices.

1. Sección 1: Introducción al programa de especialización Data Engineering, Big Data, and Machine Learning on GCP
   1. Le damos la bienvenida a Big Data and Machine Learning Fundamentals
   2. Introducción a Google Cloud Platform
   3. Potencia de procesamiento para cargas de trabajo de estadísticas y de AA
   4. Demostración: Cómo crear una VM en Compute Engine
   5. Almacenamiento elástico con Google Cloud Storage
   6. Compilación en la red global de Google
   7. Seguridad: local frente a nativa de la nube
   8. Evolución de las herramientas de macrodatos de Google Cloud
   9. Cómo comenzar a usar Google Cloud Platform y Qwiklabs
   10. Cómo elegir el enfoque correcto
   11. Lo que puede hacer con Google Cloud Platform
   12. Actividad: Explore arquitecturas de soluciones de clientes reales
   13. Funciones clave en una organización basada en los datos
   14. Lecturas
   15. Ejercicios de práctica
2. Sección 2: Recomendación de productos con Cloud SQL y Spark
   1. Cómo las empresas usan los sistemas de recomendación
   2. Introducción al aprendizaje automático
   3. Desafío: AA para recomendar alquileres de viviendas
   4. Enfoque: Migre de un entorno local a Google Cloud Platform
   5. Demostración: Cree un trabajo de Apache Spark en 10 minutos o menos
   6. Desafío: Cómo utilizar y ajustar los clústeres locales
   7. Lleve el almacenamiento fuera del clúster con Google Cloud Storage
   8. Introducción al lab
   9. Lectura
   10. Ejercicio de práctica
3. Sección 3: Prediga las compras de visitantes con BigQuery ML
   1. Introducción a BigQuery
   2. Demostración: Consulte 2,000 millones de líneas de código de GitHub en menos de 30 segundos
   3. BigQuery: Motor SQL rápido
   4. Demostración: Cómo explorar datos del uso compartido de bicicletas con SQL
   5. Calidad de los datos
   6. Almacenamiento administrado de BigQuery
   7. Estadísticas de datos geográficos
   8. Demostración: Cómo analizar impactos de rayos con BigQuery GIS
   9. Cómo elegir un tipo de modelo de AA para datos estructurados
   10. Cómo predecir el valor del ciclo de vida del cliente
   11. BigQuery ML: Cree modelos con SQL
   12. Etapas en el ciclo de vida de los modelos de AA
   13. BigQuery ML: Explicación de las funciones principales
   14. Lecturas
   15. Ejercicio de práctica
4. Sección 4: Cree canalizaciones de datos de transmisión con Cloud Pub/Sub y Cloud Dataflow
   1. Desafíos modernos para la canalización de datos
   2. Arquitecturas orientadas a los mensajes con Cloud Pub/Sub
   3. Cómo diseñar canalizaciones de transmisión con Apache Beam
   4. Cómo implementar canalizaciones de transmisión en Cloud Dataflow
   5. Cómo visualizar estadísticas con Data Studio
   6. Cómo crear gráficos con Data Studio
   7. Demostración: Explicación de Data Studio
   8. Introducción al lab
   9. Lectura
   10. Ejercicio de práctica
5. Sección 5: Clasifique imágenes con modelos previamente compilados mediante la API de Vision y Cloud AutoML
   1. ¿En qué casos usan el AA no estructurado las empresas?
   2. ¿Cómo funciona el AA con datos no estructurados?
   3. Demostración: AA integrado en Google Fotos
   4. Cómo comparar enfoques para el AA
   5. Demostración: Cómo usar las piezas fundamentales del AA
   6. Cómo usar una IA previamente compilada para crear un chatbot
   7. Cómo personalizar modelos previamente compilados con AutoML
   8. Introducción al lab
   9. Cómo compilar un modelo personalizado
   10. Demostración: Tres maneras de clasificar textos
   11. Lecturas
   12. Ejercicio de práctica
6. Resumen del curso

Acceder al curso