En este curso, se presentan las ofertas de aprendizaje automático (AA) en Google Cloud que compilan proyectos de IA predictiva y generativa. También se exploran las tecnologías, los productos y las herramientas disponibles durante el ciclo de vida desde los datos hasta la IA, que engloban los fundamentos, el desarrollo y las soluciones de IA. El objetivo es ayudar a científicos de datos, ingenieros de AA y desarrolladores de IA a mejorar sus habilidades y conocimientos a través de experiencias de aprendizaje atractivas y ejercicios prácticos.
Complete the introductory Build a Data Mesh with Dataplex skill badge to demonstrate skills in the following: building a data mesh with Dataplex to facilitate data security, governance, and discovery on Google Cloud. You practice and test your skills in tagging assets, assigning IAM roles, and assessing data quality in Dataplex. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this Skill Badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.
In this course, you learn about containers and how to build, and package container images. The content in this course includes best practices for creating and securing containers, and provides an introduction to Cloud Run and Google Kubernetes Engine for application developers.
Completa la insignia de habilidad intermedia del curso Develop Serverless Apps with Firebase y demuestra tus capacidades para hacer lo siguiente: diseñar arquitecturas y compilar aplicaciones web sin servidores con Firebase; usar Firestore para administrar bases de datos; automatizar procesos de implementación con Cloud Build, e integrar la funcionalidad Asistente de Google en tus aplicaciones. Una insignia de habilidad es una insignia digital exclusiva que emite Google Cloud en reconocimiento de tu dominio de los productos y servicios de la plataforma, y que prueba tu capacidad de aplicar esos conocimientos en un entorno interactivo y práctico. Completa este curso y el lab de desafío de la evaluación final para recibir una insignia de habilidad que puedes compartir con tu red.
Completa la insignia de habilidad intermedia del curso Engineer Data for Predictive Modeling with BigQuery ML y demuestra tus capacidades para hacer lo siguiente: compilar canalizaciones para transformar datos en BigQuery con Dataprep de Trifacta; usar Cloud Storage, Dataflow y BigQuery para crear flujos de trabajo de extracción, transformación y carga (ETL); compilar modelos de aprendizaje automático con BigQuery ML, y usar Cloud Composer para copiar datos en múltiples ubicaciones. Una insignia de habilidad es una insignia digital exclusiva otorgada por Google Cloud en reconocimiento de tu dominio de los productos y servicios de la plataforma, y que prueba tu capacidad para aplicar tus conocimientos en un entorno interactivo y práctico. Completa la insignia de habilidad del curso y el Lab de desafío de la evaluación final para recibir una insignia digital que podrás compartir en tus redes.
En este curso, se presenta una introducción a los modelos de difusión: una familia de modelos de aprendizaje automático que demostraron ser muy prometedores en el área de la generación de imágenes. Los modelos de difusión se inspiran en la física, específicamente, en la termodinámica. En los últimos años, los modelos de difusión se han vuelto populares tanto en investigaciones como en la industria. Los modelos de difusión respaldan muchos de los modelos de generación de imágenes y herramientas vanguardistas de Google Cloud. En este curso, se presenta la teoría detrás de los modelos de difusión y cómo entrenarlos y, luego, implementarlos en Vertex AI.
A medida que aumenta el uso empresarial de la inteligencia artificial y el aprendizaje automático, también crece la importancia de implementarlo responsablemente. El desafío para muchas personas es que hablar sobre la IA responsable puede ser más fácil que aplicarla. Si te interesa aprender cómo poner en funcionamiento la IA responsable en tu organización, este curso es para ti. En este curso, aprenderás cómo Google Cloud aplica estos principios en la actualidad, junto con las prácticas recomendadas y las lecciones aprendidas, para usarlos como marco de trabajo de modo que puedas crear tu propio enfoque de IA responsable.
This short course on integrating applications with Gemini 1.0 Pro models on Google Cloud helps you discover the Gemini API and its generative AI models. The course teaches you how to access the Gemini 1.0 Pro and Gemini 1.0 Pro Vision models from code. It lets you test the capabilities of the models with text, image, and video prompts from an app.
En esta última parte de la serie de cursos de Dataflow, presentaremos los componentes del modelo operativo de Dataflow. Examinaremos las herramientas y técnicas que permiten solucionar problemas y optimizar el rendimiento de las canalizaciones. Luego, revisaremos las prácticas recomendadas de las pruebas, la implementación y la confiabilidad en relación con las canalizaciones de Dataflow. Concluiremos con una revisión de las plantillas, que facilitan el ajuste de escala de las canalizaciones de Dataflow para organizaciones con cientos de usuarios. Estas clases asegurarán que su plataforma de datos sea estable y resiliente ante circunstancias inesperadas.
En esta segunda parte de la serie de cursos sobre Dataflow, analizaremos en profundidad el desarrollo de canalizaciones con el SDK de Beam. Comenzaremos con un repaso de los conceptos de Apache Beam. A continuación, analizaremos el procesamiento de datos de transmisión con ventanas, marcas de agua y activadores. Luego, revisaremos las opciones de fuentes y receptores en sus canalizaciones, los esquemas para expresar datos estructurados y cómo realizar transformaciones con estado mediante las API de State y de Timer. Después, revisaremos las prácticas recomendadas que ayudan a maximizar el rendimiento de las canalizaciones. Al final del curso, presentaremos SQL y Dataframes para representar su lógica empresarial en Beam y cómo desarrollar canalizaciones de forma iterativa con notebooks de Beam.
Complete the introductory Create and Manage AlloyDB Instances skill badge to demonstrate skills in the following: performing core AlloyDB operations and tasks, migrating to AlloyDB from PostgreSQL, administering an AlloyDB database, and accelerating analytical queries using the AlloyDB Columnar Engine. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge course, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
Complete the intermediate Create and Manage Bigtable Instances skill badge to demonstrate skills in the following: creating instances, designing schemas, querying data, and performing administrative tasks in Bigtable including monitoring performance and configuring node autoscaling and replication. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this Skill Badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.
En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los estudiantes obtendrán experiencia práctica con la transferencia de transmisión de Vertex AI Feature Store en la capa de SDK.
Complete the introductory Create and Manage Cloud Spanner Instances skill badge to demonstrate skills in the following: creating and interacting with Cloud Spanner instances and databases; loading Cloud Spanner databases using various techniques; backing up Cloud Spanner databases; defining schemas and understanding query plans; and deploying a Modern Web App connected to a Cloud Spanner instance. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge course, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
Complete the introductory Create and Manage Cloud SQL for PostgreSQL Instances skill badge to demonstrate skills in the following: migrating, configuring, and managing Cloud SQL for PostgreSQL instances and databases. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge course, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
Complete the introductory Migrate MySQL data to Cloud SQL using Database Migration Services skill badge to demonstrate skills in the following: migrating MySQL data to Cloud SQL using different job types and connectivity options available in Database Migration Service and migrating MySQL user data when running Database Migration Service jobs. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
This course is intended to give architects, engineers, and developers the skills required to help enterprise customers architect, plan, execute, and test database migration projects. Through a combination of presentations, demos, and hands-on labs participants move databases to Google Cloud while taking advantage of various services. This course covers how to move on-premises, enterprise databases like SQL Server to Google Cloud (Compute Engine and Cloud SQL) and Oracle to Google Cloud bare metal.
Gemini para Google Workspace es un complemento que les proporciona a los clientes funciones potenciadas por IA generativa en esta plataforma. En este minicurso, aprenderás sobre las funciones clave de Gemini y cómo se pueden usar para mejorar la productividad y eficiencia en Gmail.
Gemini para Google Workspace es un complemento que les proporciona a los clientes funciones potenciadas por IA generativa en esta plataforma. En esta ruta de aprendizaje, aprenderás sobre las funciones clave de Gemini y cómo se pueden usar para mejorar la productividad y eficiencia en Google Workspace.
En este curso, aprenderás cómo Gemini, un colaborador potenciado por IA generativa de Google Cloud, ayuda a los desarrolladores a compilar aplicaciones. Aprenderás a darle instrucciones a Gemini para que explique códigos, recomiende servicios de Google Cloud y genere código para tus aplicaciones. A través de un lab práctico, comprobarás cómo Gemini mejora el flujo de trabajo de desarrollo de aplicaciones. Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
En este curso, descubrirás cómo Gemini, un colaborador potenciado por IA generativa de Google Cloud, te ayudará a usar los productos y servicios de Google para desarrollar, probar, implementar y administrar aplicaciones. Con la ayuda de Gemini, aprenderás a desarrollar y compilar una aplicación web, corregir errores de la aplicación, desarrollar pruebas y consultar datos. A través de un lab práctico, comprobarás cómo Gemini mejora el ciclo de vida del desarrollo de software (SDLC). Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
En este curso, aprenderás cómo Gemini, un colaborador de Google Cloud potenciado por IA generativa, ayuda a los ingenieros a administrar infraestructuras. Descubrirás cómo darle instrucciones a Gemini para que encuentre y comprenda registros de aplicaciones, investigue cómo crear un entorno de compilación y cree un clúster de GKE. A través de un lab práctico, comprobarás cómo Gemini mejora el flujo de trabajo de DevOps. Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
En este curso, descubrirás cómo Gemini, un colaborador potenciado por IA generativa de Google Cloud, te ayudará a proteger tu entorno y tus recursos en la nube. Aprenderás a implementar cargas de trabajo de ejemplo en un entorno de Google Cloud y a identificar y corregir los parámetros de configuración de seguridad incorrectos con Gemini. A través de un lab práctico, comprobarás cómo Gemini mejora tu postura de seguridad en la nube. Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
En este curso, descubrirás cómo Gemini, un colaborador potenciado por IA generativa de Google Cloud, ayuda a los ingenieros de redes a crear, actualizar y mantener redes de VPC. Aprenderás a darle instrucciones a Gemini para que te brinde orientación específica sobre tus tareas de redes, mucho más detallada que la que recibirías de un motor de búsqueda. A través de un lab práctico, comprobarás cómo Gemini te facilita trabajar con las redes de VPC de Google Cloud. Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
En este curso, descubrirás cómo Gemini, un colaborador potenciado por IA generativa de Google Cloud, ayuda a analizar los datos de los clientes y predecir las ventas de productos. También aprenderás a identificar, categorizar y desarrollar los clientes nuevos usando datos de clientes en BigQuery. A través de labs prácticos, comprobarás cómo Gemini mejora los flujos de trabajo de análisis de datos y aprendizaje automático. Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
En este curso, aprenderás cómo Gemini, un colaborador de Google Cloud potenciado por IA generativa, ayuda a los administradores a aprovisionar infraestructuras. Descubrirás cómo darle instrucciones a Gemini para que explique infraestructuras, implemente clústeres de GKE y actualice la infraestructura existente. A través de un lab práctico, comprobarás cómo Gemini mejora el flujo de trabajo de implementación de GKE. Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
Completa los cursos Introduction to Generative AI, Introduction to Large Language Models e Introduction to Responsible AI para obtener una insignia de habilidad. Aprueba el cuestionario final para demostrar que entiendes los conceptos básicos sobre la IA generativa. Una insignia de habilidad es una insignia digital que emite Google Cloud en reconocimiento de tu dominio de los productos y servicios de la plataforma. Para compartir tu insignia de habilidad, establece tu perfil como público y agrega la insignia a tu perfil de redes sociales.
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA responsable, por qué es importante y cómo la implementa Google en sus productos. También se presentan los 7 principios de la IA de Google.
Este es un curso introductorio de microaprendizaje en el que se explora qué son los modelos de lenguaje grandes (LLM), sus casos de uso y cómo se puede utilizar el ajuste de instrucciones para mejorar el rendimiento de los LLM. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA generativa, cómo se utiliza y en qué se diferencia de los métodos de aprendizaje automático tradicionales. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Course Description:
Course Description:
Google Cloud Fundamentals: Core Infrastructure presenta conceptos y terminología importantes para trabajar con Google Cloud. Mediante videos y labs prácticos, en este curso se presentan y comparan muchos de los servicios de procesamiento y almacenamiento de Google Cloud, junto con importantes recursos y herramientas de administración de políticas.
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
En este curso, aprenderá de los ingenieros y capacitadores de AA que trabajan en el desarrollo de vanguardia de las canalizaciones de AA en Google Cloud. En los primeros módulos, se abordará TensorFlow Extended (o TFX), la plataforma de aprendizaje automático de producción de Google basada en TensorFlow para la administración de canalizaciones y metadatos de AA. Aprenderá sobre los componentes y la organización de las canalizaciones con TFX. También aprenderá cómo automatizar su canalización mediante la integración y la implementación continuas, y cómo administrar ML Metadata. Luego, cambiaremos el enfoque para analizar cómo podemos automatizar y volver a usar las canalizaciones de AA en múltiples frameworks de AA, como TensorFlow, PyTorch, scikit-learn y XGBoost. Además, aprenderá a usar Cloud Composer, otra herramienta de Google Cloud, para organizar sus canalizaciones de entrenamiento continuo. Por último, aprenderá a usar MLflow para administrar el ciclo de vida completo del aprend…
En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los ingenieros profesionales de aprendizaje automático usan herramientas para mejorar y evaluar continuamente los modelos implementados. Trabajan con científicos de datos (o pueden serlo) que desarrollan modelos para ofrecer velocidad y rigor en la implementación de modelos con el mejor rendimiento.
Completa la insignia de habilidad introductoria Prepare Data for ML APIs on 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. Una insignia de habilidad es una insignia digital exclusiva que emite Google Cloud en reconocimiento de tu dominio de los productos y servicios de la plataforma, y que prueba tu capacidad de aplicar esos conocimientos en un entorno interactivo y práctico. Completa el curso y el lab de desafío de la evaluación final para recibir una insignia de habilidad que puedes compartir con tus contactos.
Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions with Vertex AI course, where you will learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models. This skill badge course is for professional Data Scientists and Machine Learning Engineers. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this Skill Badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
En este curso, analizaremos los componentes y las prácticas recomendadas de la creación de sistemas de AA de alto rendimiento en entornos de producción. Veremos algunas de las consideraciones más comunes tras la creación de estos sistemas, p. ej., entrenamiento estático, entrenamiento dinámico, inferencia estática, inferencia dinámica, TensorFlow distribuido y TPU. Este curso se enfoca en explorar las características que conforman un buen sistema de AA más allá de su capacidad de realizar predicciones correctas.
En este curso, se aplica un enfoque real en el flujo de trabajo del AA a través de un caso de éxito. Un equipo de AA trabaja con varios requisitos empresariales y casos de uso de AA. El equipo debe comprender las herramientas necesarias para la administración de los datos y considerar el mejor enfoque para su procesamiento previo. Al equipo se le presentan tres opciones con las que puede crear modelos de AA para dos casos de uso. En el curso, se explica por qué el equipo usará AutoML, BigQuery ML o entrenamiento personalizado para lograr sus objetivos.
En este curso, se exploran los beneficios de utilizar Vertex AI Feature Store, cómo mejorar la exactitud de los modelos de AA y cómo descubrir cuáles columnas de datos producen los atributos más útiles. El curso también incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.
En este curso, se explica cómo diseñar y crear una canalización de datos de entrada de TensorFlow, cómo crear modelos de AA con TensorFlow y Keras, cómo mejorar la precisión de los modelos de AA, cómo escribir modelos de AA para uso escalado y cómo escribir modelos de AA especializados.
El curso comienza con un debate sobre los datos: cómo mejorar su calidad y cómo realizar análisis exploratorios de ellos. Describimos Vertex AI AutoML y cómo crear, entrenar e implementar un modelo de AA sin escribir una sola línea de código. Conocerás los beneficios de BigQuery ML. Luego, se analiza cómo optimizar un modelo de aprendizaje automático (AA) y cómo la generalización y el muestreo pueden ayudar a evaluar la calidad de los modelos de AA para el entrenamiento personalizado.
¿Cuáles son las prácticas recomendadas para implementar el aprendizaje automático en Google Cloud? ¿Qué es Vertex AI y cómo se puede utilizar la plataforma para crear, entrenar e implementar rápidamente modelos de aprendizaje automático de AutoML sin escribir una sola línea de código? ¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar? Google considera que el aprendizaje automático es diferente: se trata de proporcionar una plataforma unificada para conjuntos de datos administrados, un almacén de atributos, una forma de crear, entrenar e implementar modelos de aprendizaje automático sin escribir una sola línea de código, así como proporcionar la capacidad de etiquetar datos y crear notebooks de Workbench utilizando frameworks como TensorFlow, SciKit-learn, Pytorch, R y otros. Vertex AI Platform también ofrece la posibilidad de entrenar modelos personalizados, crear canalizaciones de componentes y realizar predicciones en línea y por lotes. Además, analiza…
Este curso corresponde a la 1ª parte de una serie de 3 cursos llamada Serverless Data Processing with 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.
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.
Las canalizaciones de datos suelen realizarse según uno de los siguientes paradigmas: extracción y carga (EL); extracción, carga y transformación (ELT), o extracción, transformación y carga (ETL). En este curso, abordaremos qué paradigma se debe utilizar para los datos por lotes y cuándo corresponde usarlo. Además, veremos varias tecnologías de Google Cloud para la transformación de datos, incluidos BigQuery, la ejecución de Spark en Dataproc, gráficos de canalización en Cloud Data Fusion y procesamiento de datos sin servidores en Dataflow. Los alumnos obtendrán experiencia práctica en la compilación de componentes de canalizaciones de datos en Google Cloud con Qwiklabs.
Los dos componentes clave de cualquier canalización de datos son los data lakes y los almacenes de datos. En este curso, se destacan los casos de uso de cada tipo de almacenamiento y se analizan en profundidad las soluciones de data lakes y almacenes disponibles en Google Cloud con detalles técnicos. Además, en este curso, se describen el rol del ingeniero en datos, los beneficios de las canalizaciones de datos exitosas para las operaciones comerciales y por qué la ingeniería de datos debe realizarse en un entorno de nube. Este el primer curso de la serie Data Engineering on Google Cloud. Después de completar este curso, inscríbete en el curso Building Batch Data Pipelines on Google Cloud.
El procesamiento de datos de transmisión es cada vez más popular, puesto que permite a las empresas obtener métricas en tiempo real sobre las operaciones comerciales. Este curso aborda cómo crear canalizaciones de datos de transmisión en Google Cloud. Pub/Sub se describe para manejar los datos de transmisión entrantes. El curso también aborda cómo aplicar agregaciones y transformaciones a los datos de transmisión con Dataflow y cómo almacenar los registros procesados en BigQuery o Bigtable para analizarlos. Los estudiantes obtienen experiencia práctica en la compilación de componentes de canalizaciones de datos de transmisión en Google Cloud con QwikLabs.
Este curso ayuda a los participantes a crear un plan de estudio para el examen de certificación de PDE (Professional Data Engineer). Los alumnos 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.
En este curso, aprenderás sobre los productos y servicios de macrodatos y aprendizaje automático de Google Cloud involucrados en el ciclo de vida de datos a IA. También explorarás los procesos, los desafíos y los beneficios de crear una canalización de macrodatos y modelos de aprendizaje automático con Vertex AI en Google Cloud.
These labs help you get started with the skills you need to develop and train ML models. At the end of each lab, you’ll have hands-on experience with one or more of Google Cloud’s powerful data tools. Complete this game to earn a badge, and you’ll be one step closer to completing the challenge. Race the clock to increase your score and watch your name rise on the leaderboard!
These labs help you get started with the skills you need to analyze sports-related data. At the end of each lab, you’ll have hands-on experience with one or more of Google Cloud’s powerful data tools. Complete this game to earn a badge, and you’ll be one step closer to completing the challenge. Race the clock to increase your score and watch your name rise on the leaderboard!
Esta es la segunda de dos Quests de labs prácticos que provienen de los ejercicios del libro Data Science on Google Cloud Platform de Valliappa Lakshmanan, publicado por O'Reilly Media, Inc. En esta segunda Quest, que abarca desde el capítulo 9 hasta el final del libro, ampliará las habilidades practicadas en la primera Quest y ejecutará trabajos completos de aprendizaje automático con herramientas de última generación y conjuntos de datos del mundo real, todo mediante el uso de las herramientas y los servicios de Google Cloud Platform.
Welcome to the Learn to Earn Cloud Data Challenge! These labs help you get started with data analysis skills. At the end of each lab, you’ll have hands-on experience with one or more of Google Cloud’s powerful data tools. Complete this game to earn a badge, and you’ll be one step closer to completing the challenge. Race the clock to increase your score and watch your name rise on the leaderboard!
Completa la insignia de habilidad intermedia Build a Data Warehouse with 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. Una insignia de habilidad es una insignia digital exclusiva que emite Google Cloud en reconocimiento de tu dominio de los productos y servicios de la plataforma, y que prueba tu capacidad de aplicar esos conocimientos en un entorno interactivo y práctico. Completa el curso con insignia de habilidad y el lab de desafío de la evaluación final para recibir una insignia digital que puedes compartir con tus contactos.
Welcome to the Learn To Earn Cloud Challenge data plus track! "The Google Cloud Certified Professional Data Engineer certification is associated with the highest paying salary in IT," according to the most recent Global Knowledge skills and salary report (published August 2021). Complete this game to earn the Data Plus game badge, and be eligible for a +bonus+ prize in the Learn to Earn Cloud Challenge. See "what's next" below for details and requirements; you’ll need to earn at least 2 additional challenge badges to qualify. You'll learn next-level data skills to add to your resume. Race the clock to increase your score and watch your name rise on the leaderboard. Good luck!
In this quest, you will gain hands-on experience on several topics in Google Workspace Administration including security, provisioning users and groups, managing applications, and managing Google Meet.
Welcome to the Learn To Earn Cloud Challenge security track! These eight labs give you the keys to understanding GCP's powerful security suite. At the end of each lab, you'll have hands-on experience with securing your cloud. Complete this game to earn the Security game badge, and you'll be one step closer to collecting all four badges (see "what's next" below for more information). Race the clock to increase your score and watch your name rise on the leaderboard. Good luck!
Welcome to the Learn To Earn Cloud Challenge architecture track! These eight labs give you a blueprint of GCP's building blocks. At the end of each lab, you'll have hands-on experience with another tool or service to add to your resume. Complete this game to earn the Architecture game badge, and you'll be one step closer to collecting all four Learn to Earn Cloud Challenge badges (see "what's next" below for more information). Race the clock to increase your score and watch your name rise on the leaderboard. Good luck!
Welcome to the Learn To Earn Cloud Challenge data track! These eight labs give you a deep dive into GCP's data universe. At the end of each lab, you'll have another in-demand skill to add to your list. Complete this game to earn the Data game badge, and you'll be one step closer to collecting all four Learn to Earn Cloud Challenge badges (see "what's next" below for more information). Race the clock to increase your score and watch your name rise on the leaderboard. Good luck!
Welcome to the Learn To Earn Cloud Challenge! These eight labs give you a quick hands-on introduction to eight different GCP tools and services. At the end of each lab, you'll have another skill to add to your list. Complete this game to earn the Essentials game badge, and you'll be one step closer to collecting all four Learn to Earn Cloud Challenge badges (see "what's next" below for more information). Race the clock to increase your score and watch your name rise on the leaderboard. Good luck!
No es ningún secreto que, en el ámbito de la tecnología, el aprendizaje automático es uno de los campos de mayor crecimiento, y Google Cloud tuvo un papel decisivo como impulsor de su desarrollo. Google Cloud cuenta con una amplia gama de API que le permite ofrecer herramientas para casi cualquier trabajo de aprendizaje automático. En esta Quest de nivel avanzado, adquirirá experiencia práctica en las API de aprendizaje automático. Para ello, completará labs como, por ejemplo, Detecte etiquetas, rostros y puntos de referencia en las imágenes con la API de Cloud Vision. Realice esta Quest, incluido el Lab de desafío que se encuentra al final, para recibir una insignia digital exclusiva de Google Cloud. En el Lab de desafío, no se proporcionan pasos prescriptivos, sino que se requiere el desarrollo de soluciones con un nivel mínimo de orientación y se ponen a prueba sus habilidades con la tecnología de Google Cloud. Realice el Lab de desafío adicional que se incluye al final de la Quest …
In honor of the Launch of the Google Cloud Community and the Learning & Certification Hub (bit.ly/3gNtlMB), we’ve devised a fun little game to catapult your skills in BigQuery and give you a chance to win the First. Ever. Community. Learning. Challenge. (Pause for effect) Not only will participating in this game give you hands-on practice to boost key skills in BQ, but simply participating will earn you some sweet online badges. Plus, the winner of the game will be rewarded...handsomely . More details below... Complete every activity in this game and earn a Skill Badge which you can share across your network with pride. Complete every activity AND post a screenshot of your newly minted Skill Badge in the Learning Forum area of the Community (bit.ly/35LoLIB) to earn a special Community Badge which you can then flaunt over other community members shamelessly. The Community member at the top of the scoreboard at the time the game is closed will be rewarded with something objectively …
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Esta es la primera de las dos Quests de labs prácticos derivada de los ejercicios del libro Data Science on Google Cloud Platform de Valliappa Lakshmanan, editado por O'Reilly Media, Inc. En esta primera Quest, en el capítulo 8, tiene la oportunidad de practicar todos los aspectos de la transferencia, la preparación, el procesamiento, las consultas, la exploración y la visualización de los conjuntos de datos con las herramientas y los servicios de Google Cloud Platform.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.