Skip to product information
1 of 1

Google Cloud Platform

Curso Google Cloud Digital Leader + Cloud Data Engineer + Cloud Machine Learning Engineer (Triple Certificación)

Curso Google Cloud Digital Leader + Cloud Data Engineer + Cloud Machine Learning Engineer (Triple Certificación)

Regular price $1,780.00 USD
Regular price $1,780.00 USD Sale price $1,780.00 USD
Sale Sold out
Tax included.

Clases Virtuales en Vivo

Via Zoom con profesor en línea para resolver todas tus dudas y consultas.

  • 66 horas académicas
  • Tipo de Cambio S/. 3.70
  • Nivel Avanzado
View full details

Beneficios del Curso

1 of 6

Nuestros alumnos certificados ahora trabajan en las compañías más exitosas

1 of 6

Temario del Curso

Tema 1: Transformación Digital con Google Cloud

  • Laboratorio práctico para crear una aplicación Hello Cloud Run
  • Laboratorio práctico introductorio a Cloud Shell y gcloud

Tema 2: Explorando la Transformación de Datos con Google Cloud

Tema 3: Innovando con Inteligencia Artificial en Google Cloud

Tema 4: Modernizando Infraestructura y Aplicaciones con Google Cloud

  • Laboratorio práctico para conocer los fundamentos de Google Cloud y una introducción a Cloud Marketplace
  • Laboratorio práctico para conocer los servicios de VPC Networking y Google Compute Engine
  • Laboratorio práctico para conocer los conceptos básicos de Google Cloud y una introducción a Cloud Storage y Cloud SQL

Tema 5: Confianza y Seguridad con Google Cloud

  • Laboratorio práctico para conocer Cloud IAM
  • Laboratorio práctico para conocer el servicio de Computo en la nube y desplegar una maquina virtual de Windows
  • Laboratorio práctico para conocer el servicio de Monitoreo en la nube

Tema 6: Escalamiento con Google Cloud Operations

  • Laboratorio práctico para conocer el servicio de Almacenamiento en la nube utilizando la Consola Cloud
  • Laboratorio práctico para conocer el servicio de Almacenamiento en la nube usando CLI/SDK
  • Laboratorio práctico para conocer el servicio de Funciones en la nube utilzando la Consola
  • Laboratorio práctico para conocer el servicio de Funciones en la nube utilizandi la Línea de comandos

Tema 7: Creación de sistemas de análisis de flujos de datos en Google Cloud

  • Laboratorio práctico de Publicación de datos en streaming en PubSub
  • Laboratorio práctico de Canalización de datos en streaming
  • Laboratorio práctico de Streaming de análisis y cuadros de mando
  • Laboratorio práctico de Canalización de datos en Bigtable

Tema 8: Fundamentos del Procesamiento de datos sin servidor con Dataflow y Creación de canalizaciones de Data Pipelines en Google Cloud

  • Laboratorio práctico de Ejecución de trabajos Apache Spark en Cloud Dataproc
  • Laboratorio práctico de Canalización sencilla de flujos de datos usando Python
  • Laboratorio práctico de MapReduce en Beam usando Python
  • Laboratorio práctico de Análisis de datos sin servidor con Dataflow usando Side Inputs con Python
  • Laboratorio práctico de Configuración de IAM y redes para sus trabajos de flujo de datos

Tema 9: Desarrollo de canalizaciones de Procesamiento de datos sin servidor con Dataflow

  • Laboratorio práctico de Escritura de un ETL Pipeline usando Apache Beam y Cloud Dataflow usando Python
  • Laboratorio práctico de Pipelines de análisis por lotes con Cloud Dataflow usando Python
  • Laboratorio práctico de Uso de Dataflow para análisis en flujo usando Python

Tema 10: Manejo de operaciones de Procesamiento de datos sin servidor con Dataflow

  • Laboratorio práctico de Supervisión, registro e informes de errores para trabajos de Dataflow
  • Laboratorio práctico de Pruebas con Apache Beam usando Python
  • Laboratorio práctico de CI/CD con Dataflow
  • Laboratorio práctico de Plantillas personalizadas de Dataflow Flex usando Python

Tema 11: Modernización de lagos de datos y almacenes de datos con Google Cloud

  • Laboratorio práctico de Uso de BigQuery para realizar análisis
  • Laboratorio práctico de Carga de datos en Google Cloud SQL 2.5
  • Laboratorio práctico de Trabajo con datos JSON y Array en BigQuery 2.5
  • Laboratorio práctico de Tablas Particionadas en Google BigQuery

Tema 12: Creación de un almacén de datos con BigQuery

  • Laboratorio práctico de Creación de un almacén de datos mediante Joins y Unions
  • Laboratorio práctico de Creación de Tablas Particionadas por Fecha en BigQuery
  • Laboratorio práctico de Trabajo con JSON, Arrays y Structs en BigQuery

Tema 13: Construir un Data Mesh con Dataplex

  • Laboratorio práctico de Etiquetado de activos en Dataplex
  • Laboratorio práctico de Implementación de la seguridad en Dataplex
  • Laboratorio práctico de Evaluación de la calidad de los datos con Dataplex

Tema 14: Introducción al Machine Learning en Google Cloud

  • Laboratorio práctico de Realización de análisis exploratorios de datos a través de Python y BigQuery
  • Laboratorio práctico de Cómo entrenar un modelo de clasificación de AutoML usando Datos estructurados
  • Laboratorio práctico de Uso de BigQuery ML para predecir el peso de un pingüino
  • Laboratorio práctico de Cómo usar el ajuste de hiperparámetros de BigQuery ML para mejorar el rendimiento de los modelos

Tema 15: Machine learning en la empresa

  • Laboratorio práctico de Cómo explorar y crear una canalización de Analytics de comercio electrónico con Cloud Dataprep v1.5
  • Laboratorio práctico de Uso de Vertex AI para crear trabajos de entrenamiento personalizados y predicciones con conjuntos de datos administrados
  • Laboratorio práctico de Uso de Vertex Vizier para optimizar varios objetivos
  • Laboratorio práctico de Introducción a Vertex Pipelines

Tema 16: Ingeniería de Caracteristicas

  • Laboratorio práctico de Uso de Feature Store
  • Laboratorio práctico de Realización de una ingeniería de atributos básica en BQML
  • Laboratorio práctico de Realización de ingeniería avanzada de atributos en BQML

Tema 17: Fundamentos de la Visión Computacional con Google Cloud

  • Laboratorio práctico de Detección de Labels, Faces y Landmarks en imágenes usando Cloud Vision API
  • Laboratorio práctico de Extracción de texto de imágenes usando Google Cloud Vision API
  • Laboratorio práctico de Identificacióm de partes de autos dañados usando Vertex AI for AutoML Vision Users
  • Laboratorio práctico de Classifying Images with a NN and DNN Model

Tema 18: Procesamiento del lenguaje natural en Google Cloud

  • Laboratorio práctico de Exploración de la API de Dialogflow
  • Laboratorio práctico de Clasificación de Texos usando AutoML
  • Laboratorio práctico de Clasificación de Texos usando reusable embeddings

Tema 19: Sistemas de Machine Learning en Producción

  • Laboratorio práctico de Predicción de datos estructurados con Vertex AI Platform
  • Laboratorio práctico de Introducción a TensorFlow Data Validation
  • Laboratorio práctico de Entrenamiento y despliege de un modelo personalizado con Vertex AI
  • Laboratorio práctico de Ejecución de canalizaciones en Vertex AI 2.5

Tema 20: Manejo de Operaciones de Machine Learning (MLOps) usando Pipelines de ML en Google Cloud

  • Laboratorio práctico de Entrenamiento e implementa un modelo de TensorFlow en Vertex AI
  • Laboratorio práctico de Uso de SDK de transferencia de transmisión de Feature Store
  • Laboratorio práctico de Explicación de componentes estándar de TFX
  • Laboratorio práctico de TFX en canalizaciones de Cloud AI Platform
  • Laboratorio práctico de CI/CD para una canalización de TFX

Tema 21: Simulacro del examen oficial de certificación Google Cloud Digital Leader

Revisaremos a detalle la guía oficial en español del examen de certificación Google Cloud Digital Leader así como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de Google Cloud que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.

Tema 22: Simulacro del examen oficial de certificación Google Cloud Data Engineer

Revisaremos a detalle la guía oficial en español del examen de certificación Google Cloud Data Engineer así como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de Google Cloud que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.

Tema 23: Simulacro del examen oficial de certificación Google Cloud Machine Learning Engineer Professional

Revisaremos a detalle la guía oficial en español del examen de certificación Google Cloud Machine Learning Professional así como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de Google Cloud que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.

HORARIO DE CLASES:

Inicio: Sábado 15 de marzo

Frecuencia: Sábados
(22 clases de 3 horas cada una)

  • Sab
    (8 am a 11 am)
    +
    (1 pm a 4 pm)

  • Sab
    (9 am a 12 pm)
    +
    (2 pm a 5 pm)

  • Sab
    (10 am a 1 pm)
    +
    (3 pm a 6 pm)

  • Sab
    (11 am a 2 pm)
    +
    (4 pm a 7 pm)

  • Sab
    (3 pm a 6 pm)
    +
    (8 pm a 11 pm)

Profesor de Google Cloud

Ing. José Mejía

Experto certificado en Google Cloud con más de 5 años de experiencia en análisis de datos, soluciones multi-nube y gestión de proyectos. Actualmente se desempeña como Ingeniero de Datos y Machine Learning en Ferreycorp S.A. Tiene las siguientes certificaciones internacionales: Google Cloud Machine Learning Engineer, Google Cloud Data Engineer, Google Cloud Engineer, Google Cloud Digital Leader.

Ver en LinkedIn