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)
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
Share
Beneficios del Curso
Nuestros alumnos certificados ahora trabajan en las compañías más exitosas
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.
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)
Nuestro Compromiso y Garantía
La gran mayoría de nuestros alumnos aprueban sus exámenes de certificación en el primer intento. Sin embargo, si no te fue bien en el examen vuelves a llevar el curso totalmente gratis. ¡Lo volvemos a intentar hasta que lo logres!
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.