Curso Google Cloud Data Engineer + Cloud Machine Learning Engineer (Doble Certificación)

• 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

• 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

• 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
• Laboratorio práctico de Uso de Dataflow SQL para análisis por lotes usando Python
• Laboratorio práctico de Uso de Dataflow SQL para análisis de flujo de datos usando Python

• 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

• 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

• 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

• 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

• 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

• 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

• 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

• 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

• 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

• 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

• 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

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.

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.