Preparing for Google Cloud Certification: Cloud Data Engineer Professional Certificate en Español

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.

Del curso: "La mejor manera de prepararse para el examen es ser competente en las habilidades necesarias para el trabajo". En este curso, se emplea un enfoque descendente a fin de identificar las habilidades y los conocimientos adquiridos, así como poner en evidencia la información y las áreas de habilidades que requieren una preparación adicional. Puede aprovechar este curso para crear su propio plan de preparación personalizado. Lo ayudará a distinguir lo que sabe de lo que no. Además, le permitirá desarrollar y practicar las habilidades que se les exigen a los profesionales que realizan este trabajo. El curso está organizado según el esquema de la Guía para el examen. Se le presentan los conceptos de mayor nivel (es decir, los conceptos clave) para que determine si se siente seguro con respecto a sus conocimientos sobre esa área y los conceptos relacionados, o si necesita estudiar más. También podrá aprender y practicar las habilidades clave para el trabajo, incluidas las cognitivas, como el análisis de casos, la identificación de puntos de análisis técnicos y el desarrollo de las soluciones propuestas. Esas habilidades para el trabajo también son necesarias a fin de rendir el examen. Por otra parte, pondrá a prueba sus capacidades básicas con los Labs de desafío de seguimiento de actividades. Además, tendrá muchas preguntas de ejemplo similares a las del examen, incluidas las soluciones. Al final del curso, se incluyen dos tests del examen de práctica: uno sin calificación seguido de otro con calificación, que simula la experiencia de rendir el examen.

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 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, grafos de canalización en Cloud Data Fusion y procesamiento de datos sin servidores en Dataflow. Los estudiantes obtienen experiencia práctica en la compilación de componentes de canalizaciones de datos en Google Cloud con Qwiklabs.

Si bien los enfoques tradicionales de usar data lakes y almacenes de datos pueden ser eficaces, tienen deficiencias, en particular en entornos empresariales grandes. En este curso, se presenta el concepto del data lakehouse y los productos de Google Cloud que se usan para crear uno. Una arquitectura de lakehouse usa fuentes de datos de estándares abiertos y combina las mejores funciones de los data lakes y los almacenes de datos, lo que aborda muchas de sus deficiencias.