Google Cloud

From Data to Insights with Google Cloud Platform

Presencial o Live Virtual Class
Duración
14 horas
Precio
925,00 €
Próximas convocatorias
Acerca de este curso
A quién va dirigido
Objetivos del curso
Contenidos
Convocatorias abiertas

Próximas convocatorias
Ver todas las convocatorias

21 oct 19
22 oct 19

Live Virtual Class | Inglés | Lunes - Martes (09:00h - 17:00h)
14 h.    925 €
28 oct 19
28 oct 19

Barcelona o Live Virtual Class | Español | Lunes (09:00h - 17:00h)
14 h.    925 €
28 oct 19
29 oct 19

Madrid o Live Virtual Class | Español | Lunes (09:00h - 17:00h)
14 h.    925 €

Acerca de este curso

TASTE OF TRAINING

En esta formación, los participantes aprenderán a obtener información mediante el análisis y visualización de datos haciendo uso de Google Cloud Platform. Mediante la utilización de escenarios interactivos y laboratorios los participantes podrán explorar, minar, cargar, visualizar y extraer información de diversos Datasets de Google BigQuery. Este curso abarca la carga de datos, realización de consultas, modelado de esquema, optimización de rendimiento, tasación de consultas y visualización de datos.

A quién va dirigido

Este curso está dirigido a:

  • Analistas de datos, analistas de negocio, profesionales de Business Intelligence
  • Ingenieros de datos de la nube, que colaboraran con analistas de datos, con el objetivo de montar una solución de datos escalable en Google Cloud Platform

Para el máximo aprovechamiento  del curso se recomienda disponer de un conocimiento básico de ANSI SQL.

Objetivos del curso

Al finalizar este curso, los alumnos serán capaces de:

  • Obtener información de datos haciendo uso de las herramientas de análisis y visualización de Google Cloud Platform
  • Cargar, limpiar y transformar datos a gran escala con Google Cloud Dataprep
  • Explorar y visualizar datos con Google Data Studio
  • Solucionar problemas, optimizar y escribir consultas de alto rendimiento
  • Practicar con las API de machine learning prediseñadas para comprender imágenes y textos
  • Entrenar modelos de machine learning de clasificación y previsión mediante SQL con BQML

Contenidos

Introducción a los datos en Google Cloud Platform

  • Análisis de los deafíos a los que se enfrentan los analistas de datos
  • Comparación de Big Data en local y en la nube
  • Aprender con ayuda de casos prácticos reales de empresas que se transformaron a través del análisis en la nube
  • Conceptos básicos de los proyectos de Google Cloud Platform
  • Laboratorio: Cómo comenzar a usar Google Cloud Platform

Descripción general de las herramientas Big Data

  • Tareas y desafíos de los analistas de datos, y presentación de las herramientas de datos de Google Cloud Platform
  • Demostración: Analizar 10,000 millones de registros con Google BigQuery
  • Explorar 9 características fundamentales de Google BigQuery
  • Comparación de las herramientas de GCP para analistas, ingenieros de datos y científicos de datos
  • Laboratorio: Explorar Datasets con Google BigQuery

Exploración de datos con SQL

  • Comparación de las técnicas comunes de exploración de datos
  • Aprender a codificar SQL estándar de alta calidad
  • Explorar los Datasets públicos de Google BigQuery
  • Vista previa: Google Data Studio
  • Laboratorio: Solución de problemas de errores comunes de SQL

Precios de Google BigQuery

  • Explicación de un trabajo de BigQuery
  • Cálculo de precios de BigQuery: costos de almacenamiento, consultas y streaming
  • Optimización del costo de las Queries
  • Laboratorio: Cálculo de precios de Google BigQuery

Limpieza y transformación de datos

  • Análisis de los 5 principios de integridad de Datasets
  • Caracterización de la forma y la distorsión del conjunto de datos
  • Limpieza y transformación de datos mediante SQL
  • Limpieza y transformación de datos mediante una IU nueva: introducción a Cloud Dataprep
  • Laboratorio: Explorar y dar forma a los datos con Cloud Dataprep

Almacenamiento y exportación de datos

  • Comparar tablas persistentes y temporales
  • Guardar y exportar los resultados de una Query
  • Rendimiento: Query Cache
  • Laboratorio: Creación de tablas persistentes

Ingesta de nuevos Datasets hacia Google BigQuery

  • Consulta de fuentes de datos externas
  • Cómo evitar errores de transferencia de datos
  • Ingesta de nuevos datos a tablas persistentes
  • Análisis de la inserción Streaming
  • Laboratorio: Ingesta y consulta de nuevos Datasets

Visualización de datos

  • Descripción general de los principios de visualización de datos
  • Enfoques del análisis exploratorio frente al explicativo
  • Demostración: Google Data Studio UI
  • Conexión de Google Data Studio con Google BigQuery
  • Laboratorio: Exploración de un Dataset en Google Data Studio

Unión y mezcla de Datasets

  • Mezcla de tablas de datos históricos con UNION
  • Introducción a los Table Wildcards para mezclas más sencillas
  • Data Schemas: Vincular datos en múltiples tablas
  • Explicación de JOIN mediante ejemplos y errores
  • Laboratorio: UNION y JOIN de datos desde múltiples tablas

Funciones y cláusulas avanzadas

  • Vista general de SQL Case Statements
  • Introducción a las funciones analíticas de ventana
  • Protección de los datos con lcifrado de campo unidireccional
  • Análisis de subconsultas eficaces y diseño CTE
  • Comparación de las UDF de SQL y JavaScript
  • Laboratorio: Obtención de estadísticas con las funciones avanzadas de SQL

Diseño de esquemas y estructuras de datos anidados

  • Comparación de Google BigQuery con la arquitectura de datos RDBMS tradicional
  • Normalización frente a desnormalización: compensaciones de rendimiento
  • Revisión del esquema: lo bueno, lo malo y lo feo
  • Arrays y datos anidados en Google BigQuery
  • Laboratorio: Consulta de datos anidados y repetidos

Más visualización con Google Data Studio

  • Creación de Case Statements y campos calculados
  • Cómo evitar errores de rendimiento con consideraciones de caché
  • Uso compartido de Dashboards y análisis de las consideraciones de acceso a datos

Optimizacion para lograr un buen rendimiento

  • Evitar errores de rendimiento de Google BigQuery
  • Prevención de hotspots en tus datos
  • Diagnóstico de problemas de rendimiento con el Query Explanation map
  • Laboratorio: Optimización y solución de problemas de rendimiento de Query

Acceso a datos

  • Comparación de las funciones de los Datasets de IAM y BigQuery
  • Cómo evitar errores de acceso
  • Revisión de miembros, roles, organizaciones, administración de cuentas y cuentas de servicio

Notebooks en la nube

  • Cloud Datalab
  • Compute Engine y Cloud Storage
  • Laboratorio: Alquilar una VM para procesar datos de terremotos
  • Análisis de datos con BigQuery

¿Cómo realiza el Machine Learning Google?

  • Introducción al Machine Learning (ML) para analistas
  • Practicar con las API de ML previamente entrenadas para comprender imágenes y textos
  • Laboratorio: API de ML previamente entrenadas

Aplicar el Machine Learning a Datasets (BQML)

  • Compilar Datasets de aprendizaje automático y analizar las características
  • Crear modelos de clasificación y previsión con BQML
  • Laboratorio: Predecir las compras de visitantes con un modelo de clasificación en BQML
  • Laboratorio: Predecir las tarifas de taxis con un modelo de previsión de ML de BigQuery

Convocatorias abiertas

21 oct 19
22 oct 19

Live Virtual Class | Inglés | Lunes - Martes (09:00h - 17:00h)
14 h.    925 €
28 oct 19
29 oct 19

Madrid o Live Virtual Class | Español | Lunes (09:00h - 17:00h)
14 h.    925 €
28 oct 19
28 oct 19

Barcelona o Live Virtual Class | Español | Lunes (09:00h - 17:00h)
14 h.    925 €