From Data to Insights with Google Cloud Platform

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