En esta sección, se exploran los componentes clave de la infraestructura de Google Cloud. Además, se presentan muchos de los productos y servicios de macrodatos y aprendizaje automático involucrados en el ciclo de vida de datos a IA en Google Cloud.

En esta sección, se presenta la solución de Google Cloud para administrar datos de transmisión. Además, se examina una canalización de extremo a extremo, lo que incluye la transferencia de datos con Pub/Sub, el procesamiento de datos con Dataflow y la visualización de datos con Looker y Looker Studio.

En esta sección, los estudiantes aprenderán sobre BigQuery, el almacén de datos sin servidores completamente administrado de Google. También explorarán BigQuery ML, así como los comandos clave y los procesos utilizados para crear modelos personalizados de aprendizaje automático.

En esta sección, se exploran las cuatro opciones diferentes para crear modelos de aprendizaje automático en Google Cloud. También se presenta Vertex AI, la plataforma unificada de Google para crear y administrar el ciclo de vida de los proyectos de AA.

Esta sección se enfoca en las tres fases clave del flujo de trabajo de aprendizaje automático en Vertex AI: preparación de datos, entrenamiento del modelo y preparación del modelo. Los alumnos tendrán la oportunidad de practicar la creación de un modelo de aprendizaje automático con AutoML.

En esta sección, se revisan los temas que se abordaron en el curso y se proporcionan recursos adicionales para un mayor aprendizaje.