Compute on Google Cloud Platform

1

Introducción al curso de Google Cloud for Developer Community

2

Lectura: introducción de instalación

3

Tutorial de Qwiklabs

4

Cómputo en la nube de Google

5

Opciones de cómputo en la nube

6

Máquinas virtuales a profundidad

7

Tutorial para instalar Qwiklabs

8

Demo: máquinas virtuales a profundidad

9

Cómputo sin administración con plataformas como servicio

10

Demo: cómputo sin administración

11

Lectura: ¿qué son los contenedores?

12

Cómputo contenerizado con App Engine Flex

13

Cómputo contenerizado con Cloud Run

14

Funciones serverless

Continuous Integration, Continuous Delivery

15

CI/CD en Google Cloud Platform

16

Estrategias de Despliegue

17

Repositorios de código

18

Construcción y despliegue de artefactos

19

Infraestructura como código

20

Despliegue en Servicios Serverless

Google Kubernetes Engine

21

Kubernetes Overview

22

Demo Kubernetes

23

Planeación de tu despliegue

24

Anthos

25

Cloud Run for Anthos

26

Demo Cloud Run for Anthos

27

Anthos Service Mesh

28

Site Reliability Engineering con Anthos

Streaming Data Analytics

29

Integración de datos e ingesta de datos totalmente administrada sobre GCP

30

Demo: ingesta de datos

31

Ingesta de datos confiable en streaming sobre GCP

32

Demo: ingesta de datos confiable

33

Demo: configuración de Apache Kafka

34

Visualización de mensajes de una base de datos relacional en Google Cloud

35

Data Warehouse: el modelo tradicional para construir un repositorio de datos empresarial

36

Data Lakehouse: el nuevo y moderno enfoque para construir un repositorio de datos empresarial

37

El portafolio de gestión de datos en Google Cloud

38

Desglose del portafolio de gestión de datos (Bases de datos) en Google Cloud

39

Gobierno de datos de punta a punta para garantizar la seguridad en tu Data Lake

40

Gobierno de datos: calidad y monitoreo

Machine Learning

41

¿Qué es ML y AI?

42

Plataforma de AI en GCP

43

Auto ML con datos estructurados

44

Demo Auto ML con datos estructurados

45

Predicción de tarifas usando AI notebooks

46

Demo predicción de tarifas usando AI notebooks

47

TensorFlow Extended

Sesiones en vivo

48

Sesión en vivo con Pablo Pérez Villanueva

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Data Lakehouse: el nuevo y moderno enfoque para construir un repositorio de datos empresarial

36/48
Recursos

¿Cuáles son las principales ventajas de BigQuery en el Dental Lake House?

BigQuery emerge como una herramienta poderosa en la arquitectura Dental Lake House, ofreciendo una serie de ventajas que pueden transformar radicalmente la forma en que las organizaciones manejan y analizan sus datos. A continuación, se destacan varias características que no solo diversifican sus capacidades, sino que también optimizan el desempeño y el análisis de datos en tiempo real.

¿Cómo ingresa BigQuery los datos en tiempo real?

BigQuery se distingue por su capacidad de gestionar la llegada de datos en tiempo real. Esto es posible gracias a la integración con servicios como Pub/Sub y Dataflow, que actúan como intermediarios, facilitando el flujo continuo de eventos de datos. A diferencia de otros data warehouses que requieren nodos de cómputo siempre encendidos para inserciones continuas, BigQuery elimina esta necesidad, lo cual optimiza costos y simplifica la infraestructura.

¿Cuál es la relación de BigQuery con Machine Learning e inteligencia artificial?

Una característica notoria de BigQuery es su integración con machine learning e inteligencia artificial. Dispone de algoritmos predefinidos que permiten predecir tendencias como el comportamiento del mercado o un posible fallo de un producto. Esto se realiza mediante modelos como:

  • Regresiones lineales y logísticas
  • Clusterizaciones

El proceso es sencillo: los usuarios crean y entrenan modelos personalizados sin necesidad de programar en R o Python para realizar predicciones batch.

¿Cómo analiza y representa BigQuery los datos geográficos?

BigQuery ofrece la capacidad de analizar datos geográficos usando únicamente SQL, permitiendo a las organizaciones visualizar esta información mediante la interfaz BigQuery GeoVis. Un caso de uso ejemplar es el de la empresa Geotab, que combina datos internos y externos como el clima para mejorar la logística y gestión de productos. Esto resalta la habilidad de BigQuery para consolidar datos geográficos y transformarlos en información valiosa.

¿Cómo BigQuery democratiza el BI y el análisis de datos?

BigQuery no solo facilita el almacenamiento y análisis de datos, también democratiza el acceso a la inteligencia de negocios de una manera única, promoviendo un acceso ampliado y eficiente a la analítica de datos.

¿Qué papel juegan Google Sheets y Data Studio?

Dos herramientas poderosas complementan las capacidades de BigQuery:

  1. Google Sheets: Ofrece un enfoque de self-service analytics, permitiendo a los usuarios conectar BigQuery con Sheets para ejecutar análisis personalizados sin necesidad de programación.

  2. Data Studio: Un visualizador gratuito y parte esencial de la suite de análisis de Google, permite conectar directamente con BigQuery para crear y compartir paneles interactivos, lo cual fomenta la colaboración en el análisis de datos.

¿Cómo BigQuery asegura un adecuado gobierno de datos?

BigQuery garantiza un robusto gobierno de datos alineado con normas regulatorias globales como SOC 1, 2 y 3 y otras más específicas como HIPAA o PCI DSS. Esto se logra a través de:

  • Encriptación de datos en tránsito y en reposo
  • Data Catalog para metadatos de negocio y estrategias DLP**
  • Cloud IAM para restringir y controlar los accesos

Esta estructura integrada facilita la protección de datos sensibles y mejora la gestión de la información.

¿Por qué elegir BigQuery sobre otras soluciones de Data Warehouse?

BigQuery se posiciona un paso adelante frente a la competencia al ofrecer un enfoque completamente serverless que simplifica tanto el escalamiento como la implementación de funciones avanzadas que otros warehouses no pueden igualar.

¿Cómo supera BigQuery a otros servicios como Redshift o Snowflake?

Mientras Amazon Redshift y otras plataformas similares como Snowflake pueden ofrecer soluciones de almacenamiento de datos, BigQuery ofrece ventajas exclusivas a través de su enfoque serverless:

  • Machine Learning embebido
  • Procesamiento y análisis de datos geográficos
  • Gobernanza integral de datos

Estas capacidades integradas hacen que BigQuery no solo sea una elección lógica sino estratégica para cualquier organización que busque ampliar su capacidad analítica y su eficiencia operativa.

Al optar por BigQuery, las empresas pueden acceder a una plataforma de análisis de datos avanzada que acelera y simplifica el proceso de toma de decisiones a través de funcionalidades líderes en el mercado, reafirmando su posición como el data warehouse de última generación.

Aportes 3

Preguntas 2

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Seria bueno que platzi sacar un curso solo dedicado a BigQuery, con todas las características que nombra Gilberto 😃

Me gustaría algo mas completo con herramientas como kafka

por favor revisen, el audio/video se va pausando