Retail Store en Google Cloud Platform

1

Lo que aprenderás sobre GCP para ecommerce

2

Etapas clave y MLOps

3

Arquitectura de alto nivel

4

Tour de la aplicación de retail

5

Backend as a Service y modelo de seguridad

6

Introducción al proyecto

7

Medición de interacciones

8

Setup de Google Tag Manager

9

Etiquetando con Google Tag Manager

10

Etiquetas relevantes para CLV

11

Integración con servicios

Exposición de servicios con Apigee

12

Servicios expuestos con APIs

13

¿Qué son las APIs?

14

Apigee

15

Creación de tu primer API Proxy en Apigee

16

Administración de APIs con Apigee

17

Creando un portal de desarrolladores

18

Interactuando con el portal de desarrolladores

19

Insights to Actions

Generación de modelos AI/ML

20

Machine Learning con datos estructurados

21

BigQuery para modelos de Forecasting y LTV

22

Bigquery ML - Manos a la Obra

23

Auto ML vs. Bigquery ML

24

Consideraciones para entrenar un modelo en BigQueryML

25

Entrenamiento del modelo en BigQuery ML

26

Cómo exportar modelos hechos en BQML

27

Exportando un modelo hecho con BQML

Consumo de servicios de AI/ML

28

Cómputo Serverless y Contenedores

29

¿Qué es Kubernetes?

30

Consumo de modelos ML mediante BigQuery API

31

Almacenamiento de predicciones

32

Ejecución de predicciones y persistencia

33

Despliegue continuo con Cloud Run

34

Ejecución de despliegue con Cloud Run

35

Escalamiento de servicios en Cloud Run

36

AuthN y AuthZ con Cloud Run

Google Marketing Platform

37

Análisis de las predicciones

38

Segmentamos nuestras Predicciones

39

Caso práctico para definir tu estrategia de activación

40

Generemos nuestros modelos en la plataforma

41

Segmentamos nuestras audiencias en BigQuery

42

Carga tus audiencias y conecta tu medio de activación

Etapas clave y MLOps

2/42
Recursos

Aportes 20

Preguntas 0

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Esta clase me dejó así (Soy frontend, es mi primera experiencia con AI/ML)

💚

Dia Dos de las etapas

interesante etapas

Este curso se ve muy prometedor. Actualmente trabajo en una empresa retail como Científico de datos y este contenido me servirá mucho para tener una visión del panorama global y complejo que hay detrás de muchos de los procesos involucrados en ML y DS.

Casos de uso comunes para AI/ML en Retail

estoy impresionado del nivel el cual va llevar a otro nivel cualquier tienda en linea.

Alguien más está sorprendido del poder que tiene esto? 😮

Podríamos hacer de manera puntual que alguien tome ciertas decisiones según la interacción que tenga, solo abría que orientándolo de manera deliberada. Si lo tomamos en el caso de compra-venta es de risa comparado con el manejo de ideas en por ejemplo elecciones.
Haciendo de manera inteligente las segmentaciones necesarias podríamos llegar a personas específicas y de manera aparentemente natural orillar a tener ciertos pensamientos.
Cosa que no me parece descabellado en un mundo dónde, pienso, la mayoría de personas consumimos contenido sin detenernos un segundo a reflexionar en todo lo que lo rodea, por no mencionar que casi será prácticamente imposible ya que la cantidad de contenido al que nos exponemos es inmenso.

😵‍💫

Pues hoy recien leo sobre MLOps, no lo había escuchando antes o.o

El aprendizaje es continuo porque sino nos quedamos atras.

impresionante si estalla el cerebro llegar a implementar todo esto y que funcione perfecto, pero se puede y para eso estoy aquí aprendiendo.

Modelo Operacional

Dia Cero de la etapas

Dia Uno de las etapas

Los pilares de MLOps

Etapas clave de una iniciativa

La integración es el reto más grande

Iniciativa de ciencia de datos