Cómo funciona Vertex AI

Product manager
-Bi interactivo
-EDW en Spreadsheet
-Consultas en lenguaje natural

Data analyst
-Data warehouse interminable
-Data pipelines autogestionados
-Modelo de datos catálogo
-Machine Learning en SQL

Data engineer
-Infraestructura autónoma
-Variedad de herramientas/lenguajes
-Calidad/linaje de datos
-Capacidades en tiempo real

Data scientist
-Notebooks portables
-Evaluación y selección de modelos
-Desarrollo point anda click
-Colaboración

ML developer
-Imagenes y videos
-Análisis de sentimiento extracción de entidades
-Chatbots, comandos de voz
-Enrutamiento de flotas previsión

ML engineer
-Alojamiento de modelos escalables
-ML CI/CD y orquestación
-Procedencia y linaje
-Mejoras y reentrenamiento

Vertex Ai
-Construye en lo mejor
-Acelera tiempo a valor
-Confianza y responsabilidad
_Obtenemos: _
-Velocidad en los modelos de producción
-Los mejores algoritmos como servicio de Google
-Flujo de trabajo de ML
-Gestión y gobierno de modelos

Den una pasada en este video para reforzar:
https://www.youtube.com/watch?v=gT4qqHMiEpA

Gran clase! Fue una presentación a alto nivel de todo lo que engloban los datos y ML 🤯

• Product Manager: Insights and Objetivos
• Data Analyst: Consultas y Analisis
• Data Engineer: Garantizar datos limpios y confiables
• Data Scientist: Desarrollar modelos que funcionan y que le aportan algun valor a la compa;ia
• ML developer: Aplicaciones Inteligentes
• ML Engineer: Industrializacion de modelos en Produccion

hay otro mas:

MLOPS engineer: Encargado del monitoreo y de las operaciones en produccion una vez el ML engineer los ha puesto enproduccion y una vez han sido certificados por el Cientifico de Datos

no me aporta info.