- 1

Guía de Instalación de Google Cloud para Desarrolladores
01:27 - 2
Crear Cuentas en Google Cloud y Qwiklabs paso a paso
01:30 - 3

Uso de Quick Labs para Entrenamiento en Google Cloud
07:50 - 4

Google Cloud: Beneficios y Seguridad en la Nube Pública
13:30 - 5

Opciones de Cómputo en la Nube con Google Cloud
05:50 - 6

Máquinas Virtuales en Google Cloud: Uso, Optimización y Descuentos
07:32 - 7
Instalación de Qwiklabs paso a paso
00:18 - 8

Creación y Gestión de Máquinas Virtuales en Google Cloud
17:34 - 9

App Engine: Despliegue de Aplicaciones sin Infraestructura
07:30 - 10

Despliegue de Aplicaciones en App Engine con Java 11 y SpringBoot
12:50 - 11
Introducción a Docker y Contenerización de Aplicaciones
02:48 - 12

App Engine Estándar vs Flexible: Ventajas y Usos Prácticos
11:23 - 13

Implementación de Cloud Run: Serverless y Contenedores en Google Cloud
08:10 - 14

Cloud Functions: Creación y Conexión de Servicios Serverless
12:56
Soluciones de IA y Machine Learning en Google Cloud para Desarrolladores
Clase 42 de 48 • Entrenamiento de Google Cloud Platform
Contenido del curso
- 15

Continuous Integration y Delivery en Google Cloud Platform
10:13 - 16

Estrategias de Despliegue de Aplicaciones en Producción
10:02 - 17

Repositorios en Google Cloud: Cloud Source y Container Registry
07:33 - 18

Construcción y Despliegue en Google Cloud Platform
09:32 - 19

Infraestructura como Código: Conceptos y Herramientas Clave
09:28 - 20

Despliegue de Aplicaciones Serverless en Google Cloud Platform
08:38
- 21

Fundamentos de Kubernetes y Google Kubernetes Engine
10:10 - 22

Creación y Despliegue de Clúster Kubernetes en Google Cloud
09:25 - 23

Planificación de Ambientes de Despliegue en Kubernetes
12:37 - 24

Implementación y Gestión de Anthos para Aplicaciones en la Nube
09:07 - 25

Cloud Run: Despliegue de Contenedores Serverless en Google Cloud
09:51 - 26

Despliegue de Servicios en Cloud Run con GKE
08:49 - 27

Anthos Service Mesh: Observabilidad y Seguridad en Kubernetes
06:22 - 28

Tour Completo de Anthos: Despliegue y Gestión en Google Cloud
06:52
- 29

Integración de Datos en Tiempo Real con Google Cloud Data Fusion
15:27 - 30

Construcción de Flujos de Datos con Google Cloud Data Fusion
15:51 - 31

Ingesta de Datos Confiable en Google Cloud Platform
11:07 - 32

Ingesta de Eventos en Google Cloud con Apache Kafka y Dataflow
06:30 - 33

Configuración de Apache Kafka y Debezium en Linux para SQL Server y PubSub
12:39 - 34

Visualización de Mensajes en Google Cloud con Dataflow y BigQuery
04:58 - 35

Construcción de un Data Lakehouse con Google BigQuery
09:11 - 36

Ventajas de BigQuery como Data Lakehouse
11:48 - 37

Opciones de Almacenamiento en Google Cloud Platform
06:18 - 38

Gestión de Datos en Google Cloud: Portafolio y Migración
10:59 - 39

Gobierno de Datos en Google Cloud: Mejores Prácticas y Herramientas
09:54 - 40

Calidad y Monitoreo de Datos en Google Cloud
07:53
- 41

Conceptos Básicos de Inteligencia Artificial y Aprendizaje Automático
13:00 - 42

Soluciones de IA y Machine Learning en Google Cloud para Desarrolladores
12:40 - 43

AutoML Tables: Modelado Predictivo con Datos Estructurados
11:50 - 44

Uso de AutoML Tables en Google Cloud para Modelos de Clasificación
05:17 - 45

Predicción de Tarifas con Jupyter Notebooks en Google Cloud
07:33 - 46

Análisis de Datos de Taxis en iNotebook con Google Cloud y BigQuery
13:34 - 47

Implementación de Pipelines con TensorFlow Extended
13:48
¿Cómo puede Google ayudarte en la adopción de inteligencia artificial?
La inteligencia artificial (IA) no es solo una tendencia pasajera; es el futuro de la tecnología y Google está aquí para facilitar su adopción. Tanto si estás empezando en el camino del machine learning (ML) como si ya eres un experto desarrollador, Google Cloud ofrece una gama completa de soluciones de IA que se adaptan a tus necesidades y capacidades.
¿Qué pronostican las tendencias de la inteligencia artificial?
Google estima que, para finales del próximo año, el 75% de las aplicaciones utilizarán inteligencia artificial. Este crecimiento se refleja también en otros campos, como en los vehículos autónomos, donde el 10% de los nuevos vehículos ofrecerán funcionalidades autónomas para entonces. Con el aumento de la aplicación de la inteligencia artificial, el número de científicos de datos está proyectado a crecer rápidamente.
¿Cuáles son los principales retos de integrar la inteligencia artificial?
La implementación de la IA a menudo enfrenta varios desafíos:
- Dificultades de datos: Los datos pueden estar dispersos y no siempre se cuenta con un buen repositorio, complicando el uso efectivo de los algoritmos de ML.
- Integración de soluciones: Después de superar problemas de datos, se debe decidir dónde se correrán los algoritmos.
- Infraestructura tecnológica: La capacidad de cómputo es fundamental, y, en algunas ocasiones, carencias en este aspecto han ralentizado el progreso tecnológico.
Google busca superar estos desafíos proporcionando herramientas robustas y flexibles en su plataforma Google Cloud.
¿Qué soluciones ofrece Google Cloud para inteligencia artificial?
Google Cloud proporciona un completo portafolio de herramientas diseñadas para un rango de usuarios, desde los más principiantes hasta los expertos más avanzados.
¿Qué es AutoML y cómo puedes beneficiarte?
AutoML es una tecnología de Google que permite crear modelos personalizados entrenados con tus propios datos. Estos modelos se encuentran en un nivel intermedio entre desarrollo completo y uso de soluciones paquetizadas, ofreciendo un equilibrio entre flexibilidad y conveniencia.
¿Qué herramientas hay para desarrolladores de diferentes niveles de experiencia?
Google ofrece un rango de herramientas adaptadas al nivel de experiencia del usuario:
- Altos conocimientos en ML: Para expertos en IA y ML, Google ofrece acceso a su infraestructura avanzada, como los Tensor Processing Units (TPUs).
- Conocimientos básicos: Para aquellos con menos experiencia, Google proporciona modelos preentrenados y APIs listas para integrar rápidamente en aplicaciones.
¿Cómo optimizar el entrenamiento de modelos con la infraestructura de Google Cloud?
Google Cloud es reconocido por su avanzada infraestructura que incluye el uso de TPUs, dispositivos desarrollados específicamente para acelerar el entrenamiento de modelos de ML. Estos procesadores están diseñados para integrarse perfectamente con frameworks y librerías de código abierto, como TensorFlow y Kubernetes Engine.
¿Qué roles pueden beneficiarse del uso de la plataforma de Google AI?
La plataforma AI de Google está abierta a diversos perfiles técnicos:
- Ingenieros de ML y de datos
- Desarrolladores y científicos de datos
- Analistas de negocios
Estos roles, entre otros, pueden utilizar la plataforma para procesar datos, entrenar modelos y obtener insights valiosos.
¿Cómo empezar tu viaje en inteligencia artificial con Google Cloud?
Embarcarte en la adopción de IA con Google Cloud es un proceso accesible y lleno de recursos de aprendizaje:
- Regístrate en Kaggle: Un sitio donde puedes encontrar datasets y desafíos para poner a prueba tus algoritmos.
- Explora el Cloud AI Hub: Un repositorio central de casos prácticos y algoritmos compartidos que te ayudarán a mejorar tus habilidades.
- Usa la consola de Google Cloud: Comienza a familiarizarte con las herramientas de IA que ofrece la consola de Google Cloud y experimenta con tus propios proyectos.
Con todas estas herramientas a tu alcance, Google Cloud te ayuda a integrar la inteligencia artificial de manera efectiva, optimizando tus proyectos y facilitando el desarrollo tecnológico en tus iniciativas. ¡Anímate a descubrir el poder de la inteligencia artificial con Google!