- 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
Mentoría en Google Cloud con Pablo Pérez Villanueva
Clase 48 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
¿Quién es Pablo Pérez Villanueva y qué hace en Google?
Pablo Pérez Villanueva es un customer engineer en Google Cloud, donde se encarga de acompañar a los clientes en su transformación digital, materializando sus grandes objetivos de negocio desde un punto de vista técnico. Además, Pablo es conocido por su gran capacidad para explicar conceptos técnicos a personas que no necesariamente son expertas, lo que lo ha convertido en un excelente docente reconocido por sus estudiantes.
¿Qué ofrece el entrenamiento en Google Cloud de Platzi?
Este curso es una colaboración entre Google Cloud y Platzi para brindar a los estudiantes contenido técnico y relevante que les permita profundizar en el uso de Google Cloud. Está estructurado en cinco módulos que incluyen:
- Cómputo en la nube: Explora dónde puedes correr tus aplicaciones y qué servicios son más adecuados para tus soluciones.
- Kubernetes Engine y soluciones híbridas/multinube: Aprende a utilizar estas tecnologías para la gestión de contenedores.
- CICD (Integración y entrega continua): Implementa prácticas estandarizadas según las mejores prácticas de Google.
- Analítica de datos: Aplicaciones de analítica en la nube de Google.
- Machine Learning: Aprende a aplicar machine learning en soluciones en la nube.
¿Cómo funciona el API de Google Speech-to-Text?
La API de Speech-to-Text de Google es capaz de identificar automáticamente el idioma del audio de origen y transcribe dicho audio a texto. Para utilizarla, debes proporcionarle un archivo de audio, y obtendrás como respuesta el texto correspondiente a lo escuchado. Este servicio es especialmente útil para aquellos que trabajan con Dialogflow y Google Actions, cuya capacidad para traducir lenguaje a texto facilita la interacción mediante texto para procesamiento posterior.
Ejemplo de uso en aplicaciones
Puedes emplear la API de Google para transcribir desde archivos de audio en varios formatos soportados, generando peticiones de requests que envían el archivo de audio al servidor, el cual retorna la transcripción en texto.
¿Qué beneficios ofrecen las máquinas virtuales en Google Cloud?
Migración en vivo de máquinas virtuales
- Google Cloud permite la migración en vivo (Live Migration) de máquinas virtuales, una técnica que consiste en mover una máquina virtual de un host a otro sin interrumpir su operación. Esto asegura que la infraestructura esté constantemente actualizada sin afectar el flujo de trabajo.
Máquinas virtuales ininterrumpibles
- Las máquinas virtuales preemptibles son ideales para tareas que toleran interrupciones, tales como procesos batch, blockchain, o cualquier carga que pueda retomar proceso tras una pausa. Esto significa descuentos significativos en costos de infraestructura, hasta un 80%.
Diferencias entre Google Cloud Repositories y GitHub
Google Cloud Repositories es una solución menos desarrollada en comparación con GitHub, ya que sirve principalmente para hospedar repositorios dentro de la nube privada de Google. Aunque tiene sus limitaciones, sirve como puente para facilitar procesos de integración y despliegue continuo (CI/CD) en la nube de Google, creando webhooks para repositorios en GitHub o Bitbucket que detonen despliegues o construcciones automáticas, utilizando soluciones como Cloud Build.
¿Cómo Google Cloud ayuda a un desarrollador web?
- Escalabilidad: Permite que las aplicaciones escalen a la par del crecimiento del usuario, con menos esfuerzo de administración.
- Eficiencia de costos: Disminuye la necesidad de invertir en infraestructura interna.
- Foco en la innovación: Minimiza la distracción en la gestión de servidores y maximiza el tiempo dedicado a mejoras y desarrollo de funciones.
¿Qué diferenciales tiene Google Cloud respecto a otras nubes?
- Compromiso con Open Source: Google es uno de los mayores contribuyentes al open source, como Kubernetes.
- Seguridad por defecto: Provee segurañidad en tránsito y en descanso sin configuraciones adicionales.
- Infraestructura avanzada: Su red cubre el 40% del tráfico diario de Internet, ofreciendo protección y minimizando exposición a riesgos.
- AI y Machine Learning: Lidera en IA, ofreciendo herramientas y marcos avanzados como Colab para facilidades en Machine Learning.
- Ambiente flexible para desarrolladores: Ofrece herramientas y características que facilitan el desarrollo sin necesidad de preocuparse por backend.
Recursos adicionales
Para quienes quieran profundizar en Google Cloud y su aplicación en la industria, se recomienda inscribirse en el curso proporcionado por Platzi y Google, que además incluye el acceso a Quick Labs durante un mes, donde se pueden realizar prácticas con recursos reales en la nube.