- 1

Google Cloud para Retail: Optimización y Modernización en E-commerce
08:50 - 2

MLOps: Integración y Operacionalización en Ciencia de Datos Retail
12:17 - 3

Arquitectura de Alto Nivel para Aplicaciones en la Nube
08:41 - 4

Desarrollo de Aplicaciones con Firebase y Vue: Configuración Inicial
18:49 - 5

Firebase: Autenticación y Seguridad en Aplicaciones Web
12:07 - 6
Instalación y Configuración de Google Cloud y Firebase para Apps
07:05 - 7

Medición de Interacciones con Google Tag Manager y Analytics
08:42 - 8

Configuración de Google Tag Manager y Google Analytics
16:23 - 9

Tageo Avanzado con Google Tag Manager para Customer Lifetime Value
12:33 - 10
Uso estratégico del Customer Lifetime Value (CLV)
01:11 - 11

Integración de Servicios y APIs en Arquitecturas Modernas
11:25
Despliegue de Modelos Machine Learning en Google Cloud Run
Clase 28 de 42 • Curso de Google Cloud Platform para E-commerce
Contenido del curso
- 12

Integración de APIs en Tiendas en Línea
09:17 - 13

Fundamentos y Creación de APIs con APIG de Google Cloud
09:33 - 14

Creación y Gestión de APIs con APIG
06:48 - 15

Creación de API Proxy con APIG y OpenAPI Specification
10:40 - 16

Creación y Gestión de API Products y Developer Apps
11:05 - 17

Creación y gestión de portales para desarrolladores con APIG
12:22 - 18

Configuración de Portales para Desarrolladores en APIG
06:04 - 19

Buenas prácticas para desarrollar APIs eficaces
01:46
- 20

Datos Estructurados en Machine Learning para Marketing
13:12 - 21

Modelos de Forecasting y Customer Lifetime Value con BigQuery
06:45 - 22

Integración de BigQuery con Jupyter para Análisis de Datos
15:34 - 23

Cuándo usar AutoML Tables vs BigQuery ML en Machine Learning
12:44 - 24

Entrenamiento de Modelos de Machine Learning con BigQuery ML
10:08 - 25

Entrenamiento y Evaluación de Modelos con BigQuery ML y Jupyter
13:39 - 26

Exportación de Modelos en BigQuery ML: Métodos y Consideraciones
07:09 - 27

Exportación de Modelos de Machine Learning a Cloud Storage
05:43
- 28

Despliegue de Modelos Machine Learning en Google Cloud Run
11:16 - 29

Introducción a Kubernetes y su Uso en la Orquestación de Contenedores
09:42 - 30

Implementación de Modelos de Machine Learning con BigQuery API
09:31 - 31

Almacenamiento de Predicciones con Google Cloud Storage y BigQuery
08:21 - 32

Implementación de Modelos ML en BigQuery y Almacenamiento en GCS
12:56 - 33

Despliegue Continuo con Google Cloud: Herramientas y Estrategias
12:13 - 34

Despliegue Continuo en Google Cloud con Cloud Run y Docker
10:31 - 35

Configuración de Escalamiento en Google Cloud Run
14:32 - 36

Control de Autenticación y Autorización en Google Cloud Run
25:41
- 37

Google Cloud Platform para Estrategias de Marketing Digital
10:45 - 38

Integración de Google Analytics con BigQuery para Segmentación Avanzada
09:29 - 39

Análisis de Datos con SQL y Modelos K-Means en Google Analytics
13:25 - 40

Creación y Evaluación de Modelos en BigQuery con Datos de Google Analytics
17:14 - 41

Segmentación de Audiencias en BigQuery y Predicciones de Compra
03:30 - 42

Integración de Audiencias en Google Marketing Platform
09:43
¿Qué es serverless y cómo se relaciona con Google Cloud?
Comenzar a usar servicios en la nube puede redundar en múltiples beneficios que transforman la manera de operar aplicaciones, liberando de la carga operativa que implica la gestión de infraestructura. A menudo, cuando hablamos de soluciones serverless, nos referimos a la capacidad de ejecutar aplicaciones sin necesidad de ocuparnos de una infraestructura específica. En Google Cloud, esto se logra con servicios como Cloud Run, capaz de facilitar la adopción de modelos de machine learning mediante un enfoque híbrido y nativo de nube.
Cloud Run se sitúa en el centro de la oferta de servicios flexibles de Google Cloud. Aprovechando la simplicidad y agilidad de serverless, permite escalar aplicaciones en respuesta a la demanda y con costos competitivos, una combinación ideal para startups y grandes corporaciones.
¿Cómo pueden los contenedores mejorar el despliegue de aplicaciones?
Los contenedores han revolucionado la forma de desplegar aplicaciones, proporcionando una mayor portabilidad y consistencia. Imagina tu aplicación corriendo en cualquier entorno con las mismas características y dependencias que en tu entorno local; todo esto, encapsulado en una unidad que se mueve fácilmente entre desarrolladores y ambientes de producción.
Los contenedores también facilitan la gestión de recursos, isolando RAM y CPU para cada aplicación, reduciendo la probabilidad de conflictos internos. Además, aprovechan características del sistema operativo como procesos, namespaces y el sistema de archivos unificado para asegurar que cada aplicación funcione de manera independiente.
¿Qué papel juega Kubernetes en la gestión de contenedores?
Kubernetes se erige como una solución poderosa para la orquestación de contenedores, abordando los desafíos del día dos como la escalabilidad y gestión de actualizaciones. Al coordinar la interacción y despliegue de múltiples aplicaciones contenedorizadas, garantiza que el flujo de trabajo se mantenga fluido y eficiente.
Desde definir qué servicios se comunican entre sí hasta implementar actualizaciones sin provocar tiempos de inactividad, Kubernetes proporciona un marco robusto para satisfacer las demandas cambiantes de aplicaciones modernas.
¿Cuáles son las ventajas del uso de Google Cloud para proyectos serverless?
Elegir Google Cloud para despliegues serverless otorga varias ventajas significativas:
- Escalabilidad automática: Responde rápidamente a incrementos en la demanda, asignando automáticamente más recursos.
- Reducción de costos operativos: Paga solo por el uso real de los recursos, liberando de gastos innecesarios en mantenimiento de servidores.
- Facilidad de integración: Con opciones como BigQuery y Firebase, permite extender funcionalidades de forma transparente.
- Mayor enfoque en el desarrollo: Permite a los equipos centrar sus esfuerzos en el desarrollo de nuevas características y no en la gestión de infraestructura.
Por tanto, trabajar con tecnologías serverless en Google Cloud impulsa no solo la innovación sino también la eficiencia empresarial, permitiéndote mantener un ritmo de producción alineado con las necesidades y expectativas de tus usuarios y clientes.

Para sacar el máximo provecho de estas herramientas y servicios, es aconsejable mantenerse actualizado a través de recursos educativos y prácticos, desarrollando habilidades que apoyen el avance y optimización de proyectos tecnológicamente avanzados en la nube.