Formación

Desarrollo de aplicaciones con Google Cloud Platform

Inscríbete

Modalidad:

En línea, en persona

En Matza Education, cada curso de formación está diseñado para ofrecer conocimientos prácticos y relevantes, conectando teoría y aplicación en escenarios reales. Nuestro objetivo es preparar a los profesionales para los retos del mercado, reforzando las competencias técnicas y estratégicas en diferentes áreas de la tecnología y la gestión.

Al participar en uno de nuestros programas, tendrá acceso a contenidos actualizados, formadores experimentados y una metodología orientada a los resultados. Independientemente del formato -presencial u online-, nuestro objetivo es crear una experiencia de aprendizaje dinámica, accesible y de gran impacto.

Más que un curso, cada programa de formación es una oportunidad de desarrollo profesional y personal, que le ayudará a obtener certificaciones, ampliar sus conocimientos y destacar en un mercado cada vez más competitivo.

Importante: debe confirmar el correo electrónico que recibió tras inscribirse para validar su participación.

  • Analistas de datos, analistas empresariales, profesionales de la inteligencia empresarial.
  • Ingenieros de datos en la nube que se asociarán con analistas de datos para crear soluciones de datos escalables en Google Cloud Platform.

Descripción del curso

¿Quiere saber cómo consultar y procesar petabytes de datos en cuestión de segundos? ¿Siente curiosidad por el análisis de datos que se amplía automáticamente a medida que crecen sus datos? Bienvenido al curso "Data Insights". Este curso de tres días impartido por un instructor enseña a los participantes a obtener información mediante el análisis y la visualización de datos con Google Cloud Platform. En este curso, se presentan escenarios interactivos y laboratorios prácticos en los que los participantes exploran, minan, cargan, visualizan y extraen información de varios conjuntos de datos de Google BigQuery. Cubrimos la carga de datos, consultas, modelado de esquemas, optimización del rendimiento, precios de consulta, visualización de datos y aprendizaje automático.

Habilidades que aprenderán los participantes

  • Obtenga información sobre los datos mediante las herramientas de análisis y visualización de Google Cloud Platform.
  • Consulta de conjuntos de datos de forma interactiva mediante Google BigQuery.
  • Cargue, limpie y transforme datos a escala.
  • Visualización de datos mediante Google Data Studio y otras plataformas de terceros.
  • Distinguir entre análisis exploratorios y explicativos y cuándo utilizar cada enfoque.
  • Explore nuevos conjuntos de datos y descubra perspectivas ocultas de forma rápida y eficaz.
  • Optimice los modelos de datos y las consultas en cuanto a precio y rendimiento.

Criterios de participación

  • Conocimientos básicos de ANSI SQL

3 días - 24 horas - En directo en línea

  • Módulo 1: Introducción a los datos en Google Cloud Platform
    • Destacan los retos a los que se enfrentan los analistas de datos
    • Comparación entre Big Data local y en la nube
    • Conozca casos reales de empresas transformadas por la analítica en la nube
    • Navegación por los elementos básicos del proyecto Google Cloud Platform
    • Laboratorio: Introducción a Google Cloud Platform
  • Módulo 2: Visión general de las herramientas de Big Data
    • Instrucciones para las tareas de análisis de datos, retos e introducción a las herramientas de datos GCP
    • Demostración: Análisis de 10.000 millones de registros con Google BigQuery
    • Investigación de nueve características clave de Google BigQuery
    • Comparación de herramientas de BPC para analistas, científicos de datos e ingenieros de datos
    • Laboratorio: Investigación de conjuntos de datos con Google BigQuery
  • Módulo 3: Análisis de datos con SQL
    • Comparación de técnicas habituales de exploración de datos
    • Aprenda a codificar SQL estándar de alta calidad
    • Investigación de los conjuntos de datos públicos de Google BigQuery
    • Vista previa: Google Data Studio
    • Laboratorio: Resolución de errores SQL comunes
  • Módulo 4: Precios de Google BigQuery
    • Instrucciones de trabajo de BigQuery
    • Cálculo del precio de BigQuery: costes de almacenamiento, consulta y streaming
    • Optimización de las consultas en función de los costes
    • Laboratorio: cálculo de precios de Google BigQuery
  • Módulo 5: Limpieza y transformación de datos
    • Análisis de los cinco principios de integridad de los conjuntos de datos
    • Caracterización de la forma y la desviación del conjunto de datos
    • Depuración y transformación de datos mediante SQL
    • Limpieza y transformación de datos mediante Cloud Dataprep
    • Laboratorio: Exploración y modelización de datos con Cloud Dataprep
  • Módulo 6: Almacenamiento y exportación de datos
    • Comparación de tablas permanentes y temporales
    • Recuperación y exportación de los resultados de las consultas
    • Previsión de rendimiento: caché de consultas
    • Laboratorio: Cómo crear nuevas tablas permanentes
  • Módulo 7: Ingesta de nuevos conjuntos de datos en Google BigQuery
    • Consulta de fuentes de datos externas
    • Prevención de trampas de ingestión de datos
    • Ingesta de nuevos datos en tablas permanentes
    • Debate sobre las inserciones en streaming
    • Laboratorio: ingestión y consulta de nuevos conjuntos de datos
  • Módulo 8: Visualización de datos
    • Visión general de los principios de visualización de datos
    • Enfoques de análisis exploratorio y explicativo
    • Demostración: interfaz de usuario de Google Data Studio
    • Conexión de Google Data Studio a Google BigQuery
    • Laboratorio: Exploración de un conjunto de datos en Google Data Studio
  • Módulo 9: Unir y fusionar conjuntos de datos
    • Fusión de tablas de datos históricos con UNION
    • Introducción a los comodines de tabla para facilitar las fusiones
    • Revisión de los esquemas de datos: vinculación de datos en varias tablas
    • Instrucciones sobre ejemplos y escollos con JOIN
    • Laboratorio: Cómo unir datos de varias tablas
  • Módulo 10: Funciones y cláusulas avanzadas
    • Revisión de las sentencias SQL case
    • Introducción a las funciones analíticas de ventana
    • Protección de datos con cifrado de campo unidireccional
    • Debate sobre el proyecto de subconsulta y los CTE eficaces
    • Comparación de las UDF de SQL y JavaScript
    • Laboratorio: Cómo obtener información con funciones SQL avanzadas
  • Módulo 11: Creación de esquemas y estructuras de datos anidadas
    • Comparación de BigQuery con la arquitectura de datos RDBMS tradicional
    • Normalización y desnormalización: ventajas e inconvenientes para el rendimiento
    • Revisión de la estafa: lo bueno, lo malo y lo feo
    • Matrices y datos anidados en Google BigQuery
    • Laboratorio: Cómo consultar datos repetidos y anidados
  • Módulo 12: Más visualizaciones con Google Data Studio
    • Cómo crear sentencias CASE y campos calculados
    • Cómo evitar las trampas de rendimiento con el almacenamiento en caché
    • Cómo compartir los cuadros de mando y analizar las consideraciones relativas al acceso a los datos
  • Módulo 13: Optimización del rendimiento
    • Evite los problemas de rendimiento de Google BigQuery
    • Evitar el uso excesivo de puntos de acceso en sus datos
    • Diagnóstico de problemas de rendimiento con el mapa de explicación de consultas
    • Laboratorio: Cómo optimizar y resolver problemas de rendimiento de las consultas
  • Módulo 14: Conocimientos avanzados
    • Introducción a Cloud Datalab
    • Cuadernos y celdas Cloud Datalab
    • Ventajas de Cloud Datalab
  • Módulo 15: Acceso a los datos
    • Comparación de las funciones de los conjuntos de datos IAM y BigQuery
    • Evite las trampas de acceso
    • Revisión de miembros, funciones, organizaciones, gestión de cuentas y cuentas de servicio