Tomás Fernández
Miembro desde 2025
Liga de Plata
33803 puntos
Miembro desde 2025
Te damos la bienvenida al curso "Infraestructura de IA: técnicas de redes". En él, aprenderás a aprovechar la infraestructura de baja latencia y alto ancho de banda de Google Cloud para optimizar la transferencia de datos y la comunicación entre todos los componentes de tu sistema de IA. Al final del curso, comprenderás el papel fundamental que desempeñan las redes en todo la canalización de IA, desde la transferencia y el entrenamiento de datos hasta la inferencia, y podrás aplicar las prácticas recomendadas para garantizar que tus cargas de trabajo se ejecuten a la máxima velocidad.
En este curso, realizarás un recorrido completo por las soluciones de almacenamiento disponibles en Google Cloud, diseñadas específicamente para cargas de trabajo de IA y computación de alto rendimiento (HPC). Aprenderás a elegir el almacenamiento adecuado para cada etapa del ciclo de vida del AA. Explorarás cómo optimizar el rendimiento de E/S durante el entrenamiento, administrar conjuntos de datos masivos para la preparación de datos y entregar artefactos de modelos con baja latencia. A través de ejemplos prácticos y demostraciones, obtendrás experiencia para diseñar soluciones de almacenamiento sólidas que aceleren tu innovación en IA.
Convierte tu comprensión de los agentes en una realidad práctica creando, configurando y ejecutando tu primer agente de IA con el Kit de desarrollo de agentes (ADK) de Google. En este curso práctico, configurarás un entorno de desarrollo de ADK completo, crearás agentes con código de Python y configuración de YAML, y los ejecutarás a través de múltiples interfaces. También aprenderás cuáles son los parámetros principales que definen el comportamiento de los agentes, por lo que usarás lo aprendido en el curso 1 y lo aplicarás con código real.
En este curso, se proporciona una guía completa para implementar, administrar y optimizar cargas de trabajo de IA y computación de alto rendimiento (HPC) en Google Cloud. A través de una serie de lecciones y demostraciones prácticas, explorarás diversas estrategias de implementación, que van desde entornos altamente personalizables que utilizan Google Compute Engine (GCE) hasta soluciones administradas como Google Kubernetes Engine (GKE). Específicamente, aprenderás a crear clústeres y a implementar GKE para realizar inferencia.
Te damos la bienvenida al curso de TPU de Cloud. Exploraremos las ventajas y desventajas de las TPU en varios escenarios y compararemos diferentes aceleradores de TPU para ayudarte a elegir el más adecuado. Aprenderás estrategias para maximizar el rendimiento y la eficiencia de tus modelos de IA y comprenderás la importancia de la interoperabilidad entre GPU y TPU para los flujos de trabajo de aprendizaje automático flexibles. A través de contenido atractivo y demostraciones prácticas, te guiaremos paso a paso para aprovechar las TPU de manera eficaz.
¿Sientes curiosidad por el potente hardware detrás de la IA? Este módulo analiza las computadoras de IA optimizadas para el rendimiento y muestra por qué son tan importantes. Exploraremos cómo las CPU, GPU y TPU hacen que las tareas de IA sean súper rápidas, qué hace que cada una sea única y cómo el software de IA las aprovecha al máximo. Al finalizar, sabrás exactamente cómo elegir la GPU adecuada para tus proyectos de IA, lo que te ayudará a tomar decisiones inteligentes para tus cargas de trabajo de IA.
Con este curso, podrás comenzar a usar AI Hypercomputer fácilmente. Abordaremos los conceptos básicos sobre qué es y cómo ayuda a la IA con las cargas de trabajo. Conocerás los diferentes componentes de las hipercomputadoras, como las GPU, las TPU y las CPU, y descubrirás cómo elegir el enfoque de implementación adecuado para tus necesidades.
Agentes de IA generativa: transforma tu organización es el quinto y último curso de la ruta de aprendizaje Líder de IA generativa. En este curso, se analiza cómo las organizaciones pueden usar agentes de IA generativa personalizados para abordar desafíos empresariales específicos. Puedes obtener experiencia práctica a través de la creación de un agente de IA básico mientras exploras los componentes de estos agentes, como los modelos, los bucles de razonamiento y las herramientas.
Apps de IA generativa : transforma tu trabajo es el cuarto curso de la ruta de aprendizaje de Líder de IA generativa. En este curso, se presentan las aplicaciones de IA generativa de Google, como Gemini para Workspace y NotebookLM. Te brinda orientación sobre los conceptos como la fundamentación, la generación mejorada por recuperación, la creación de instrucciones eficaces y el desarrollo de flujos de trabajo automatizados.
IA generativa: explora el panorama es el tercer curso de la ruta de aprendizaje de Líder de IA generativa. La IA generativa está cambiando la manera en la que interactuamos y trabajamos con el mundo que nos rodea. Pero, como líder, ¿cómo puedes aprovechar su poder para generar resultados comerciales reales? En este curso, explorarás las diferentes capas del desarrollo de soluciones de IA generativa, las ofertas de Google Cloud y los factores que se deben considerar cuando se selecciona una solución.
IA generativa: descubre los conceptos fundamentales es el segundo curso de la ruta de aprendizaje de Líder de IA generativa. En este curso, descubrirás los conceptos fundamentales de la IA generativa explorando las diferencias entre esta, el AA y la IA, y comprendiendo cómo los diferentes tipos de datos permiten abordar desafíos empresariales con la IA generativa. También conocerás las estrategias de Google Cloud para abordar las limitaciones de los modelos de base y los desafíos clave para desarrollar e implementar la IA de forma responsable y segura.
IA generativa: más allá del chatbot es el primer curso de la ruta de aprendizaje de Líder de IA generativa y no tiene requisitos previos. El objetivo de este curso es profundizar los conocimientos básicos sobre chatbots para explorar el verdadero potencial de la IA generativa para tu organización. Explorarás conceptos como los modelos de base y la ingeniería de instrucciones, que son fundamentales para aprovechar el poder de la IA generativa. Este curso también te sirve como guía para las consideraciones importantes que debes tener cuando desarrollas una estrategia de IA generativa exitosa para tu organización.
En este curso, se muestra cómo usar modelos de IA/AA para tareas de IA generativa en BigQuery. A través de un caso de uso práctico relacionado con la administración de relaciones con clientes, conocerás el flujo de trabajo para solucionar un problema empresarial con modelos de Gemini. Para facilitar la comprensión, el curso también proporciona orientación paso a paso a través de soluciones de programación utilizando consultas en SQL y notebooks de Python.
Completa la insignia de habilidad introductoria Prepara datos para las APIs de AA en Google Cloud y demuestra tus habilidades para realizar las siguientes actividades: limpiar datos con Dataprep de Trifacta, ejecutar canalizaciones de datos en Dataflow, crear clústeres y ejecutar trabajos de Apache Spark en Managed Service for Apache Spark y llamar a APIs de AA, como la API de Cloud Natural Language, la API de Google Cloud Speech-to-Text y la API de Video Intelligence.
Obtén la insignia de habilidad intermedia Ingeniería de datos para crear modelos predictivos con BigQuery ML y demuestra tus capacidades para crear canalizaciones de transformación de datos en BigQuery con Dataprep de Trifacta; usar Cloud Storage, Dataflow y BigQuery para crear flujos de trabajo de extracción, transformación y carga (ETL), y crear modelos de aprendizaje automático con BigQuery ML.
En este curso, se explora Gemini en BigQuery, un conjunto de funciones potenciadas por IA que se diseñaron para asistir el flujo de trabajo de datos a IA. Estas funciones incluyen la exploración y preparación de datos, la generación de código y la solución de problemas, así como el descubrimiento y la visualización de flujos de trabajo. A través de explicaciones conceptuales, un caso de uso práctico y labs prácticos, en este curso se les enseña a los especialistas en datos a impulsar su productividad y acelerar la canalización de desarrollo.
Completa la insignia de habilidad intermedia Crea un almacén de datos con BigQuery para demostrar tus habilidades para realizar las siguientes actividades: unir datos para crear tablas nuevas, solucionar problemas de uniones, agregar datos a uniones, crear tablas particionadas por fecha, y trabajar con JSON, arrays y structs en BigQuery.
Este curso corresponde a la 1ª parte de una serie de 3 cursos llamada Procesamiento de datos sin servidores con Dataflow. Para comenzar, en el primer curso haremos un repaso de qué es Apache Beam y cómo se relaciona con Dataflow. Luego, hablaremos sobre la visión de Apache Beam y los beneficios que ofrece su framework de portabilidad. Dicho framework hace posible que un desarrollador pueda usar su lenguaje de programación favorito con su backend de ejecución preferido. Después, le mostraremos cómo Dataflow le permite separar el procesamiento y el almacenamiento y, a la vez, ahorrar dinero. También le explicaremos cómo las herramientas de identidad, acceso y administración interactúan con sus canalizaciones de Dataflow. Por último, veremos cómo implementar el modelo de seguridad adecuado en Dataflow según su caso de uso.
La incorporación del aprendizaje automático en las canalizaciones de datos aumenta la capacidad para extraer estadísticas de los datos. En este curso, veremos formas de incluir el aprendizaje automático en las canalizaciones de datos en Google Cloud. Para una personalización escasa o nula, en el curso se aborda AutoML. Para obtener más capacidades de aprendizaje automático a medida, el curso presenta Notebooks y BigQuery Machine Learning (BigQuery ML). Además, en este curso se aborda cómo llevar a producción soluciones de aprendizaje automático con Vertex AI.
En este curso, adquirirás experiencia práctica para superar los desafíos del mundo real que se presentan cuando se crean canalizaciones de datos de transmisión. El enfoque principal es administrar datos continuos y no delimitados con los productos de Google Cloud.
En este curso, aprenderás sobre la ingeniería de datos en Google Cloud, los roles y las responsabilidades de los ingenieros de datos y cómo estos se corresponden con las ofertas de Google Cloud. También aprenderás sobre los métodos para enfrentar los desafíos de la ingeniería de datos.
En este curso intermedio, aprenderás a diseñar, crear y optimizar canalizaciones de datos por lotes sólidas en Google Cloud. Más allá del manejo de datos fundamental, explorarás las transformaciones de datos a gran escala y la organización eficiente de flujos de trabajo, lo que es primordial para la inteligencia empresarial oportuna y los informes esenciales. Obtén experiencia práctica con Dataflow para Apache Beam y Serverless for Apache Spark (Dataproc Serverless) para la implementación, y aborda consideraciones cruciales respecto de la calidad de los datos, la supervisión y las alertas para garantizar la confiabilidad de la canalización y la excelencia operativa. Se recomienda tener conocimientos básicos sobre almacenamiento de datos, ETL/ELT, SQL, Python y conceptos de Google Cloud.
Si bien los enfoques tradicionales de usar data lakes y almacenes de datos pueden ser eficaces, tienen deficiencias, en particular en entornos empresariales grandes. En este curso, se presenta el concepto del data lakehouse y los productos de Google Cloud que se usan para crear uno. Una arquitectura de lakehouse usa fuentes de datos de estándares abiertos y combina las mejores funciones de los data lakes y los almacenes de datos, lo que aborda muchas de sus deficiencias.
Este curso ayuda a los participantes a crear un plan de estudio para el examen de certificación PDE (Professional Data Engineer). Los alumnos conocerán la amplitud y el alcance de los dominios que se incluyen en el examen. Además, evaluarán su nivel de preparación para el examen y crearán un plan de estudio personal.