6.1 Introduccion | A2 Capacitación

Reproducción Automática
Autocompletar

Clase Previa Completar y Continuar

CIENCIA DE DATOS CON GOOGLE CLOUD

Capítulo 1

1.-Intro y bienvenida al curso (2:31)
2.-Flujo de Datos - full stack data science (8:12)
3.-El problema del vendedor viajero (8:58)
4.-Google Cloud (4:10)

Capítulo 2

Material de curso
1-- Introduccion y tiempos de vuelo (4:46)
2-- Causalidad y Training Serving Skey (5:56)
3-- Los Datos (8:32)
4-- ETL vs ELT (3:53)
5-- 3 Maneras de Procesar Datos (8:07)
6-- Bajar el primer archivo (9:28)
7-- Script de Descarga (12:50)
8-- Camtasia Descargar los 12 Archivos (4:51)
9-- Subir a Google Cloud (8:28)
10-- Caracteristicas de Big Query (5:25)
11-- Primero Cloud Storage (1:00)
12--Cargar 1 mes a BigQuery (8:12)
13--Cargar todo a BigQuery (8:26)
14--Terminar y Resumen (4:16)

Capítulo 3

3-1 Introducción (2:13)
3-2 Por qué armar un dashboard (4:57)
3-3 Limpieza Inicial (12:35)
3-4 Crear una vista limpia (7:00)
3-5 Tabla de Contingencia (18:36)
3-6 Trabajando con Looker y Data Studio (6:21)
3-7 Creando el Dashboard Final (10:10)

Capítulo 4

4.1 Introducción (3:44)
4.2 Transformaciones necesarias (1:21)
4.3 Tabla Aeropuertos (6:33)
4.4 Apache Beam (4:07)
4.5 Leer los datos (13:01)
4.6 Agregar Zona Horaria (7:34)
4.8 Zona Horaria de Salida y Llegada (5:44)
4.7 Convertir horas a UTC (17:31)
4.9 Agregar Latitud y Longitud (2:03)
4.10 Ejecutar en Dataflow (10:07)
4.11 Ejecutar para todos los datos (4:03)

Capítulo 5

5-1-Introduccion (7:02)
5-2-Promedios de Retraso en la Salida (6:12)
5-3-Creacion del Cuaderno en Vertex Ai (2:11)
5-4-BigQuery en Jupyter (5:02)
5-5-Primeras Graficas en Jupyter (8:38)
5-6-Trabajar con los Sobresalientes (9:14)
5-8-Separar los datos de prueba de los de entrenamiento (7:19)
5-9-Entrenar y Evaluar (7:47)

Capítulo 6

Material
6.1 Introduccion
6.3 Apache Hadook
6.4 Como manejar un cluster (1:56)
6.5 Herramientas Apache
6.6 Prender un cluster (2:11)
6.7 Explicacion del nuevo modelo
6.8 revision de independencia (4:52)
6.9 Sesion de SPark
6.10 SQL train day (4:58)
6.11 Rehacer la gráfica de Hexágono (2:07)
6.12 Armar Cubetas (2:41)
6.13 Aplicar Bays (9:41)
6.14 Evaluar el Modelo (7:36)

Capítulo 7

Material
1.- Introduccion (1:45)
2. Regresion Logistica (5:37)
3- Biblioteca de ML en Spark (2:25)
4- Comenzando con ML en Spark (4:01)
5.- Regresion logistica en Spark (4:40)
6- Leer los Datos. (4:06)
7.- Preparar los Datos (3:50)
8- Entrenar el Modelo (9:39)
9.- Entender el comportamiento del modelo (7:11)
10- Evaluar el Modelo (9:54)

Capítulo 8

1-- Intro y Regresion Logistica Sencilla (10:14)
2.- Separar Datos e Interrogar el Modelo (6:40)
3_Calcular RMSE (6:31)
4- Agregar Variables Categoricas (2:11)
5_Modelo con XGBoost (4:27)
6_Revisar si el tiempo de taxiout varia por aeropuesto (6:16)
7- Calcular Taxi Out Promedio por Aeropuerto (2:55)
8- Ventanas Moviles (6:30)
9-- Modelo y Resultados (4:43)
10-- Incluir datos de horas y dias (7:30)
11- Cuando usar Low Code y Salida (3:55)

Capítulo 9

9-1 Introduccion-Correc (3:56)
9-2 Pasar Datos a Tensorflow (8:41)
9-3 Variables Globales e Importaciones comunes (4:43)
9-4 Funciones de Lectura (6:23)
9-6-- Armar el Modelo en Keras (4:54)
9-5-- Armar columnas de Variables en TF (8:22)
9-7-- Entrenar el modelo en keras (5:26)
9-8-- Cruzar Variables (12:45)
9-9 Crear y Entrenar el modelo ancho y profundo (9:15)

Capítulo 10

Material
10-1-Introduccion (4:44)
10-2-Crear la tabla de todos vuelos (6:31)
10-3-Preparar nuestro Ambiente (2:43)
10-4-Crear el script de model py (22:27)
10-5-Comenzar con trainvertexai (12:59)
10-6-Seguir con trainvertexai (9:03)
10-7-Terminamos el Curso! (2:02)

Teach online with

6.1 Introduccion

Contenidos Bloqueados

Si ya estas inscrito necesitarás ingresar.

Inscríbete en el curso para desbloquear