Las canalizaciones de datos suelen realizarse según uno de los paradigmas extracción y carga (EL); extracción, carga y transformación (ELT), o extracción, transformación y carga (ETL). En este curso, abordaremos qué paradigma se debe utilizar para los datos por lotes y cuándo corresponde usarlo. Además, veremos varias tecnologías de Google Cloud para la transformación de datos, incluidos BigQuery, la ejecución de Spark en Dataproc, grafos de canalización en Cloud Data Fusion y procesamiento de datos sin servidores en Dataflow. Los estudiantes obtienen experiencia práctica en la compilación de componentes de canalizaciones de datos en Google Cloud con Qwiklabs.
JB
excelente material, buena explicación de conceptos claves para la creación de pipelines, y porque elegir dataflow en vez de datafusion
HB
Excelente curso, muy bien explicado, las parcticas son muy utiles
JT
se me presentaron varios problemas con los laboratorios
C
Útil para comprender las herramientas que te da GCP para crear grandes canalizaciones de datos
Showing: 6 of 6
excelente material, buena explicación de conceptos claves para la creación de pipelines, y porque elegir dataflow en vez de datafusion
Excelente curso, muy bien explicado, las parcticas son muy utiles
Excelentes laboratorios
Útil para comprender las herramientas que te da GCP para crear grandes canalizaciones de datos
se me presentaron varios problemas con los laboratorios
No selfcontained