Google Cloud Platform

Construyendo un modelo de regresión logística con BigQuery ML en GCP

Aprende cómo utilizar BigQuery ML para construir modelos de regresión logística con los que poder clasificar los datos de nuestra empresa de forma sencilla.

Impartido por:

4.0 (1 valoraciones)
37 minutos y 30 segundos · Curso
Modelo de regresión logística con BigQuery ML en GCP

Lo que aprenderás en este curso:

  • Implementar una instancia de Vertex AI Workbench.
  • Crear un modelo de regresión logística con BigQuery ML.
  • Evaluar modelos de ML.
  • Hacer predicciones con los modelos construidos.

Requisitos del curso

Para un mejor aprovechamiento de esta formación, se recomienda estar familiarizado con una variedad de servicios de Google Cloud como BigQuery y Vertex AI, así como tener una comprensión básica de los conceptos y términos relacionados con la IA y el ML.

Valoraciones de estudiantes:

  • 5
  • 4
  • 3
  • 2
  • 1
4.0
1 valoracion

Contenido del curso:

    • 3m
    • Introducción a BigQuery ML y VertexAI
      6m
    • Desarrollo
      23m
    • Conclusiones y próximos pasos
      3m
También te puede interesar

Te dejamos una selección de cursos, carreras y artículos

Copiar tablas de BigQuery con Google Cloud Composer

Copiando tablas de BigQuery en diferentes ubicaciones con Google Cloud Composer

42 minutos y 40 segundos · Curso

En esta formación aprenderá a crear y ejecutar un flujo de trabajo de Apache Airflow en Cloud Composer. Esto nos será útil para copiar tablas …

  • Google Cloud Platform
Consultas en eCommerce con GCP BigQuery

Consultando datos de eCommerce con GCP BigQuery

39 minutos y 37 segundos · Curso

En una tabla de BigQuery, se cargó un conjunto de datos de comercio electrónico recientemente disponible que incluye millones de registros de Google Analytics para …

  • Google Cloud Platform

Dudas frecuentes

1

¿Cuándo comienza la formación?

En OpenWebinars las formaciones no tienen fecha de inicio y de final.

Cada curso tiene una fecha de publicación y desde ese día estarán 100% disponible todos los contenidos del curso para los usuarios suscritos a alguno de nuestros planes.

2

¿Cuál es el precio?

En OpenWebinars no vendemos formaciones.

Tenemos diferentes tipos de suscripciones, que te dará acceso completo a todas las formaciones de la plataforma y a las nuevas que vamos lanzando, siempre y cuando tu suscripción esté activa (como Spotify con la música o Netflix con las películas y series).

¿Eres una empresa? Tenemos planes especiales para ti. Consúltanos aquí.

3

¿Puedo obtener un diploma que acredite mis conocimientos?

Efectivamente, una vez superada cada formación, podrás descargarte el diploma acreditativo de cada una de ellas. Añádelas a tu CV y mejora tu perfil para las empresas.

También podrás obtener un diploma de nivel superior al superar todas las formaciones de la lista.

Este curso práctico se centra en mostrar de forma práctica cómo usar la herramienta Google BigQuery ML para construir un modelo de regresión logística que nos permita clasificar los datos de nuestra organización.

BigQuery no es solo un almacén de datos altamente escalable y sin servidor, sino que también es una excelente plataforma de aprendizaje automático.

Los conocimientos previos requeridos para realizar esta formación y sacarle partido a la misma, comprendiendo todo lo explicado, son estar familiarizado con los servicios de Google Cloud, como BigQuery y Vertex AI, así como tener una comprensión básica de los conceptos y términos relacionados con cloud computing, la Inteligencia Artificial y el Machine Learning.

Durante el desarrollo de la formación, el profesor irá realizando los pasos necesarios de una forma práctica, para que comprendas y aprendas todo de forma muy visual y rápida. Primero se realizará la implementación de una instancia de Vertex AI Workbench para crear un modelo de regresión logística con BigQuery ML.

Después se realizará la evaluación del modelo de ML y se harán predicciones con los modelos construidos, para acabar con la creación, evaluación y predicción del modelo agregando información adicional al mismo.

Artículos
Ver todos