Cloud Digital Leader / Lecciones en español · English
Lecciones de Cloud Digital Leader Cloud Digital Leader
- Qué es la computación en la nube y por qué impulsa la transformación digital
- Beneficios de negocio de la nube: escalabilidad, elasticidad, agilidad, confiabilidad y valor estratégico
- CapEx vs. OpEx y costo total de propiedad (TCO) al migrar a la nube
- Opciones de implementación: on-premises, nube privada, nube pública, nube híbrida y multinube
- Modelos de servicio en la nube: IaaS, PaaS, SaaS y serverless, y qué administra el cliente en cada uno
- El modelo de responsabilidad compartida y cómo cambia según el modelo de servicio
- Infraestructura global de Google Cloud: regiones, zonas, puntos de presencia en el borde y la red privada de Google
- Fundamentos del rendimiento de red: ancho de banda, latencia y elegir ubicaciones cercanas a los usuarios
- Código abierto, estándares abiertos y cómo evitar la dependencia de un proveedor
- Liderar la transformación digital: cultura, habilidades y gestión del cambio en la adopción de la nube
- Por qué importan los datos: usarlos para impulsar decisiones, productos e innovación
- Datos estructurados, semiestructurados y no estructurados
- Bases de datos, data warehouses y data lakes: para qué sirve cada uno
- Cloud Storage y sus clases de almacenamiento: Standard, Nearline, Coldline y Archive
- Bases de datos relacionales en Google Cloud: Cloud SQL, AlloyDB y Spanner
- Bases de datos no relacionales en Google Cloud: Firestore y Bigtable
- BigQuery: data warehouse serverless y analítica
- Streaming y procesamiento de datos: Pub/Sub, Dataflow y Dataproc
- Inteligencia de negocios con Looker y Looker Studio
- Mover datos a Google Cloud: Database Migration Service, BigQuery Data Transfer Service, Storage Transfer Service y Transfer Appliance
- Gobernanza de datos: calidad, seguridad, control de acceso y catalogación
- Inteligencia artificial, aprendizaje automático e IA generativa: definiciones y diferencias
- Problemas de negocio que el aprendizaje automático puede resolver, y cuándo el ML no es la herramienta adecuada
- Calidad de datos para el aprendizaje automático: precisión, completitud, representatividad y sesgo
- IA responsable: los Principios de IA de Google, equidad, explicabilidad, privacidad y rendición de cuentas
- APIs de IA preentrenadas: Vision, Natural Language, Speech-to-Text, Text-to-Speech y Translation
- BigQuery ML: crear y usar modelos con SQL donde ya están los datos
- Vertex AI: la plataforma unificada de ML, AutoML y entrenamiento personalizado
- Elegir un enfoque de IA: API preentrenada, BigQuery ML, AutoML o modelo personalizado
- IA generativa en Google Cloud: modelos Gemini, Vertex AI Model Garden y Vertex AI Studio
- Grounding, agentes, y búsqueda y conversación con IA para empresas
- Infraestructura de IA: GPUs y Tensor Processing Units (TPUs)
- Por qué modernizar: beneficios de llevar la infraestructura y las aplicaciones a la nube
- Enfoques de migración: retirar, retener, rehospedar (lift and shift), replataformar, refactorizar y reimaginar
- Máquinas virtuales con Compute Engine: tipos de máquina, grupos de instancias administrados y escalado automático
- Conservar las plataformas existentes: Google Cloud VMware Engine y Bare Metal Solution
- Contenedores: qué son y por qué hacen portables a las aplicaciones
- Google Kubernetes Engine (GKE): Kubernetes administrado en los modos Standard y Autopilot
- Computación serverless: Cloud Run, Cloud Run functions y App Engine
- Elegir el cómputo para una carga de trabajo: VMs vs. contenedores vs. serverless
- Monolitos vs. microservicios y modernización de aplicaciones
- APIs y administración de APIs con Apigee
- Nube híbrida y multinube con GKE Enterprise (antes Anthos)
- Conceptos básicos de seguridad: confidencialidad, integridad, disponibilidad, privacidad, control y cumplimiento
- Seguridad en la nube vs. seguridad on-premises, y la responsabilidad compartida de la seguridad
- Amenazas comunes en la nube: configuraciones erróneas, credenciales comprometidas, phishing, malware y ransomware
- Confianza cero y defensa en profundidad
- La infraestructura segura de Google: centros de datos, hardware personalizado, chips Titan y la red privada
- Cifrado en reposo y en tránsito, y administración de claves con Cloud KMS
- Administración de identidades y accesos: principales, roles, mínimo privilegio y verificación en dos pasos
- Seguridad de red y perímetro: reglas de firewall, Cloud Armor y VPC Service Controls
- Operaciones de seguridad: Security Command Center, logs de auditoría y Google Security Operations
- Residencia de datos, soberanía de datos y Assured Workloads
- Cumplimiento y transparencia: reportes de cumplimiento, Access Transparency y los principios de confianza de Google
- Gobernanza financiera de la nube y FinOps: responsabilidad compartida sobre el costo de la nube
- La jerarquía de recursos de Google Cloud: organización, carpetas, proyectos y recursos
- Herencia de políticas: políticas de permisos de IAM y políticas de la organización a lo largo de la jerarquía
- Controlar los costos: cuentas de facturación, presupuestos y alertas, cuotas, etiquetas y exportación de facturación
- Modelos de precios y descuentos: pago por uso, descuentos por uso continuo, descuentos por compromiso de uso y Spot VMs
- Principios de DevOps y de Site Reliability Engineering (SRE)
- SLIs, SLOs, SLAs y presupuestos de error
- Confiabilidad y recuperación ante desastres: redundancia entre zonas y regiones, respaldos, RTO y RPO
- Google Cloud Observability: Cloud Monitoring, Cloud Logging, Cloud Trace y Error Reporting
- Google Cloud Customer Care: planes de soporte y cuándo usarlos
- Sostenibilidad: las metas de energía libre de carbono de Google, las regiones de bajo carbono y la herramienta Carbon Footprint