Ciencia de Datos en la Plataforma en la Nube de Google, 2ª Edición

Índice

A

• control de acceso, Google BigQuery, Control deacceso-Control de acceso
• función de activación, Hacia modelos más complejos
• datos de flujo agregados, Agregación deflujo-Agregación de flujo
  • (ver también funciones de agregación de ventana temporal)
• arquitectura ágil, Arquitectura ágil para la ciencia de datos en losservicios gestionados en la nube de Google
  • definida, ¿Qué es la arquitectura ágil?
  • servicios gestionados, Utilizar servicios gestionados
  • decisiones no-code/low-code, No-Code, Low-Code
• corredores de tráfico aéreo, Representación de los corredores de tráfico aéreo
• Datos sobre la puntualidad de las líneas aéreas, Datos sobre la puntualidad de las líneasaéreas-Campos del conjunto de datos
• almacén de datos analíticos, Interactuar con la base de datos
  • (ver también BigQuery)
• Centro deAnálisis, Dataplex y Centro de Análisis
• El cuarteto de Anscombe, Análisis Exploratorio de Datos
• Apache Airflow, Cloud Composer
• Apache Beam
  • aumentar el conjunto de datos con características agregadas utilizando, Apache Beam y Cloud Dataflow
  • dosificación, Predicciones de dosificación
  • construcción de pipelines de datos, Apache Beam/Cloud Dataflow
  • filtrar eventos, Filtrar
  • entradaysalida, Entraday Salida-Inputand Output
  • instalación en entorno Python, análisis de datos de aeropuertos
  • modelo deinvocación, Modelo de invocación
  • Posibles sumideros destreaming, Posibles sumideros de streaming - Consultadesde Cloud Bigtable
  • Sintaxis de Python, Análisis de datos de aeropuertos
  • reutilizar stub de endpoint, Reutilizarinstancia de ...