A Tour of Google Cloud Hands-on Labs
Resumen completo del laboratorio introductorio GSP282, donde se recorre la consola de Google Cloud, los proyectos, IAM y la habilitación de APIs.
A Tour of Google Cloud Hands-on Labs
Objetivos de aprendizaje
- Acceder a la Google Cloud Console con credenciales temporales del lab.
- Reconocer los elementos del entorno Qwiklabs/Skills Boost: panel de detalles, timer, Start/End Lab.
- Explorar proyectos de Google Cloud y entender su propósito.
- Navegar servicios desde el menú principal de la consola.
- Revisar y modificar permisos básicos con Cloud IAM.
- Habilitar una API desde la API Library (Dialogflow).
Contexto del laboratorio
Este laboratorio funciona como un recorrido guiado por la consola de Google Cloud.
Al iniciar, se crea un proyecto temporal donde se realizan todas las tareas. Las credenciales y el proyecto se eliminan automáticamente al terminar el lab o cuando expira el tiempo.
Se indica usar navegación de incógnito y no mezclar cuentas personales con las credenciales del lab.
1. Entorno del Lab y Acceso a la Consola
Panel “Lab details”
Incluye:
- Botón Open Google Cloud Console
- Username y Password temporales del lab
- Project ID asignado automáticamente
Las credenciales solo funcionan mientras el timer del lab está activo.
Acceso a la consola
- Se hizo clic en Start Lab para crear el proyecto temporal.
- Desde Open Google Cloud Console, se abrió la consola en una nueva pestaña.
- Se eligió “Use another account” y se ingresaron el email y password del lab.
- Se aceptaron términos de servicio.
Una vez autenticado, la consola queda asociada al proyecto temporal del lab.
2. Proyectos de Google Cloud: Vista y Exploración
El laboratorio introduce el concepto de Google Cloud Project, que agrupa todos los recursos: VMs, redes, bases de datos, APIs, permisos, etc.
Qué se hizo:
- En la tarjeta Project Info se revisaron:
- Project Name
- Project Number
- Project ID
- En el selector de proyectos de la barra superior se abrió la vista All.
- Allí se observó otro proyecto: Qwiklabs Resources, un proyecto compartido en modo lectura que contiene recursos comunes.
- Se aclaró que no se debe cambiar a Qwiklabs Resources; todo el trabajo se hace en el proyecto temporal asignado.
El concepto principal: cada laboratorio usa un proyecto independiente que desaparece al finalizar.
3. IAM: Roles y Permisos
Roles básicos revisados
- Viewer: acceso solo lectura
- Editor: lectura + modificación de recursos
- Owner: todo, incluyendo gestión de permisos e IAM
La cuenta del lab (student…) suele tener rol Editor.
Ejercicio práctico: asignar un rol a otro usuario
- Se entró en Navigation menu → IAM & Admin → IAM.
- Se hizo clic en Grant Access.
- Se ingresó una segunda cuenta de estudiante provista por el lab.
- Se le asignó el rol Viewer.
- Se guardaron los cambios y se verificó que apareciera en la lista.
Este paso demuestra cómo dar acceso a otros usuarios dentro de un proyecto.
4. Habilitación de APIs
El laboratorio muestra cómo usar la API Library para activar servicios en un proyecto.
Pasos realizados:
- Ir a Navigation menu → APIs & Services → Library.
- Buscar Dialogflow API.
- Abrirla y presionar Enable.
- Confirmar que la API aparece como habilitada.
- Examinar la documentación mediante Try this API.
Con esto se aprende que cualquier servicio de Google Cloud debe estar habilitado antes de usarse.
5. Cierre del Lab
Para finalizar:
- Desde la interfaz del lab se presionó End Lab.
- Se envió la evaluación (opcional).
- El proyecto temporal se eliminó por completo.
- La sesión de la consola quedó invalidada automáticamente.
Todo rastro del proyecto desaparece al cerrar el lab.
Conclusiones
- Se recorrió la consola de Google Cloud desde cero.
- Se entendió cómo funcionan los proyectos temporales del sistema de labs.
- Se revisaron roles y permisos en IAM y se añadió un nuevo principal con rol Viewer.
- Se aprendió a habilitar APIs usando la API Library.
- Se comprendió el ciclo de vida completo del entorno del lab: iniciar, trabajar y destruir el proyecto temporal.
Este laboratorio sirve como base para labs más avanzados de Compute Engine, Cloud Shell, redes, bases de datos y arquitecturas en Google Cloud.
Audio como Dato: Procesamiento y Análisis
Pipeline completo de procesamiento de audio digital: carga de señales, análisis temporal y frecuencial, extracción de características (MFCCs, espectrogramas) y aplicaciones de machine learning con librosa.
Práctica 16: Creating a Data Transformation Pipeline with Cloud Dataprep
Uso de Cloud Dataprep de Alteryx para explorar, limpiar y preparar datos de comercio electrónico para su análisis en BigQuery.