Material del curso GCP + AI Fundamentals de la Universidad Austral, año 2026.
Este repositorio reúne apuntes de clase, laboratorios guiados y prácticas Terraform para estudiar servicios de Google Cloud con foco en arquitectura, fundamentos operativos e infraestructura como código.
La secuencia importante es esta: concepto → lab → Terraform. No al revés. Si arrancás copiando infraestructura sin entender qué problema resuelve el servicio, estás construyendo sobre arena.
| Quiero... | Ir a |
|---|---|
| Leer el libro desde el índice fuente | src/SUMMARY.md |
| Empezar por la introducción del libro | src/README.md |
| Ver las prácticas Terraform | src/examples/README.md |
| Configurar el entorno local | docs/INSTALL.md |
- Para aprobar la materia hay que tener todos los laboratorios aprobados.
- Algunos laboratorios funcionan como checkpoint.
- Hay un parcial teórico multiple choice al final de la materia.
- La materia es promocionable con nota 7 o más.
- Leé la clase correspondiente y entendé el modelo mental del servicio.
- Hacé el lab para ver el comportamiento real en Google Cloud.
- Recién después revisá la práctica Terraform para ver cómo se modela como infraestructura.
- Si algo falla, explicá primero qué recurso esperabas crear y qué estado real quedó en GCP. Ese músculo vale más que memorizar comandos.
| Clase | Tema | Archivo |
|---|---|---|
| 1 | Introducción a la nube, regiones, zonas, billing e interacción con GCP | Clase 1.md |
| 2 | Recursos de cómputo, Compute Engine y Managed Instance Groups | Clase 2.md |
| 3 | Serverless: App Engine, Cloud Run Functions y Cloud Run Service | Clase 3.md |
| 4 | Almacenamiento: Cloud Storage, Cloud SQL y Firestore | Clase 4.md |
| 5 | Networking: VPC, subredes, CIDR, firewall y costos de red | Clase 5.md |
| 6 | IAM, jerarquía de recursos, roles, service accounts y guardrails | Clase 6.md |
| 7 | Terraform e Infrastructure as Code | Clase 7.md |
| 8 | Monitoreo, logging, tracing, profiling y alertas | Clase 8.md |
| 9 | Observabilidad, Ops Agent, OpenTelemetry y monitoreo de red | Clase 9.md |
Las prácticas están agrupadas por tipo de recurso en src/examples:
| Categoría | Índice |
|---|---|
| Cloud Run | src/examples/cloud-run |
| Balanceadores de carga | src/examples/load-balancer |
| Almacenamiento | src/examples/storage |
| IAM | src/examples/iam |
| Redes | src/examples/network |
| Terraform | src/examples/terraform |
| Monitoreo | src/examples/monitoring-and-alerts |
| Confiabilidad | src/examples/reliability |
| BigQuery | src/examples/bigquery |
| Vertex AI | src/examples/vertex-ai |
Cloud Shell: uso básico de CLI y herramientas de Google Cloud.Notas extra: apuntes complementarios.docs/INSTALL.md: instalación de mdBook y preprocesadores.
Para leer el material no necesitás compilar nada: podés abrir los Markdown dentro de src/.
Si querés levantar el libro como sitio local:
mdbook serveDespués abrí http://localhost:3000.
Para preparar el entorno completo, seguí la guía de instalación.
gcp/
├── book.toml # Configuración de mdBook
├── docs/
│ └── INSTALL.md # Guía de instalación local
├── src/
│ ├── README.md # Introducción interna del libro
│ ├── SUMMARY.md # Índice del libro
│ ├── Clase *.md # Apuntes de clase
│ ├── Cloud Shell.md # Recurso adicional
│ ├── Notas extra.md # Recurso adicional
│ └── examples/ # Labs y prácticas Terraform
├── book/ # Salida generada por mdBook
└── README.md # Este archivo
- Los conceptos se explican en español.
- Los nombres de servicios, comandos y recursos de GCP se mantienen en inglés cuando corresponde.
- Los labs muestran el camino guiado de aprendizaje.
- Las prácticas Terraform muestran una implementación reutilizable, no un reemplazo del razonamiento.
- No hardcodees
project_id, región, credenciales ni valores sensibles: parametrizá.
Docentes: Rodrigo Pazos, Mora Villa Abrille
Materia: GCP + AI Fundamentals
Universidad: Universidad Austral
Año: 2026