Todos los cursos

En este programa, el participante adquiere las habilidades que le permiten comprender y desplegar el ecosistema de Hadoop on-premise, es decir en su propia infraestructura, utilizando tecnologías de virtualización como docker y kubernete, e identifica plenamente como dicho ecosistema es desplegado en los principales proveedores cloud: AWS, Azure y GCP, utilizando para ello, los principales servicios auto-gestionados, estando así en la capacidad de satisfacer la demanda creciente del mercado, en relación a contar con profesionales con conocimientos en entornos Híbridos de Big Data (on-presmise & on-cloud), así mismo el participante aprende el lenguaje de programación Python requerido en el contexto de proyectos de Big Data para transformar los datos de formatos crudos (RAW) a formatos estructurados.

 Descargar Temario​​​​
 

En este programa, el participante adquiere las habilidades que le permiten comprender y desplegar el ecosistema de Hadoop on-premise, es decir en su propia infraestructura, utilizando tecnologías de virtualización como docker y kubernete, e identifica plenamente como dicho ecosistema es desplegado en los principales proveedores cloud: AWS, Azure y GCP, utilizando para ello, los principales servicios auto-gestionados, estando así en la capacidad de satisfacer la demanda creciente del mercado, en relación a contar con profesionales con conocimientos en entornos Híbridos de Big Data (on-presmise & on-cloud), así mismo el participante aprende el lenguaje de programación Python requerido en el contexto de proyectos de Big Data para transformar los datos de formatos crudos (RAW) a formatos estructurados.

 Descargar Temario​​​​
 

En el programa de Data Engineer II, el participante adquiere las habilidades cognitivas que le permiten entender, diseñar y desarrollar según sea el caso procesos ETL y/o ELT, siendo capaz de identificar los principales frameworks ETL/ELT, formándose en el uso aplicado de Pentaho Data Integration (PDI), la cual forma parte de la suite de analítica provista por la compañía japonesa HITACHI, esto le permitirá desarrollar casos de uso y pruebas de concepto para el tratamiento de datos por streaming en real time y/o near real time, todo ello con el despliegue de clusters con Apache Kafka y Apache Flink.

 D​​​​​​escargar Temario​​​​
 

Aprende a implementar soluciones de Cloud Big Data en la nube de Azure, desde la captura de datos hasta su explotación por medio de laboratorios 100% prácticos. En este programa aprenderás a utilizar herramientas de Big Data y Cloud como Azure SQL, Azure CLI, Data Studio, Azure VNets, Cosmos DB, Table Storage, Blob Storage, File Storage, Synapse Analytics, Spark sobre Databricks, HDInsight, Datafactory, Azure Functions, EventHub, Stream Analytics, entre muchas otras herramientas.
 
 

Aprende a implementar soluciones de Cloud Big Data en la nube de AWS, desde la captura hasta su explotación y visualización en tiempo real por medio de laboratorios prácticos: Kinesis Firehose, Kinesis Data Stream, DMS, S3, DynamoDB, WCU, Redshift, Lambda, Glue, Databricks, EMR, Hadoop, HIve, Spark, VPC, AWS CLI, RDS, EC2, S3, Cloudwatch, Boto3, Athena, IAM y muchas otras herramientas. Aprenderás a usar todas estas herramientas por medio de patrones de diseño e integración con entornos de Data Lakes.

Aprende a implementar soluciones de Cloud Big Data en nube utilizando el mix tecnológico oficial de Google Cloud Platform, Compute Engine, Cloud Storage, Cloud SQL, Kubernetes Engine, Big Query, Dataflow, entre muchas otras, desde la captura del dato, ingesta, almacenamiento, procesamiento, analítica y explotación del dato, considerando las vistas de seguridad y gobierno cross a nuestras soluciones.

Aprende a definir los planos y arquitecturas de Big Data & Machine Learning de manera profesional sobre entornos ON-PREMISE y CLOUD (Azure, AWS. GCP, Databricks). Aprenderás las vistas arquitectónicas que una solución de Big Data & Machine Learning debe definir para garantizar que el equipo de trabajo realice una correcta implementación y despliegue: vista conceptual, tecnológica, infraestructura, gobierno, seguridad, calidad, devops, modelamiento, entre otras; utilizando los ecosistemas tecnológicos de Hadoop, Azure, AWS, GCP y Databricks. Es un curso ideal para aquellos profesionales que tienen conocimientos conceptuales básicos de Big Data o Machine Learning y aspiran a posiciones de arquitectura o liderazgo técnico.

La Inteligencia Artificial y los métodos de Ciencia de Datos basados en Machine Learning, Deep Learning  e Inteligencia Artificial sobre entornos de Big Data están ofreciendo a las empresas nuevas posibilidades en la exploración analítica de sus datos. En este programa aprenderás a implementar diferentes modelos analíticos de Regresión Lineal. Arboles de Decisión, Random Forest, Redes Neuronales, Redes Convolucionales, Redes Recurrentes y métodos de clusterización, aplicados a tablas de bases de datos, imágenes y visión artificial, con técnicas de tuning de código, tensorización de features, calibración de parámetros de modelos, paralelización de código sobre clústers, sizing de infraestructura y despliegue en entornos de Big Data y Cloud sobre CPU y GPU.

Orientado al GeoBussines y al GeoMarketing, con base en la solución de analítica Pentaho Server Pentaho Server, al finalizar el curso estarás en la capacidad de implementar, configurar y administrar una solución Web Mapping del lado del Cliente con Tecnología Open Source, para publicar, de forma correcta y eficiente, información geográfica vectorial y servicios OGC de sus instituciones, sobre el cual podrás montar cuadros de mando, conectándose a un amplia variedad de orígenes de datos. Se emplearán herramientas de desarrollo Open Source y/o gratuitas, sin necesidad de licencias, de manera que el aprendizaje y aplicación esté al alcance de todos, agregando valor a tu profesión y/o negocio.

Aprenderás a utilizar Pentaho Data Integration (PDI) mediante ejemplos y ejercicios, y de forma gradual verás cada una de las opciones de Spoon. Trabajarás con los steps más utilizados en los Jobs/Transformations. Aprenderás cómo cargar y actualizar un DW. Ejecutarás las soluciones desde líneas de comandos. Al finalizar el curso podrás crear Jobs/Transformations altamente parametrizables y adaptadas a tu contexto.

Con este curso aprenderás a diseñar tus propios Dashboards basándote en conocimientos acabados sobre el modo en que las personas reaccionan ante los estímulos visuales, el modo en que perciben los datos, colores, formas, realizan comparaciones, etc. Aprenderás qué Charts utilizar de acuerdo al tema analizado, cómo resaltar partes importantes del Chart, utilizar diseños minimalistas, emplear configuraciones avanzadas que incluyan funciones y cálculos matemáticos. Conseguirás que los Charts se adapten lo máximo posible a tus deseos, aplicando ciencia a tus diseños.

Aprenderás a utilizar CTools (CDE, CDF, CCC, CDA) mediante ejemplos y ejercicios, creación de Dashboards de alta calidad, interactivos y con un excelente look&feel, buenas prácticas de desarrollo, utilizando diferentes tipos de Datasources: MDX, SQL, CDA, y configuración de los componentes más utilizados: Charts, Selectors, Gauges, Tables, Pivot, PRD, Popup, Drilldown, Dial Chart, Bullet Chart.