Azure Data Lake Storage Gen2

Esta formación en vivo, impartida por un instructor, se realiza en Chile (en línea o presencial) y está dirigida a profesionales de nivel intermedio a avanzado que desean construir e implementar aplicaciones en la nube con IA utilizando Microsoft Azure.

Al finalizar esta capacitación, los participantes podrán:

• Desarrollar aplicaciones impulsadas por eventos y sin servidor (serverless) utilizando Azure Functions.
• Gestionar soluciones de almacenamiento de Azure y máquinas virtuales.
• Implementar y escalar aplicaciones web utilizando Azure App Service y contenedores Docker.
• Integrar IA, aprendizaje automático (machine learning) y procesamiento de lenguaje natural utilizando Azure AI Services.
• Aprovechar GitHub Copilot para asistir en el desarrollo de aplicaciones en la nube basadas en IA.

Este curso enseña a los profesionales de TI cómo gestionar sus suscripciones de Azure, garantizar la seguridad de las identidades, administrar la infraestructura, configurar redes virtuales, conectar sitios de Azure con entornos locales, gestionar el tráfico de red, implementar soluciones de almacenamiento, crear y escalar máquinas virtuales, implementar aplicaciones web y contenedores, respaldar y compartir datos, y monitorear su solución.

Este curso está dirigido a administradores de Azure. El administrador de Azure implementa, gestiona y supervisa la identidad, gobernanza, almacenamiento, computación y redes virtuales en un entorno de nube. El administrador de Azure aprovisionará, dimensionará, supervisará y ajustará los recursos según sea apropiado.

Esta formación en vivo impartida por un instructor en Chile (en línea o presencial) está dirigida a desarrolladores y profesionales técnicos de nivel principiante, intermedio o avanzado que deseen utilizar Microsoft Azure para construir, probar y desplegar agentes de IA para aplicaciones empresariales.

Al finalizar esta formación, los participantes podrán: entender la arquitectura de agentes de IA en Azure, crear y configurar un agente funcional, conectar agentes a fuentes de conocimiento empresarial, evaluar y preparar agentes para su despliegue.

Esta formación en vivo con instructores en Chile (en línea o presencial) está dirigida a ingenieros DevOps, desarrolladores y gerentes de proyectos que desean utilizar Azure DevOps para crear e implementar aplicaciones empresariales optimizadas más rápido que los enfoques de desarrollo tradicionales.

Al finalizar esta formación, los participantes podrán:

• Comprender el vocabulario fundamental de DevOps y sus principios.
• Instalar y configurar las herramientas necesarias de Azure DevOps para el desarrollo de software.
• Utilizar las herramientas y servicios de Azure DevOps para adaptarse continuamente al mercado.
• Crear aplicaciones empresariales y evaluar los procesos de desarrollo actuales sobre las soluciones de Azure DevOps.
• Gestionar equipos con mayor eficiencia y acelerar el tiempo de implementación del software.
• Adoptar prácticas de desarrollo DevOps dentro de la organización.

Esta capacitación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a científicos e ingenieros de datos de nivel intermedio que desean utilizar Google Colab y Apache Spark para el procesamiento y análisis de big data.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de big data utilizando Google Colab y Spark.
• Procesar y analizar conjuntos grandes de datos eficientemente con Apache Spark.
• Visualizar big data en un entorno colaborativo.
• Integrar Apache Spark con herramientas basadas en la nube.

Esta capacitación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de Java de nivel intermedio, ingenieros de software y entusiastas de la nube que desean aprovechar el poder de Azure OpenAI para crear aplicaciones inteligentes.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los principios de la IA generativa y sus aplicaciones.
• Configurar y administrar un servicio de Azure OpenAI.
• Integrar los modelos de OpenAI en aplicaciones Java.
• Implementar funciones potenciadas por IA dentro de aplicaciones web.

Apache NiFi es una plataforma de integración de datos basada en flujos y procesamiento de eventos, de código abierto. Permite el enrutamiento automático y en tiempo real de datos, su transformación y la mediación entre sistemas dispares, con una interfaz web (UI) y un control fino.

Esta formación en vivo con instructor presencial o remoto está dirigida a administradores e ingenieros de nivel intermedio que deseen desplegar, gestionar, asegurar y optimizar flujos de datos de NiFi en entornos de producción.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar, configurar y mantener clústeres de Apache NiFi.
• Diseñar y gestionar flujos de datos desde diversas fuentes y destinos.
• Implementar lógica de automatización, enrutamiento y transformación de flujos.
• Optimizar el rendimiento, supervisar las operaciones y solucionar problemas.

Formato del curso

• Conferencia interactiva con discusión de arquitecturas del mundo real.
• Prácticas prácticas: creación, despliegue y gestión de flujos.
• Ejercicios basados en escenarios en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarlo.

Esta formación ofrece una introducción práctica para construir flujos de trabajo escalables de procesamiento de datos y Aprendizaje Automático utilizando PySpark. Los participantes aprenderán cómo opera Apache Spark dentro de los ecosistemas modernos de Big Data y cómo procesar eficientemente conjuntos de datos grandes aplicando principios de computación distribuida.

Esta formación en vivo impartida por un instructor en Chile (en línea o presencial) está dirigida a ingenieros que desean configurar e implementar un sistema Apache Spark para procesar grandes volúmenes de datos.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar Apache Spark.
• Procesar y analizar conjuntos de datos muy grandes con rapidez.
• Comprender las diferencias entre Apache Spark y Hadoop MapReduce, así como cuándo utilizar cada uno.
• Integrar Apache Spark con otras herramientas de aprendizaje automático.

Esta formación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a administradores de sistemas de nivel principiante a intermedio que deseen implementar, mantener y optimizar clústeres de Spark.

Al finalizar esta formación, los participantes podrán:

• Instalar y configurar Apache Spark en diversos entornos.
• Gestionar los recursos del clúster y monitorizar las aplicaciones de Spark.
• Optimizar el rendimiento de los clústeres de Spark.
• Implementar medidas de seguridad y garantizar alta disponibilidad.
• Depurar y solucionar problemas comunes de Spark.

La curva de aprendizaje de Apache Spark es inicialmente empinada; se requiere un esfuerzo considerable para obtener los primeros beneficios. Este curso tiene como objetivo facilitar el superamiento de esa fase inicial difícil. Al finalizar, los participantes comprenderán los fundamentos de Apache Spark, sabrán diferenciar claramente entre RDD y DataFrame, aprenderán a utilizar las API de Python y Scala, entenderán los conceptos de executores y tareas, entre otros. Además, siguiendo las mejores prácticas, este curso se centra fuertemente en el despliegue en la nube, Databricks y AWS. Los estudiantes también comprenderán las diferencias entre AWS EMR y AWS Glue, uno de los servicios más recientes de Spark ofrecidos por AWS.

PÚBLICO OBJETIVO:

Ingenieros de Datos, DevOps, Científicos de Datos

En esta capacitación en vivo y guiada por un instructor en Chile, los participantes aprenderán cómo utilizar Python y Spark en conjunto para analizar big data mientras realizan ejercicios prácticos.

Al finalizar esta formación, los participantes serán capaces de:

• Aprender a usar Spark con Python para analizar Big Data.
• Desarrollar ejercicios que imitan casos del mundo real.
• Utilizar diversas herramientas y técnicas para el análisis de big data mediante PySpark.

Esta formación en vivo impartida por instructores en Chile (en línea o presencial) está dirigida a desarrolladores que desean utilizar e integrar Spark, Hadoop y Python para procesar, analizar y transformar conjuntos de datos grandes y complejos.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno necesario para comenzar a procesar big data con Spark, Hadoop y Python.
• Comprender las características, componentes principales y arquitectura de Spark y Hadoop.
• Aprender cómo integrar Spark, Hadoop y Python para el procesamiento de grandes datos.
• Explorar las herramientas del ecosistema de Spark (Spark MLlib, Spark Streaming, Kafka, Sqoop, Kafka y Flume).
• Construir sistemas de recomendación mediante filtrado colaborativo, similares a los utilizados por Netflix, YouTube, Amazon, Spotify y Google.
• Utilizar Apache Mahout para escalar algoritmos de aprendizaje automático.

Stratio es una plataforma centrada en los datos que integra big data, IA y gobernanza en una única solución. Sus módulos Rocket e Intelligence permiten la exploración rápida de datos, transformación y análisis avanzado en entornos empresariales.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a profesionales de datos con nivel intermedio que deseen utilizar eficazmente los módulos Rocket e Intelligence de Stratio con PySpark, centrándose en estructuras de bucle, funciones definidas por el usuario y lógica avanzada de datos.

Al finalizar esta formación, los participantes serán capaces de:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Intelligence.
• Aplicar PySpark en el contexto de ingestión de datos, transformación y análisis.
• Utilizar bucles y lógica condicional para controlar flujos de datos y tareas de ingeniería de características.
• Crear y gestionar funciones definidas por el usuario (UDF) para operaciones de datos reutilizables en PySpark.

Formato del curso

• Ponencia interactiva y discusión.
• Muchas ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarlo.