Almacenes de datos: conceptos, diseño e implementación

Esta formación en vivo con instructores en <ubicación> (en línea o presencial) está dirigida a profesionales de datos de nivel avanzado que desean optimizar los flujos de trabajo de procesamiento de datos, garantizar la integridad de los datos e implementar soluciones robustas de lakehouse que puedan manejar las complejidades de las aplicaciones modernas de big data.

Al finalizar esta formación, los participantes podrán:

• Comprender en profundidad la arquitectura de Iceberg, incluida la gestión de metadatos y el diseño de archivos.
• Configurar Iceberg para obtener un rendimiento óptimo en diversos entornos e integrarlo con múltiples motores de procesamiento de datos.
• Gestionar tablas Iceberg a gran escala, realizar cambios complejos de esquema y manejar la evolución de las particiones.
• Dominar técnicas para optimizar el rendimiento de las consultas y la eficiencia de la escaneo de datos en conjuntos de datos grandes.
• Implementar mecanismos para garantizar la consistencia de los datos, gestionar garantías transaccionales y manejar fallos en entornos distribuidos.

Esta formación en vivo impartida por un instructor en Chile (en línea o presencial) está dirigida a profesionales de los datos de nivel principiante que desean adquirir los conocimientos y habilidades necesarios para utilizar eficazmente Apache Iceberg en la gestión de conjuntos de datos a gran escala, garantizar la integridad de los datos y optimizar los flujos de trabajo de procesamiento.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender a fondo la arquitectura, las características y los beneficios de Apache Iceberg.
• Conocer los formatos de tabla, la partición, la evolución del esquema y las capacidades de viaje en el tiempo (time travel).
• Instalar y configurar Apache Iceberg en diferentes entornos.
• Crear, gestionar y manipular tablas Iceberg.
• Comprender el proceso de migración de datos desde otros formatos de tabla hacia Iceberg.

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.

Los avances tecnológicos y el aumento en la cantidad de información están transformando la forma en que se realizan los negocios en muchas industrias, incluida la gubernamental. Las tasas de generación de datos y el archivo digital por parte del gobierno están en ascenso debido al rápido crecimiento de dispositivos móviles y aplicaciones, sensores y dispositivos inteligentes, soluciones de computación en la nube y portales orientados al ciudadano. A medida que la información digital se expande y se vuelve más compleja, la gestión, procesamiento, almacenamiento, seguridad y disposición de la misma también lo hacen. Nuevas herramientas de captura, búsqueda, descubrimiento y análisis están ayudando a las organizaciones a obtener ideas a partir de sus datos no estructurados. El mercado gubernamental está en un punto de inflexión, al comprender que la información es un activo estratégico; el gobierno necesita proteger, aprovechar y analizar tanto la información estructurada como la no estructurada para servir mejor y cumplir con los requisitos de su misión. Mientras los líderes gubernamentales se esfuerzan por evolucionar hacia organizaciones impulsadas por datos para lograr con éxito su misión, están sentando las bases para correlacionar las dependencias entre eventos, personas, procesos e información.

Las soluciones gubernamentales de alto valor se crearán a partir de una combinación de las tecnologías más disruptivas:

• Dispositivos móviles y aplicaciones
• Servicios en la nube
• Tecnologías y redes sociales empresariales
• Big Data y análisis de datos

Big Data es una de las soluciones inteligentes para la industria y permite al gobierno tomar mejores decisiones actuando sobre los patrones revelados mediante el análisis de grandes volúmenes de datos — relacionados y no relacionados, estructurados y no estructurados.

Sin embargo, lograr estos hazaños requiere mucho más que simplemente acumular cantidades masivas de datos. "Dar sentido a estos grandes volúmenes de Big Data requiere herramientas y tecnologías de vanguardia que puedan analizar y extraer conocimiento útil de flujos vastos y diversos de información", escribieron Tom Kalil y Fen Zhao de la Oficina de Política Científica y Tecnológica de la Casa Blanca en un artículo del blog OSTP.

La Casa Blanca dio un paso hacia la ayuda a las agencias para encontrar estas tecnologías al establecer la Iniciativa Nacional de Investigación y Desarrollo de Big Data en 2012. La iniciativa incluyó más de $200 millones para aprovechar al máximo la explosión de Big Data y las herramientas necesarias para analizarla.

Los desafíos que plantea Big Data son casi tan desalentadores como su promesa es alentadora. Almacenar datos de manera eficiente es uno de estos desafíos. Como siempre, los presupuestos son ajustados, por lo que las agencias deben minimizar el precio por megabyte del almacenamiento y mantener los datos fácilmente accesibles para que los usuarios puedan obtenerlos cuando lo deseen y cómo lo necesiten. Respalda masivos cantidades de datos intensifica el desafío.

Analizar los datos de manera efectiva es otro gran desafío. Muchas agencias utilizan herramientas comerciales que les permiten revisar las montañas de datos, detectando tendencias que pueden ayudarles a operar con mayor eficiencia. (Un reciente estudio de MeriTalk encontró que los ejecutivos de TI federales creen que Big Data podría ayudar a las agencias a ahorrar más de $500 mil millones mientras también cumplen con los objetivos de su misión.).

Las herramientas de Big Data desarrolladas a medida también están permitiendo a las agencias abordar la necesidad de analizar sus datos. Por ejemplo, el Grupo de Análisis de Datos Computacionales del Laboratorio Nacional Oak Ridge ha puesto su sistema de análisis de datos Piranha a disposición de otras agencias. El sistema ha ayudado a investigadores médicos a encontrar una conexión que puede alertar a los médicos sobre aneurismas aórticos antes de que ocurran. También se utiliza para tareas más cotidianas, como revisar currículums para conectar candidatos a empleos con gerentes de contratación.

Los participantes que completen este entrenamiento en vivo impartido por un instructor en Chile adquirirán una comprensión práctica y basada en el mundo real del Big Data, así como de sus tecnologías, metodologías y herramientas asociadas.

Los participantes tendrán la oportunidad de poner en práctica estos conocimientos mediante ejercicios prácticos. La interacción grupal y los comentarios del instructor son un componente importante del curso.

El curso comienza con una introducción a los conceptos fundamentales del Big Data, luego avanza hacia los lenguajes de programación y las metodologías utilizadas para realizar el análisis de datos. Finalmente, discutiremos las herramientas y la infraestructura que permiten el almacenamiento de grandes volúmenes de datos, el procesamiento distribuido y la escalabilidad.

Big Data y Analítica Avanzada es la aplicación de técnicas y herramientas sofisticadas para analizar conjuntos de datos grandes y complejos con el fin de obtener información accionable y apoyo a la toma de decisiones estratégicas.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está orientada a profesionales de datos de nivel avanzado que desean aprovechar métodos analíticos de vanguardia y tecnologías de big data para análisis predictivo, prescriptivo y en tiempo real.

Al finalizar esta capacitación, los participantes serán capaces de:

• Diseñar e implementar canales de procesamiento de datos a gran escala para datos estructurados y no estructurados.
• Aplicar técnicas avanzadas de aprendizaje automático (machine learning) y aprendizaje profundo a conjuntos masivos de datos.
• Aprovechar marcos de computación distribuida para análisis en tiempo real y transmisión de datos.
• Integrar la analítica de big data en sistemas de inteligencia empresarial y toma de decisiones.

Formato del curso

• Clase interactiva con discusión.
• Amplia cantidad de 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 coordinar los detalles.

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.