Cursos de Big Data en Santa Cruz

Esta capacitación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a científicos de datos e ingenieros 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 podrán:

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

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

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

Al final de 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 ingesta, transformación y análisis de datos.
• Utilizar bucles y lógica condicional para controlar flujos de trabajo y tareas de ingeniería de características.
• Crear y gestionar funciones definidas por el usuario (UDFs) para operaciones de datos reutilizables en PySpark.

Formato del curso

• Lección interactiva y discusión.
• Numerosos ejercicios y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

El almacenamiento de datos es la práctica de diseñar, construir y operar repositorios centralizados de datos que respaldan el análisis, los informes y la toma de decisiones.

Esta formación dirigida por un instructor (en línea o presencial) está orientada a profesionales de datos de nivel intermedio que deseen modelar datos dimensionales, construir tuberías ETL robustas y optimizar cargas de trabajo analíticas.

Al finalizar esta formación, los participantes serán capaces de:

• Explicar los conceptos y arquitecturas centrales del almacenamiento de datos.
• Diseñar modelos dimensionales y elegir entre esquemas estrella y de copo de nieve (snowflake).
• Construir y orquestar tuberías ETL y ELT de forma fiable.
• Diferenciar las cargas de trabajo OLTP frente a OLAP y optimizarlas para análisis.

Formato del Curso

• Conferencia interactiva y debate.
• 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, por favor contáctenos para organizarla.

Los participantes que completen este entrenamiento en vivo y guiado por un instructor en Santa Cruz adquirirán una comprensión práctica y del mundo real sobre los grandes datos (Big Data) y sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de aplicar estos conocimientos mediante ejercicios prácticos. La interacción grupal y los comentarios del instructor son componentes importantes del curso.

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

Greenplum es una plataforma de datos de código abierto de procesamiento masivamente paralelo (MPP) diseñada para entornos analíticos y de gran volumen de datos.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a usuarios técnicos de nivel intermedio a avanzado que deseen comprender la arquitectura interna de Greenplum, construir modelos de datos optimizados y aplicar SQL de alto rendimiento en entornos distribuidos.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura shared-nothing y el modelo de paralelismo de Greenplum.
• Diseñar estructuras de tablas distribuidas y particionadas optimizadas para el rendimiento de las consultas.
• Utilizar estrategias de indexación, formatos de almacenamiento y técnicas de diseño físico.
• Interpretar los planes EXPLAIN y optimizar consultas siguiendo las mejores prácticas.

Formato del Curso

• Conferencia interactiva y discusión.
• Numerosos 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, por favor contáctenos para coordinarlo.

Greenplum es una plataforma de datos paralela masiva de código abierto basada en PostgreSQL, diseñada para análisis avanzados y almacenamiento de datos a gran escala.

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a administradores de nivel intermedio que desean instalar, configurar y gestionar entornos de Greenplum de manera efectiva, incluyendo la gestión de actualizaciones del sistema y bibliotecas.

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar un clúster de Greenplum listo para producción.
• Gestionar actualizaciones del sistema y aplicar parches de forma segura.
• Manejar la gestión de bibliotecas de Greenplum para análisis y extensiones.
• Solucionar problemas y monitorear sistemas de Greenplum.

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico de Greenplum en un entorno de laboratorio controlado.
• Ejercicios guiados centrados en la configuración del clúster, flujos de actualización y extensiones del sistema.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su entorno o plataforma de datos, contáctenos para coordinarlo.

Esta formación presencial en vivo impartida por un instructor en <ubic> (en línea o en las instalaciones) está dirigida a profesionales de datos de nivel avanzado que deseen 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 grandes volúmenes de datos.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación impartida en vivo por un instructor en <ubicación> (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 de datos.

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 tablas, 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 formación en vivo dirigida por un instructor en Santa Cruz (en línea o presencial) está orientada a profesionales de TI de nivel intermedio que desean potenciar sus habilidades en arquitectura de datos, gobernanza, computación en la nube y tecnologías de big data, con el fin de gestionar y analizar eficazmente grandes conjuntos de datos para la migración de datos dentro de sus organizaciones.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los conceptos fundamentales y componentes de diversas arquitecturas de datos.
• Obtener una comprensión integral de los principios de la gobernanza de datos y su importancia en entornos regulatorios.
• Implementar y gestionar marcos de gobernanza de datos como DAMA y TOGAF.
• Aprovechar las plataformas en la nube para el almacenamiento, procesamiento y gestión eficientes de los datos.

Esta formación en vivo dirigida por un instructor en <ubicación> (en línea o presencial) está dirigida a ingenieros de datos de nivel intermedio que desean aprender a utilizar Azure Data Lake Storage Gen2 para implementar soluciones eficaces de análisis de datos.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura y las características clave de Azure Data Lake Storage Gen2.
• Optimizar el almacenamiento y el acceso a los datos para mejorar los costos y el rendimiento.
• Integrar Azure Data Lake Storage Gen2 con otros servicios de Azure para análisis y procesamiento de datos.
• Desarrollar soluciones utilizando la API de Azure Data Lake Storage Gen2.
• Solucionar problemas comunes y optimizar las estrategias de almacenamiento.

Esta formación en vivo impartida por un instructor en Santa Cruz (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 capacitación, 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 datos masivos.
• Explorar las herramientas del ecosistema de Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka y Flume).
• Construir sistemas de recomendación basados en filtrado colaborativo similares a los de Netflix, YouTube, Amazon, Spotify y Google.
• Utilizar Apache Mahout para escalar algoritmos de aprendizaje automático.

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 tomar decisiones estratégicas.

Esta formación en vivo, impartida por un instructor (en línea o en las instalaciones), está dirigida a profesionales de datos de nivel avanzado que deseen aprovechar métodos analíticos de vanguardia y tecnologías big data para la analítica predictiva, prescriptiva y en tiempo real.

Al finalizar esta formación, 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 (deep learning) a conjuntos masivos de datos.
• Aprovechar marcos de computación distribuida para analítica en tiempo real y streaming de datos.
• Integrar la analítica big data en sistemas de inteligencia empresarial y toma de decisiones.

Formato del curso

• Clase interactiva y discusión.
• Numerosos 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.

Esta formación presencial en vivo en <ubicación> (en línea o in situ) está dirigida a profesionales de TI de nivel intermedio que desean comprender a fondo IBM DataStage tanto desde la perspectiva administrativa como de desarrollo, lo que les permitirá gestionar y utilizar esta herramienta de manera efectiva en sus respectivos entornos laborales.

Al finalizar esta formación, los participantes podrán:

• Comprender los conceptos fundamentales de DataStage.
• Aprender a instalar, configurar y gestionar eficazmente entornos de DataStage.
• Conectarse a diversas fuentes de datos y extraer información de forma eficiente desde bases de datos, archivos planos y fuentes externas.
• Implementar técnicas efectivas de carga de datos.

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

Al finalizar esta formación, los participantes serán capaces de:

• 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 la alta disponibilidad.
• Depurar y solucionar problemas comunes de Spark.

En este entrenamiento en vivo dirigido por un instructor en Santa Cruz, los participantes aprenderán cómo utilizar Python y Spark juntos para analizar grandes datos mientras realizan ejercicios prácticos.

Al finalizar esta formación, los participantes podrán:

• Aprender a usar Spark con Python para analizar Big Data.
• Realizar ejercicios que imitan casos reales.
• Utilizar diferentes herramientas y técnicas para el análisis de grandes datos mediante PySpark.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a desarrolladores de software, gerentes y analistas de negocios que desean utilizar sistemas de big data para almacenar y recuperar grandes cantidades de datos.

Al finalizar esta formación, los participantes podrán:

• Consultar grandes cantidades de datos de manera eficiente.
• Comprender cómo los sistemas de Big Data almacenan y recuperan datos.
• Utilizar los sistemas de big data más recientes disponibles.
• Transformar datos de sistemas de datos hacia sistemas de informes.
• Aprender a escribir consultas SQL en:
  • MySQL
  • Postgres
  • Hive Query Language (HiveQL/HQL)
  • Redshift

Formato del curso

• Ponencias interactivas y discusión.
• Abundantes ejercicios y práctica.
• Ejecución práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarla.

Los avances tecnológicos y el creciente volumen de información están transformando la manera en que se llevan a cabo los negocios en muchas industrias, incluido el gobierno. Las tasas de generación de datos gubernamentales y el archivo digital están en aumento 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, también lo hacen la gestión, el procesamiento, el almacenamiento, la seguridad y la disposición de esta información. Nuevas herramientas de captura, búsqueda, descubrimiento y análisis están ayudando a las organizaciones a obtener conocimientos valiosos a partir de sus datos no estructurados. El mercado gubernamental se encuentra en un punto de inflexión, comprendiendo que la información es un activo estratégico, y que el gobierno debe proteger, aprovechar y analizar tanto la información estructurada como la no estructurada para servir mejor y cumplir con los requisitos de su misión. A medida que los líderes gubernamentales se esfuerzan por evolucionar hacia organizaciones basadas en datos para lograr exitosamente su misión, están sentando las bases para correlacionar 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 de redes sociales empresariales y networking
• Big Data y análisis (analytics)

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

Pero lograr estos hazañas requiere mucho más que simplemente acumular cantidades masivas de datos. "Hacer sentido de estos volumenes 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 de Ciencia y Tecnología de la Casa Blanca en un artículo del blog de OSTP.

La Casa Blanca dio un paso hacia ayudar a las agencias a encontrar estas tecnologías cuando estableció la Iniciativa Nacional de Investigación y Desarrollo de Big Data en 2012. Esta 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 el 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 accesibles para que los usuarios puedan obtenerlos cuando lo deseen y como lo necesiten. Respalda r cantidades masivas de datos aumenta este desafío.

Analizar los datos eficazmente es otro gran desafío. Muchas agencias utilizan herramientas comerciales que les permiten cribar montañas de datos, identificando tendencias que pueden ayudarles a operar con mayor eficiencia. (Un reciente estudio de MeriTalk encontró que los ejecutivos de TI federales creen que el 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 atender 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 rutinarias, como cribar currículums para conectar candidatos con gerentes de contratación.

En esta formación práctica impartida por un instructor en Santa Cruz, los participantes aprenderán la mentalidad adecuada para abordar las tecnologías de Big Data, evaluar su impacto en los procesos y políticas existentes e implementar estas tecnologías con el objetivo de identificar actividades criminales y prevenir la delincuencia. Se examinarán estudios de casos de organizaciones policiales de todo el mundo para obtener información sobre sus enfoques de adopción, los desafíos enfrentados y los resultados obtenidos.

Al finalizar esta formación, los participantes serán capaces de:

• Combinar la tecnología Big Data con los procesos tradicionales de recopilación de datos para reconstruir una historia durante una investigación.
• Implementar soluciones industriales de almacenamiento y procesamiento de big data para el análisis de datos.
• Preparar una propuesta para la adopción de las herramientas y procesos más adecuados que habiliten un enfoque basado en datos para la investigación criminal.

Big Data es un término que se refiere a soluciones destinadas al almacenamiento y procesamiento de grandes conjuntos de datos. Desarrolladas inicialmente por Google, estas soluciones de Big Data han evolucionado e inspirado otros proyectos similares, muchos de los cuales están disponibles como código abierto. R es un lenguaje de programación muy popular en la industria financiera.

Descripción General del Curso

Este curso ofrece una introducción práctica y estructurada al desarrollo de sistemas de transmisión de datos en tiempo real. Aborda conceptos fundamentales, patrones de arquitectura y herramientas industriales utilizadas para procesar datos continuos a gran escala. Los participantes aprenderán cómo diseñar, implementar y optimizar canalizaciones de transmisión utilizando marcos de trabajo modernos. El curso avanza desde ideas fundamentales hasta aplicaciones prácticas, permitiendo a los estudiantes construir con confianza soluciones en tiempo real listas para producción.

Formato de la Capacitación

• Sesiones dirigidas por un instructor con explicaciones guiadas

 • Recorridos conceptuales con ejemplos del mundo real

 • Demostraciones prácticas y ejercicios de programación  

• Laboratorios progresivos alineados con los temas diarios

 • Discusiones interactivas y sesiones de preguntas y respuestas   

Objetivos del Curso

• Comprender los conceptos de transmisión de datos en tiempo real y la arquitectura del sistema

 • Diferenciar entre modelos de procesamiento de datos por lotes y streaming  

• Diseñar canalizaciones de transmisión escalables y tolerantes a fallos  

• Trabajar con herramientas y marcos de trabajo de transmisión distribuida  

• Aplicar procesamiento basado en tiempo del evento, ventanas y operaciones con estado  

Construir y optimizar soluciones de datos en tiempo real para casos de uso empresarial  

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 diversos, cuenta con una interfaz de usuario web y un control detallado.

Esta formación presencial o remota impartida por un instructor está dirigida a administradores e ingenieros de nivel intermedio que deseen implementar, gestionar, asegurar y optimizar los flujos de datos de NiFi en entornos de producción.

Al finalizar esta formación, los participantes podrán:

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

Formato del curso

• Conferencia interactiva con discusión de arquitectura del mundo real.
• Prácticas: construcción, 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, por favor contáctenos para organizarlo.

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

Esta formación en vivo impartida por un instructor en Santa Cruz (en línea o presencial) está dirigida a ingenieros que deseen configurar e implementar un sistema Apache Spark para procesar cantidades muy grandes de datos.

Al finalizar esta formación, los participantes serán capaces de:

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

La curva de aprendizaje de Apache Spark es empinada al principio y requiere mucho esfuerzo para obtener resultados iniciales. Este curso tiene como objetivo superar esa etapa inicial difícil. Al finalizarlo, los participantes comprenderán los fundamentos de Apache Spark, sabrán diferenciar claramente entre RDD y DataFrame, aprenderán a utilizar las APIs de Python y Scala, y entenderán conceptos como ejecutores y tareas. Asimismo, siguiendo las mejores prácticas, el curso hace un fuerte énfasis en la implementación 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.

DIRIGIDO A:

Ingenieros de Datos, DevOps, Científicos de Datos

Esta formación en vivo impartida por un instructor en Santa Cruz (en línea o presencial) está dirigida a personas técnicas que deseen implementar Talend Open Studio for Big Data para simplificar el proceso de lectura y procesamiento de big data.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar Talend Open Studio for Big Data.
• Conectarse con sistemas de big data como Cloudera, HortonWorks, MapR, Amazon EMR y Apache.
• Comprender y configurar los componentes y conectores de big data de Open Studio.
• Configurar parámetros para generar automáticamente código MapReduce.
• Utilizar la interfaz de arrastrar y soltar de Open Studio para ejecutar trabajos de Hadoop.
• Prototipar pipelines de big data.
• Automatizar proyectos de integración de big data.