Cursos de Big Data en Quito

Esta formación en vivo, impartida por un instructor en <ubicación> (en línea o presencial), está dirigida a profesionales de nivel intermedio en ciencia de datos e ingeniería que desean utilizar Google Colab y Apache Spark para el procesamiento y análisis de Big Data.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de Big Data utilizando Google Colab y Spark.
• Procesar y analizar conjuntos de datos grandes con eficiencia mediante 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 sola solución. Sus módulos Rocket e Intelligence permiten la exploración rápida de datos, transformación y análisis avanzado en entornos empresariales.

Esta formación en vivo y dirigida por un instructor (en línea o presencial) está dirigida a profesionales de datos de nivel intermedio que desean utilizar los módulos Rocket e Intelligence de Stratio eficazmente 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 ingesta de datos, transformación y análisis.
• Utilizar bucles y lógica condicional para controlar flujos de trabajo 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

• Conferencia 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, por favor contáctenos para coordinar.

El almacén de datos es la práctica de diseñar, construir y gestionar repositorios centralizados de datos que admiten análisis, informes y toma de decisiones.

Esta formación en vivo impartida por un instructor (online o presencial) está dirigida a profesionales de datos de nivel intermedio que desean modelar datos dimensionales, construir canalizaciones ETL robustas y optimizar cargas de trabajo analíticas.

Al final de esta formación, los participantes podrán:

• Explicar los conceptos clave de los almacenes de datos y sus arquitecturas.
• Diseñar modelos dimensionales y elegir entre esquemas estrella y copo de nieve.
• Construir y orquestar canalizaciones ETL y ELT de manera fiable.
• Diferenciar entre cargas de trabajo OLTP y OLAP y optimizarlas para el análisis.

Formato del curso

• Conferencias interactivas y sesiones de debate.
• 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 coordinarlo.

Los participantes que completen esta formación en vivo con instructor en Quito ganarán una comprensión práctica y del mundo real de Big Data y sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de poner en práctica este conocimiento mediante ejercicios prácticos. La interacción grupal y la retroalimentación del instructor son componentes importantes de la clase.

El curso comienza con una introducción a los conceptos elementales de Big Data, 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 Big Data, el Procesamiento Distribuido y la Escalabilidad.

Greenplum es una plataforma de datos de procesamiento masivo en paralelo (MPP) de código abierto, diseñada para entornos analíticos y de datos a gran escala.

Esta capacitación en vivo con instructores (en línea o presencial) está dirigida a usuarios técnicos de nivel intermedio a avanzado que desean comprender la arquitectura interna de Greenplum, construir modelos de datos optimizados y aplicar SQL de alto rendimiento en entornos distribuidos.

Al finalizar esta capacitación, los participantes podrán:

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

Formato del curso

• Conferencia interactiva y discusión.
• Numerosos ejercicios y práctica constante.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

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

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

Esta formación práctica con instructor (en línea o presencial) está dirigida a administradores de nivel intermedio que deseen instalar, configurar y gestionar entornos Greenplum de manera efectiva, incluyendo la gestión de actualizaciones del sistema y bibliotecas.

Al finalizar esta formación, los participantes podrán:

• Instalar y configurar un clúster de Greenplum listo para producción.
• Gestionar las actualizaciones del sistema y aplicar parches de forma segura.
• Administrar las bibliotecas de Greenplum para análisis y extensiones.
• Solucionar problemas y supervisar los sistemas Greenplum.

Formato del curso

• Conferencia interactiva y debate.
• Práctica directa con Greenplum en un entorno de laboratorio controlado.
• Ejercicios guiados centrados en la configuración del clúster, flujos de trabajo de actualización y extensiones del sistema.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso según su entorno o plataforma de datos, por favor contáctenos para coordinar los detalles.

Esta formación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a profesionales de datos de nivel avanzado que deseen optimizar sus 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 final de esta formación, los participantes podrán:

• Obtener una comprensión profunda de la arquitectura de Iceberg, incluida la gestión de metadatos y el diseño 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 de esquema complejos y manejar la evolución de particiones.
• Dominar técnicas para optimizar el rendimiento de las consultas y la eficiencia del 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 Quito (online o en las instalaciones) está dirigida a profesionales de los datos con nivel básico 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 procesamiento.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación en vivo con instructores en Quito (en línea o presencial) está dirigida a profesionales de TI de nivel intermedio que desean perfeccionar 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 volúmenes de datos para proyectos de migración dentro de sus organizaciones.

Al finalizar esta formación, los participantes podrán:

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

Esta formación en vivo con instructor en Quito (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 efectivas de análisis de datos.

Al finalizar esta capacitación, 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 en términos de costos y 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 <ubicación> (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 datos masivos.
• Explorar las herramientas del ecosistema de Spark (Spark MLlib, Spark Streaming, Kafka, Sqoop y Flume).
• Crear sistemas de recomendación basados en filtrado colaborativo similares a los utilizados por 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 apoyar la toma de decisiones estratégicas.

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

Al finalizar esta capacitación, los participantes podrán:

• Diseñar e implementar pipelines 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.
• Utilizar 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 magistral 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 coordinarlo.

Esta formación práctica impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a profesionales de TI de nivel intermedio que deseen comprender IBM DataStage de manera integral desde perspectivas tanto administrativas como de desarrollo, permitiéndoles gestionar y aprovechar eficazmente esta herramienta en sus respectivos entornos laborales.

Al finalizar este entrenamiento, los participantes podrán:

• Comprender los conceptos fundamentales de DataStage.
• Aprender a instalar, configurar y gestionar entornos de DataStage de manera efectiva.
• Conectarse a diversas fuentes de datos y extraer información eficientemente desde bases de datos, archivos planos y fuentes externas.
• Implementar técnicas eficaces de carga de datos.

Esta formación en vivo con instructores en Quito (en línea o presencial) está dirigida a administradores de sistemas de nivel principiante e intermedio que deseen desplegar, mantener y optimizar clústeres de Spark.

Al finalizar esta capacitación, 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.

En este taller en vivo y dirigido por un instructor en Quito, los participantes aprenderán cómo utilizar Python y Spark conjuntamente para analizar Big Data mientras realizan ejercicios prácticos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Aprender a utilizar Spark con Python para analizar grandes volúmenes de datos.
• Realizar ejercicios que imitan casos reales del mundo laboral.
• Utilizar diversas herramientas y técnicas para el análisis de Big Data mediante PySpark.

Los avances tecnológicos y el aumento en la cantidad de información están transformando la forma en que se llevan a cabo los negocios en muchas industrias, incluido el gobierno. Las tasas de generación de datos gubernamentales y de archivo digital están en aumento debido al rápido crecimiento de dispositivos móviles y aplicaciones, sensores inteligentes, soluciones de computación en la nube y portales dirigidos a los ciudadanos. A medida que la información digital se expande y se vuelve más compleja, la gestión, procesamiento, almacenamiento, seguridad y disposición de la información también se vuelven más complejas. Nuevas herramientas de captura, búsqueda, descubrimiento y análisis están ayudando a las organizaciones a obtener insights (conocimientos) a partir de sus datos no estructurados. El mercado gubernamental está en un punto de inflexión, dándose cuenta de que la información es un activo estratégico, y el gobierno necesita proteger, aprovechar y analizar tanto la información estructurada como la no estructurada para servir mejor y cumplir con los requisitos de la misión. Mientras los líderes gubernamentales se esfuerzan por evolucionar hacia organizaciones impulsadas por datos para cumplir 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 negocio social y redes
• Big Data y analítica

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 avances requiere mucho más que simplemente acumular cantidades masivas de datos. "Dar sentido a estos volúmenes de Big Data requiere herramientas y tecnologías de vanguardia que puedan analizar y extraer conocimientos útiles 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 una publicación en el blog de OSTP.

La Casa Blanca dio un paso hacia la ayuda a las agencias para encontrar estas tecnologías cuando estableció 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 del Big Data y las herramientas necesarias para analizarlo.

Los desafíos que presenta el Big Data son casi tan formidables como su promesa es alentadora. Almacenar datos eficientemente es uno de estos desafíos. Como siempre, los presupuestos son ajustados, por lo que las agencias deben minimizar el costo por megabyte del almacenamiento y mantener los datos dentro de un fácil acceso para que los usuarios puedan obtenerlos cuando lo deseen y cómo lo necesiten. Respalda masivas cantidades de datos aumenta el desafío.

Analizar los datos de manera efectiva es otro gran desafío. Muchas agencias emplean herramientas comerciales que les permiten pasar por encima de las montañas de datos, identificando tendencias que pueden ayudarles a operar con mayor eficiencia. (Un reciente estudio de MeriTalk descubrió 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 la 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 Analítica de Datos Computacionales del Laboratorio Nacional Oak Ridge ha puesto su sistema de analítica 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 comunes, como filtrar currículos para conectar candidatos con gerentes de contratación.

En esta formación en vivo impartida por un instructor en Quito, los participantes aprenderán la mentalidad necesaria para abordar las tecnologías de Big Data, evaluar su impacto en los procesos y políticas existentes e implementar estas tecnologías con el propósito de identificar actividades delictivas y prevenir el crimen. Se examinarán estudios de caso de organizaciones policiales de todo el mundo para obtener conocimientos sobre sus enfoques de adopción, desafíos y resultados.

Al finalizar esta capacitación, los participantes podrán:

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

Big Data es un término que se refiere a soluciones destinadas a almacenar y procesar grandes conjuntos de datos. Inicialmente desarrolladas 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.

Visión general del curso

Este curso ofrece una introducción práctica y estructurada a la creación de sistemas de transmisión de datos en tiempo real. Cubre conceptos fundamentales, patrones de arquitectura y herramientas industriales utilizadas para procesar datos continuos a gran escala. Los participantes aprenderán cómo diseñar, implementar y optimizar canales 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 capacitación

• Sesiones guiadas por instructores con explicaciones detalladas

 • Análisis conceptual con ejemplos del mundo real

 • Demostraciones prácticas y ejercicios de codificación  

• 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 en streaming  

• Diseñar canales de transmisión escalables y tolerantes a fallas  

• Trabajar con herramientas y marcos de trabajo distribuidos para streaming  

• Aplicar procesamiento de tiempo de evento, ventanas y operaciones con estado  

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

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

Esta formación en vivo impartida por un instructor (presencial o remota) 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 destinos.
• Implementar lógica de automatización, enrutamiento y transformación de flujos.
• Optimizar el rendimiento, monitorear operaciones y resolver incidencias.

Formato del Curso

• Conferencia interactiva con discusión sobre arquitecturas del mundo real.
• Prácticas de laboratorio: construcción, implementación 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 proporciona una introducción práctica para construir flujos de trabajo escalables de procesamiento de datos y aprendizaje automático utilizando PySpark. Los participantes aprenden cómo Apache Spark opera dentro de los ecosistemas modernos de Big Data y cómo procesar conjuntos de datos grandes de manera eficiente aplicando principios de computación distribuida.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a ingenieros que desean configurar e implementar un sistema de 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 rápidamente conjuntos de datos muy grandes.
• Comprender las diferencias entre Apache Spark y Hadoop MapReduce, así como saber cuándo usar cada uno.
• Integrar Apache Spark con otras herramientas de aprendizaje automático.

La curva de aprendizaje de Apache Spark es gradualmente ascendente al principio, y se requiere mucho esfuerzo para obtener los primeros resultados. Este curso tiene como objetivo superar esta primera etapa difícil. Tras completar este curso, los participantes comprenderán los conceptos básicos de Apache Spark, sabrán diferenciar claramente entre RDD y DataFrame, aprenderán a utilizar las API de Python y Scala, entenderán el funcionamiento de ejecutores y tareas, entre otros aspectos. Además, siguiendo las mejores prácticas, el curso se centra en la implementación en entornos cloud, específicamente en Databricks y AWS. Los estudiantes también comprenderán las diferencias entre AWS EMR y AWS Glue, uno de los servicios más recientes de AWS basados en Spark.

PÚBLICO OBJETIVO:

Ingenieros de Datos, DevOps, Científicos de Datos

Esta formación en vivo con instructor en <ubicación> (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 análisis de grandes volúmenes de datos.

Al finalizar esta formación, los participantes podrán:

• 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 arrastrar y soltar de Open Studio para ejecutar trabajos de Hadoop.
• Realizar prototipos de tuberías de datos masivos (big data pipelines).
• Automatizar proyectos de integración de big data.