Integración de Big Data con Talend

Esta capacitación presencial impartida por un instructor en Colombia (en línea o en sitio) está dirigida a profesionales de datos de nivel avanzado que deseen optimizar flujos de trabajo de procesamiento de datos, garantizar la integridad de la información e implementar soluciones robustas de data lakehouse capaces de abordar la complejidad de las aplicaciones modernas de big data.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Adquirir un conocimiento profundo de la arquitectura de Iceberg, incluyendo la gestión de metadatos y la disposición de archivos.
• Configurar Iceberg para lograr 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 administrar la evolución de particiones.
• Dominar técnicas para optimizar el rendimiento de consultas y la eficiencia en el escaneo de datos para conjuntos de datos extensos.
• Implementar mecanismos que garanticen la consistencia de los datos, administren compromisos transaccionales y gestionen fallos en entornos distribuidos.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a profesionales de 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 capacitación, los participantes estarán en capacidad de:

• Obtener una comprensión profunda de la arquitectura, las características y los beneficios de Apache Iceberg.
• Conocer los formatos de tabla, la partición, la evolución de esquemas y las capacidades de viaje en el tiempo.
• 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 impartida por un instructor en vivo en Colombia (en línea o presencial) está dirigida a científicos de datos e ingenieros de nivel intermedio que deseen utilizar Google Colab y Apache Spark para el procesamiento y análisis de big data.

Al finalizar esta formación, los participantes podrán:

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

Apache NiFi es una plataforma de código abierto para la integración de datos basada en flujos y el procesamiento de eventos. Permite el enrutamiento, la transformación y la mediación de datos en tiempo real entre sistemas dispares, automatizados, con una interfaz 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 desplegar, gestionar, asegurar y optimizar 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 provenientes de diversas fuentes y destinos.
• Implementar lógica de automatización, enrutamiento y transformación de flujos.
• Optimizar el rendimiento, monitorear operaciones y solucionar problemas.

Formato del Curso

• Clases interactivas con discusión de arquitecturas del mundo real.
• Prácticas guiadas: 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 capacitación personalizada para este curso, por favor contáctenos para coordinarlo.

Esta formación ofrece una introducción práctica a la construcción de flujos de trabajo escalables para el procesamiento de datos y el aprendizaje automático utilizando PySpark. Los participantes aprenderán cómo opera Apache Spark dentro de los ecosistemas modernos de Big Data y cómo procesar grandes conjuntos de datos de manera eficiente aplicando los principios de la computación distribuida.

Este entrenamiento en vivo impartido por un instructor en Colombia (en línea o en sitio) está dirigido a ingenieros que deseen configurar e implementar el sistema Apache Spark para procesar grandes volúmenes de datos.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Instalar y configurar Apache Spark.
• Procesar y analizar rápidamente conjuntos de datos de gran tamaño.
• Comprender las diferencias entre Apache Spark y Hadoop MapReduce y saber cuándo utilizar cada uno.
• Integrar Apache Spark con otras herramientas de aprendizaje automático.

Esta capacitación en vivo impartida por un instructor en Colombia (en línea o en sitio) está dirigida a administradores de sistemas de nivel principiante a 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 monitorear 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 aumenta gradualmente al inicio, requiriendo un gran esfuerzo para obtener los primeros resultados. Este curso está diseñado para superar esa parte inicial más desafiante. Al finalizarlo, los participantes comprenderán los fundamentos de Apache Spark, podrán diferenciar claramente entre RDD y DataFrame, aprenderán las API de Python y Scala, y entenderán conceptos como ejecutores y tareas, entre otros. Además, siguiendo las mejores prácticas, el curso pone un énfasis especial 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 Spark más recientes de AWS.

PÚBLICO OBJETIVO:

Ingenieros de Datos, DevOps, Científicos de Datos

En esta capacitación en vivo, impartida por un instructor en Colombia, los participantes aprenderán a utilizar Python y Spark juntos para analizar big data mientras realizan ejercicios prácticos.

Al finalizar esta capacitación, los participantes podrán:

• Aprender cómo usar Spark con Python para analizar Big Data.
• Trabajar en ejercicios que simulan casos del mundo real.
• Utilizar diferentes herramientas y técnicas para el análisis de big data con PySpark.

Esta formación presencial, impartida por un instructor en Colombia (en línea o in situ), está dirigida a desarrolladores que deseen utilizar e integrar Spark, Hadoop y Python para procesar, analizar y transformar conjuntos de datos grandes y complejos.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar el entorno necesario para comenzar a procesar big data con Spark, Hadoop y Python.
• Comprender las características, componentes centrales y arquitectura de Spark y Hadoop.
• Aprender a integrar Spark, Hadoop y Python para el procesamiento de big data.
• 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.

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

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

Al finalizar esta capacitación, los participantes podrán:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Inteligencia.
• Aplicar PySpark en el contexto de ingestión, transformación y análisis de datos.
• 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

• 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 capacitación personalizada para este curso, contáctenos para coordinar.

Esta formación presencial, impartida por un instructor en Colombia (en línea o en el sitio), está dirigida a administradores de sistemas, científicos de datos y analistas de negocio que deseen configurar el Centro de Administración de Talend para desplegar y gestionar los roles y tareas de la organización.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar el Centro de Administración de Talend.
• Comprender e implementar los fundamentos de la gestión en Talend.
• Construir, desplegar y ejecutar proyectos o tareas empresariales en Talend.
• Monitorear la seguridad de los conjuntos de datos y desarrollar rutinas empresariales basadas en el marco de trabajo del TAC.
• Obtener una comprensión más amplia de las aplicaciones de big data.

Este entrenamiento presencial, impartido por un instructor en Colombia (en línea o en sitio), está dirigido a analistas de datos de nivel principiante a intermedio que deseen profundizar su comprensión y habilidades en la gestión y mejora de la calidad de datos mediante Talend Data Stewardship.

Al finalizar este entrenamiento, los participantes podrán:

• Alcanzar una comprensión integral del rol de la gobernanza de datos en el mantenimiento de la calidad de los datos.
• Utilizar Talend Data Stewardship para gestionar tareas relacionadas con la calidad de datos.
• Crear, asignar y administrar tareas dentro de Talend Data Stewardship, incluyendo la personalización de flujos de trabajo.
• Aprovechar las capacidades de informes y monitoreo de la herramienta para rastrear la calidad de datos y los esfuerzos de gobernanza.

En esta capacitación presencial impartida por un instructor en Colombia, los participantes aprenderán a utilizar Talend Open Studio para ESB con el fin de crear, conectar, mediar y gestionar servicios y sus interacciones.

Al finalizar este entrenamiento, los participantes estarán en capacidad de

• Integrar, mejorar y entregar tecnologías ESB como paquetes únicos en diversos entornos de implementación.
• Comprender y utilizar los componentes más empleados de Talend Open Studio.
• Integrar cualquier aplicación, base de datos, API o servicios web.
• Integrar sin fricciones sistemas y aplicaciones heterogéneos.
• Incorporar bibliotecas de código Java existentes para ampliar los proyectos.
• Aprovechar componentes y código de la comunidad para extender los proyectos.
• Integrar rápidamente sistemas, aplicaciones y fuentes de datos en un entorno de arrastrar y soltar de Eclipse.
• Reducir el tiempo de desarrollo y los costos de mantenimiento mediante la generación de código optimizado y reutilizable.