Cursos de Big Data en Colombia

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.

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.

Los almacenes de datos son la práctica de diseñar, construir y operar repositorios de datos centralizados que respaldan el análisis, los informes y la toma de decisiones.

Esta formación impartida por un instructor en vivo (en línea o en sitio) está dirigida a profesionales de datos de nivel intermedio que deseen modelar datos dimensionales, crear pipelines de ETL robustos y optimizar cargas de trabajo analíticas.

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

• Explicar los conceptos y arquitecturas fundamentales de los almacenes de datos.
• Diseñar modelos dimensionales y elegir entre esquemas en estrella y en copo de nieve.
• Construir y orquestar pipelines de ETL y ELT de manera confiable.
• Diferenciar las cargas de trabajo OLTP frente a OLAP y optimizarlas para análisis.

Formato del curso

• Clases interactivas con exposición y 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 coordinarlo.

Los participantes que completen esta capacitación presencial impartida por un instructor en Colombia obtendrán una comprensión práctica y basada en casos reales de Big Data, así como de sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de poner en práctica estos conocimientos mediante ejercicios prácticos. La interacción grupal y la retroalimentación del instructor constituyen un componente fundamental del curso.

El curso comienza con una introducción a los conceptos elementales de Big Data, para luego avanzar hacia los lenguajes de programación y metodologías utilizados en el análisis de datos. Finalmente, se discutirán las herramientas y la infraestructura que permiten el almacenamiento de Big Data, el procesamiento distribuido y la escalabilidad.

Greenplum es una plataforma de datos de código abierto con procesamiento masivamente paralelo (MPP) diseñada para análisis y entornos de datos a gran escala.

Esta capacitación presencial, impartida por un instructor (en línea o en sitio), 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 capacitación, los participantes serán capaces de:

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

Formato del curso

• Clases magistrales interactivas y discusión.
• Abundantes 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 los detalles.

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

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

Al finalizar 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.
• Administrar bibliotecas de Greenplum para análisis y extensiones.
• Solucionar problemas y monitorear sistemas de Greenplum.

Formato del curso

• Clase magistral interactiva y discusión.
• Uso práctico de 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 capacitación personalizada para este curso basada en su entorno o plataforma de datos, contáctenos para coordinarlo.

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 capacitación presencial o en línea, impartida por instructores en Colombia, está dirigida a profesionales de TI de nivel intermedio que desean mejorar 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 procesos de migración dentro de sus organizaciones.

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

• Comprender los conceptos fundamentales y los componentes de diversas arquitecturas de datos.
• Adquirir una comprensión integral de los principios de 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 un almacenamiento, procesamiento y gestión de datos eficientes.

Esta formación impartida por un instructor, en vivo en Colombia (en línea o en sitio), está dirigida a ingenieros de datos de nivel intermedio que desean aprender a utilizar Azure Data Lake Storage Gen2 para desarrollar soluciones efectivas 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 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 estrategias de almacenamiento.

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.

Big Data y Análisis Avanzado es la aplicación de técnicas y herramientas sofisticadas para analizar grandes conjuntos de datos complejos, con el fin de obtener información útil y apoyar la toma de decisiones estratégicas.

Esta capacitación impartida por un instructor, en vivo (en línea o presencial), está dirigida a profesionales de datos de nivel avanzado que deseen 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 y aprendizaje profundo a conjuntos de datos masivos.
• Aprovechar marcos de computación distribuida para análisis en tiempo real y transmisión de datos.
• Integrar el análisis de big data en sistemas de inteligencia empresarial y toma de decisiones.

Formato del curso

• Clase interactiva con 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 coordinarlo.

Esta capacitación presencial o en línea impartida por un instructor en Colombia está dirigida a profesionales de TI de nivel intermedio que desean comprender de manera integral IBM DataStage tanto desde una perspectiva administrativa como de desarrollo, permitiéndoles gestionar y utilizar esta herramienta de forma efectiva en sus respectivos entornos laborales.

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

• Comprender los conceptos fundamentales de DataStage.
• Aprender a instalar, configurar y gestionar de manera efectiva los 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 eficaces de carga de datos.

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.

Los participantes que completen esta capacitación en vivo, impartida por un instructor, en Colombia, obtendrán una comprensión práctica y aplicada del Big Data, así como de sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de aplicar estos conocimientos mediante ejercicios prácticos. La interacción en grupo y la retroalimentación del instructor son componentes fundamentales de la clase.

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

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 capacitación en vivo, impartida por un instructor (en línea o en el sitio), está dirigida a desarrolladores de software, gerentes y analistas de negocios que deseen utilizar sistemas de big data para almacenar y recuperar grandes volúmenes de información.

Al finalizar esta capacitación, los participantes serán capaces de:

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

Formato del curso

• Clases interactivas 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.

Público objetivo:

Este curso está diseñado para especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en entornos de sistemas distribuidos.

Objetivo:

Adquirir un conocimiento profundo sobre la administración de clústeres Hadoop.

Los avances tecnológicos y el incremento constante de la información están transformando la manera en que se desarrollan los negocios en múltiples industrias, incluyendo el sector gubernamental. La generación de datos y las tasas de archivado digital en el gobierno 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, la gestión, el procesamiento, el almacenamiento, la seguridad y la disposición de la información también se complican. Nuevas herramientas de captura, búsqueda, descubrimiento y análisis están ayudando a las organizaciones a obtener insights a partir de sus datos no estructurados. El mercado gubernamental ha llegado a un punto de inflexión, reconociendo que la información es un activo estratégico; por lo tanto, 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 basadas en datos para lograr exitosamente sus objetivos, 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 y aplicaciones móviles
• Servicios en la nube
• Tecnologías de negocios sociales y redes
• Big Data y analítica

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

Sin embargo, lograr estos logros 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 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 una publicación del Blog de la OSTP.

La Casa Blanca dio un paso para 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 de dólares para maximizar 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. El almacenamiento eficiente de datos 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 de fácil acceso para que los usuarios puedan obtenerlos cuando los necesiten y de la forma que requieran. Realizar copias de seguridad de cantidades masivas de datos aumenta aún más este reto.

Analizar los datos de manera efectiva es otro gran desafío. Muchas agencias emplean herramientas comerciales que les permiten filtrar entre las montañas de datos, identificando tendencias que pueden ayudarlas a operar con mayor eficiencia. (Un estudio reciente de MeriTalk encontró que los ejecutivos de TI federales consideran que Big Data podría ayudar a las agencias a ahorrar más de 500 mil millones de dólares, al tiempo que se cumplen 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 Análisis de Datos Computacionales del Laboratorio Nacional de Oak Ridge ha puesto su sistema de análisis de datos Piranha a disposición de otras agencias. Este sistema ha ayudado a investigadores médicos a encontrar un vínculo que puede alertar a los médicos sobre aneurismas aórticos antes de que ocurran. También se utiliza para tareas más mundanas, como filtrar currículos para conectar candidatos a empleos con gerentes de contratación.

En esta formación en vivo y dirigida por un instructor en Colombia, 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 propósito de identificar actividad delictiva y prevenir el crimen. Se examinarán casos de estudio de organizaciones policiales de todo el mundo para obtener ideas 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.
• Preparar 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 diseñadas para almacenar y procesar 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 popular en la industria financiera.

Este entrenamiento impartido por un instructor en vivo en Colombia (en línea o en sitio) está dirigido a profesionales de nivel principiante e intermedio que deseen utilizar conceptos de big data y bases de datos para comprender las plataformas de datos modernas y tomar mejores decisiones tecnológicas y empresariales.

Al finalizar este entrenamiento, los participantes serán capaces de: explicar los conceptos fundamentales de bases de datos y big data, comparar las principales opciones de plataformas de datos, describir cómo se almacenan y procesan los datos, e identificar casos de uso prácticos y necesidades de gobernanza.

Esta sesión de capacitación presencial explorará el Big Data. Los participantes realizarán ejercicios prácticos y casos de estudio en equipos utilizando herramientas relevantes de big data

Visión general del curso

Este curso ofrece una introducción práctica y estructurada a la construcción de sistemas de transmisión de datos en tiempo real. Cubre conceptos fundamentales, patrones de arquitectura y herramientas de la industria utilizadas para procesar datos continuos a gran escala. Los participantes aprenderán cómo diseñar, implementar y optimizar tuberías de transmisión utilizando marcos de trabajo modernos. El curso progresa desde ideas fundamentales hasta aplicaciones prácticas, permitiendo a los aprendices construir con confianza soluciones de tiempo real listas para producción.

Formato de la capacitación

• Sesiones dirigidas por instructores con explicaciones guiadas

• Recorridos conceptuales 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 de sistemas

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

• Diseñar tuberías de transmisión escalables y tolerantes a fallas

• Trabajar con herramientas y marcos de trabajo de transmisión distribuida

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

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

Apache Hadoop es el framework más popular para procesar Big Data en clústeres de servidores. En este curso de tres días (opcionalmente cuatro), los participantes aprenderán sobre los beneficios empresariales y los casos de uso de Hadoop y su ecosistema, cómo planificar el despliegue y el crecimiento del clúster, así como cómo instalar, mantener, monitorear, solucionar problemas y optimizar Hadoop. Además, practicarán la carga masiva de datos en el clúster, se familiarizarán con diversas distribuciones de Hadoop y ejercitarán la instalación y gestión de herramientas del ecosistema. El curso finalizará con un debate sobre la seguridad del clúster mediante Kerberos.

"…El material estaba muy bien preparado y cubría todos los temas de forma exhaustiva. El laboratorio fue muy útil y estaba muy bien organizado"
— Andrew Nguyen, Ingeniero Principal de Integración DW, Microsoft Online Advertising

Público objetivo

Administradores de Hadoop

Formato

Clases teóricas y laboratorios prácticos, con una distribución aproximada del 60% de teoría y el 40% de práctica.

Apache Hadoop es el framework más popular para procesar Big Data en clústeres de servidores. Este curso introducirá a un desarrollador a diversos componentes (HDFS, MapReduce, Pig, Hive y HBase) del ecosistema Hadoop.

Apache Hadoop es uno de los marcos de trabajo más populares para procesar Big Data en clústeres de servidores. Este curso profundiza en la gestión de datos en HDFS, así como en Pig, Hive y HBase avanzados. Estas técnicas de programación avanzada serán beneficiosas para desarrolladores de Hadoop con experiencia.

Público objetivo: desarrolladores

Duración: tres días

Formato: clases magistrales (50%) y laboratorios prácticos (50%).

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a administradores de sistemas que desean aprender a configurar, implementar y gestionar clústeres de Hadoop dentro de su organización.

Al finalizar esta capacitación, los participantes podrán:

• Instalar y configurar Apache Hadoop.
• Comprender los cuatro componentes principales del ecosistema de Hadoop: HDFS, MapReduce, YARN y Hadoop Common.
• Utilizar el Sistema de Archivos Distribuido de Hadoop (HDFS) para escalar un clúster a cientos o miles de nodos.
• Configurar HDFS para que funcione como motor de almacenamiento en implementaciones locales de Spark.
• Configurar Spark para acceder a soluciones de almacenamiento alternativas, como Amazon S3 y sistemas de bases de datos NoSQL como Redis, Elasticsearch, Couchbase, Aerospike, entre otros.
• Realizar tareas administrativas como el aprovisionamiento, gestión, monitoreo y seguridad de un clúster de Apache Hadoop.

Este curso introduce HBase, una base de datos NoSQL construida sobre Hadoop. Está diseñado para desarrolladores que utilizarán HBase en el desarrollo de aplicaciones y para administradores encargados de gestionar clústeres de HBase.

Guiaremos a los desarrolladores a través de la arquitectura de HBase, el modelado de datos y el desarrollo de aplicaciones sobre HBase. También se abordará el uso de MapReduce con HBase, así como temas de administración relacionados con la optimización del rendimiento. El curso es altamente práctico, con numerosas sesiones de laboratorio.

Duración: 3 días

Público objetivo: Desarrolladores y administradores

En esta capacitación en vivo impartida por un instructor en Colombia (presencial o remota), los participantes aprenderán a configurar e integrar diferentes marcos de trabajo de procesamiento de flujos con sistemas de almacenamiento de big data existentes, así como con aplicaciones de software relacionadas y microservicios.

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

• Instalar y configurar diferentes marcos de trabajo de procesamiento de flujos, como Spark Streaming y Kafka Streaming.
• Comprender y seleccionar el marco de trabajo más adecuado para cada tarea.
• Procesar datos de manera continua, concurrente y registro por registro.
• Integrar soluciones de procesamiento de flujos con bases de datos existentes, almacenes de datos, lagos de datos, entre otros.
• Integrar la biblioteca de procesamiento de flujos más adecuada con aplicaciones empresariales y microservicios.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en el sitio), está dirigida a personas técnicas que desean aprender a implementar una estrategia de aprendizaje automático maximizando el uso de big data.

Al finalizar esta capacitación, los participantes:

• Comprenderán la evolución y las tendencias del aprendizaje automático.
• Sabrán cómo se utiliza el aprendizaje automático en diferentes industrias.
• Se familiarizarán con las herramientas, habilidades y servicios disponibles para implementar aprendizaje automático dentro de una organización.
• Entenderán cómo el aprendizaje automático puede mejorar la minería y el análisis de datos.
• Aprenderán qué es un backend intermedio de datos y cómo lo utilizan las empresas.
• Comprenderán el papel que desempeñan el big data y las aplicaciones inteligentes en diversas industrias.

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.

En esta capacitación presencial impartida por un instructor en Colombia, los participantes aprenderán los fundamentos de la programación basada en flujos mientras desarrollan diversas extensiones, componentes y procesadores de demostración utilizando Apache NiFi.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura de NiFi y los conceptos de flujo de datos.
• Desarrollar extensiones utilizando NiFi y APIs de terceros.
• Desarrollar de forma personalizada su propio procesador de Apache NiFi.
• Ingresar y procesar datos en tiempo real provenientes de formatos de archivo y fuentes de datos diversos e inusuales.

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 científicos de datos que desean utilizar la pila SMACK para construir plataformas de procesamiento de datos orientadas a soluciones de big data.

Al finalizar este entrenamiento, los participantes podrán:

• Implementar una arquitectura de pipeline de datos para el procesamiento de grandes volúmenes de información.
• Desarrollar infraestructura de clúster con Apache Mesos y Docker.
• Analizar datos utilizando Spark y Scala.
• Gestionar datos no estructurados con Apache Cassandra.

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.

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

OBJETIVO:

Este curso presentará Apache Spark. Los estudiantes aprenderán cómo Spark se integra en el ecosistema de Big Data y cómo utilizar Spark para el análisis de datos. El curso abarca el shell de Spark para el análisis interactivo de datos, los mecanismos internos de Spark, las API de Spark, Spark SQL, Spark Streaming, aprendizaje automático (Machine Learning) y GraphX.

PÚBLICO OBJETIVO :

Desarrolladores / Analistas de Datos

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o en sitio), está dirigida a científicos de datos y desarrolladores que desean utilizar Spark NLP, construido sobre Apache Spark, para desarrollar, implementar y escalar modelos y pipelines de procesamiento de texto en lenguaje natural.

Al finalizar esta capacitación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para comenzar a construir pipelines de PLN con Spark NLP.
• Comprender las características, la arquitectura y los beneficios de utilizar Spark NLP.
• Utilizar los modelos preentrenados disponibles en Spark NLP para implementar procesamiento de texto.
• Aprender cómo construir, entrenar y escalar modelos de Spark NLP para proyectos de nivel productivo.
• Aplicar clasificación, inferencia y análisis de sentimientos en casos de uso del mundo real (datos clínicos, conocimientos sobre el comportamiento del cliente, etc.).

Spark SQL es el módulo de Apache Spark para trabajar con datos estructurados y no estructurados. Spark SQL proporciona información sobre la estructura de los datos así como sobre los cálculos que se están ejecutando. Esta información puede utilizarse para realizar optimizaciones. Dos usos comunes de Spark SQL son:
- ejecutar consultas SQL.
- leer datos de una instalación existente de Hive.

En esta capacitación en vivo impartida por un instructor (presencial o remota), los participantes aprenderán a analizar diversos tipos de conjuntos de datos utilizando Spark SQL.

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

• Instalar y configurar Spark SQL.
• Realizar análisis de datos utilizando Spark SQL.
• Consultar conjuntos de datos en diferentes formatos.
• Visualizar datos y resultados de consultas.

Formato del curso

• Clases interactivas con debate.
• Numerosos ejercicios y prácticas.
• 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 coordinarlo.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a profesionales técnicos que desean implementar Talend Open Studio para Big Data y simplificar los procesos de lectura y análisis de grandes volúmenes de datos.

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

• Instalar y configurar Talend Open Studio para Big Data.
• Conectarse a 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.