Almacenes de datos: conceptos, diseño e implementación

Público objetivo:

Este curso está dirigido a especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en un entorno de sistemas distribuidos.

Objetivo:

Adquirir conocimientos profundos sobre la administración de clústers de Hadoop.

Esta capacitación en vivo con instructor en Costa Rica (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 serán capaces de:

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

El análisis de big data implica el proceso de examinar grandes volúmenes de conjuntos de datos diversos para descubrir correlaciones, patrones ocultos y otras informaciones valiosas.

La industria de la salud maneja enormes cantidades de datos médicos y clínicos complejos y heterogéneos. Aplicar el análisis de big data a los datos de salud presenta un gran potencial para obtener información que mejore la prestación de los servicios de salud. Sin embargo, la magnitud de estos conjuntos de datos plantea grandes desafíos en cuanto al análisis y a las aplicaciones prácticas en un entorno clínico.

En este entrenamiento en vivo dirigido por un instructor (remoto), los participantes aprenderán cómo realizar análisis de big data en salud a medida que realizan una serie de ejercicios prácticos en laboratorio.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Instalar y configurar herramientas de análisis de big data, como Hadoop MapReduce y Spark.
• Comprender las características de los datos médicos.
• Aplicar técnicas de big data para manejar datos médicos.
• Estudiar sistemas y algoritmos de big data en el contexto de aplicaciones de salud.

Público objetivo

• Desarrolladores.
• Científicos de datos.

Formato del curso

• Parte de conferencia, parte de discusión, ejercicios y práctica intensiva.

Nota

• Para solicitar un entrenamiento personalizado para este curso, contáctenos para coordinarlo.

Apache Hadoop es el marco de trabajo más popular para procesar Big Data en clústeres de servidores. En este curso de tres (opcionalmente, cuatro) días, los participantes aprenderán sobre los beneficios empresariales y los casos de uso para Hadoop y su ecosistema, cómo planificar el despliegue y el crecimiento del clúster, cómo instalar, mantener, monitorizar, solucionar problemas y optimizar Hadoop. También practicarán la carga masiva de datos del clúster, se familiarizarán con varias distribuciones de Hadoop y practicarán la instalación y gestión de herramientas del ecosistema Hadoop. El curso termina con una discusión sobre cómo asegurar el clúster con Kerberos.

«…El material estuvo muy bien preparado y cubierto en profundidad. El laboratorio fue muy útil y bien organizado»
— Andrew Nguyen, Ingeniero Principal de Integración DW, Microsoft Online Advertising

Audiencia

Administradores de Hadoop

Formato

Conferencias y laboratorios prácticos, con un equilibrio aproximado de 60% conferencias y 40% laboratorios.

Apache Hadoop es el marco de trabajo más popular para el procesamiento de Big Data en clústeres de servidores. Este curso presentará a los desarrolladores varios componentes del ecosistema de Hadoop (HDFS, MapReduce, Pig, Hive y HBase).

Apache Hadoop es uno de los marcos de trabajo más populares para el procesamiento de Big Data en clústeres de servidores. Este curso profundiza en la gestión de datos en HDFS, así como en las funciones avanzadas de Pig, Hive e HBase. Estas técnicas de programación avanzadas serán muy beneficiosas para desarrolladores con experiencia en Hadoop.

Público objetivo: desarrolladores

Duración: tres días

Formato: conferencias (50%) y laboratorios prácticos (50%).

Público objetivo:

Este curso tiene como objetivo desmitificar la tecnología de big data/Hadoop y demostrar que no es difícil de comprender.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a administradores de sistemas que desean aprender cómo configurar, implementar y gestionar clústers 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 para implementaciones de Spark en instalaciones locales (on-premise).
• Configurar Spark para acceder a soluciones de almacenamiento alternativas como Amazon S3 y sistemas de bases de datos NoSQL como Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Realizar tareas administrativas como el aprovisionamiento, la gestión, la supervisión y la seguridad de un clúster de Apache Hadoop.

Este curso introduce HBase, una base de datos NoSQL que se ejecuta sobre Hadoop. Está dirigido a desarrolladores que utilizarán HBase para crear aplicaciones y a administradores que gestionarán clústeres de HBase.

Guiaremos al desarrollador a través de la arquitectura de HBase, la modelación de datos y el desarrollo de aplicaciones. También se discutirá el uso de MapReduce con HBase y algunos temas administrativos relacionados con la optimización del rendimiento. El curso es muy práctico y cuenta con numerosos ejercicios de laboratorio.

Duración: 3 días

Público objetivo: Desarrolladores y Administradores

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

Esta formación en vivo, impartida por un instructor (en sitio 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 final de 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 automatización de flujos, lógica de enrutamiento y transformación.
• Optimizar el rendimiento, supervisar las operaciones y solucionar problemas.

Formato del curso

• Conferencia interactiva con discusión sobre arquitecturas del mundo real.
• Laboratorios prácticos: 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 coordinar los detalles.

En este entrenamiento en vivo con instructor en <ubicación>, los participantes aprenderán los fundamentos de la programación basada en flujos mientras desarrollan varias extensiones de demostración, componentes y procesadores utilizando Apache NiFi.

Al finalizar este entrenamiento, los participantes podrán:

• Comprender la arquitectura de NiFi y los conceptos de flujo de datos.
• Desarrollar extensiones utilizando NiFi y API de terceros.
• Desarrollar a medida su propio procesador de Apache NiFi.
• Ingerir y procesar datos en tiempo real desde formatos de archivo y fuentes de datos dispares e inusuales.

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

En esta formación en vivo con instructor en Costa Rica, los participantes aprenderán cómo usar Python y Spark juntos para analizar grandes datos, mientras realizan ejercicios prácticos.

Al final de esta capacitación, los participantes serán capaces de:

• Aprender a utilizar Spark con Python para analizar grandes datos.
• Trabajar en ejercicios que imitan casos del mundo real.
• Utilizar distintas herramientas y técnicas para el análisis de grandes datos usando PySpark.

Esta formación en vivo, impartida por un instructor en Costa Rica (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 serán capaces de:

• Configurar el entorno necesario para comenzar a procesar grandes volúmenes de datos con Spark, Hadoop y Python.
• Comprender las características, los componentes principales y la arquitectura de Spark y Hadoop.
• Aprender a integrar Spark, Hadoop y Python para el procesamiento de grandes datos.
• Explorar las herramientas del ecosistema de Spark (Spark MLlib, Spark Streaming, Kafka, Sqoop y Flume).
• Construir 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.

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

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

Al finalizar esta formación, los participantes podrán:

• 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 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.
• 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 organizarlo.