INGENIERÍA DE DATOS
DIPLOMATURA
Domina las habilidades y herramientas para construir infraestructuras de datos escalables y seguras.
Un ingeniero de datos es un profesional que diseña, implementa y mantiene sistemas de almacenamiento, procesamiento y análisis de datos.
Esta es la oportunidad de convertirte en un ingeniero de datos altamente demandado en el mercado laboral.
Si te gustan la tecnología, la analítica y la resolución de problemas, Atlas Latam te ofrece una carrera emocionante y desafiante, con oportunidad de crecimiento y desarrollo profesional.
Proporcionar habilidades en Programación y Bases de Datos
Garantizar la Calidad y Seguridad de los Datos
Preparar para la implementación de Soluciones de Datos en Diferentes Industrias
Enseñar a Diseñar y Gestionar Arquitecturas de Datos Escalables
OBJETIVOS DE APRENDIZAJE
Contenidos
Este plan programa está diseñado para proporcionar una visión integral del campo de la ingeniería de datos, equilibrando entre conocimientos teóricos y habilidades prácticas, permitiendo a los participantes desarrollar proyectos reales en el ámbito de análisis y procesamiento de datos.
Parte 1
Fundamentos Teóricos
* Introducción a la Ingeniería de Datos.
* Descripción del rol del ingeniero de datos.
* Conceptos Básicos de Bases de Datos.
* Modelos de bases de datos: Relacionales vs NoSQL.
* Diseño y normalización de bases de datos.
* SQL básico.
* Data Warehousing.
* Arquitectura de almacenes de datos ETL (Extract, Transform, Load).
* Fundamentos de Big Data.
* Conceptos y características de Big Data (las 5 V: Volumen, Variedad, Velocidad, Veracidad, Valor).
* Herramientas y tecnologías (Hadoop, Spark).
Parte 2
Herramientas y Software
(20 horas presenciales, 20 horas asincrónicas)
* Hadoop Ecosystem.
* HDFS, MapReduce.
* Introducción a herramientas estándar: Hive, Pig Apache Spark.
* Procesamiento de datos con Spark Spark SQL y DataFrames.
* Bases de Datos NoSQL.
* Características y aplicaciones: MongoDB, Cassandra Herramientas de
* Cloud y Data Lakes.
* AWS (S3, Redshift).
* Herramientas de Google Cloud (BigQuery).
* Lenguajes de Programación y Herramientas de Desarrollo Python y sus librerías (Pandas, NumPy).
* Lenguajes y herramientas para procesamiento (Java, Scala).
Parte 3
Aplicaciones Prácticas y Ejercitación
* Desarrollo de Proyectos de ETL.
* Creación de pipelines de datos Uso de Apache NiFi y Airflow Análisis de.
* Datos y Visualización.
* Herramientas de visualización: Tableau, Power BI Python para visualización: Matplotlib, Seaborn Práctica de Implantación y Mantenimiento DevOps para ingeniería de datos: CI/CD.
* Buenas prácticas para la administración y optimización de flujos de trabajo Interpretación de Documentos Técnicos.
* Mejores prácticas para entender y aplicar documentación de software .
* Lectura crítica y seguimiento de whitepapers y documentación técnica.
