Curso de Cloud Computing y Big Data

Clase 1 • Conceptos e historia de la computación en la nube

Traza la evolución de la nube desde los mainframes hasta los hyperscalers modernos y define la terminología esencial. Proporciona la línea de base conceptual para todos los temas posteriores de la nube.

Clase 2 • Modelos de servicio en la nube explicados

Diferencia IaaS, PaaS y SaaS mediante comparaciones funcionales y ejemplos del mundo real. Permite a los estudiantes mapear cargas de trabajo a la capa de servicio correcta.

Clase 3 • Modelos de despliegue en la nube

Examina las arquitecturas de nube pública, privada, híbrida y multi-nube con análisis de compensaciones. Conecta la elección del despliegue con los objetivos de cumplimiento y costos organizacionales.

Clase 1 • Servicios de almacenamiento en la nube

Cubre los tipos de almacenamiento de objetos, bloques y archivos con compensaciones de durabilidad y patrones de acceso. Prepara a los estudiantes para seleccionar niveles de almacenamiento para diversos requisitos de aplicación.

Clase 2 • Gestión de identidad y acceso

Enseña control de acceso basado en roles, políticas y principios de privilegio mínimo para entornos de nube. Establece la higiene de seguridad requerida antes de desplegar cualquier carga de trabajo de producción.

Clase 3 • Servicios de cómputo y máquinas virtuales

Introduce máquinas virtuales, tipos de instancia y grupos de auto-escalado como primitivas de cómputo centrales. Aplica directamente el conocimiento del modelo de servicio en la nube al aprovisionamiento de infraestructura.

Clase 4 • Servicios de base de datos gestionados

Releva ofertas de bases de datos gestionadas relacionales y NoSQL, cubriendo estrategias de aprovisionamiento y backup. Conecta el conocimiento de almacenamiento con la arquitectura de aplicaciones con estado.

Clase 1 • Modelos de procesamiento batch y streaming

Contrasta el procesamiento batch con el procesamiento streaming en tiempo real utilizando las arquitecturas Lambda y Kappa. Prepara a los estudiantes para diseñar pipelines que coincidan con los requisitos de latencia y rendimiento.

Clase 2 • Introducción al ecosistema Hadoop

Explica HDFS, MapReduce, YARN y las herramientas clave del ecosistema como base del procesamiento batch distribuido. Proporciona contexto histórico y técnico para los frameworks modernos de big data.

Clase 3 • Arquitecturas de almacenamiento de Big Data

Cubre sistemas de archivos distribuidos, data lakes y almacenes de datos como paradigmas de almacenamiento complementarios. Conecta el conocimiento de almacenamiento en la nube con las necesidades de ingesta y retención de big data.

Clase 4 • Principios de diseño de pipelines de Big Data

Introduce las capas de ingesta, transformación, almacenamiento y servicio como un framework de pipeline unificado. Brinda a los estudiantes una plantilla de diseño aplicada a lo largo de los capítulos restantes de big data.

Clase 1 • Estrategias de carga de almacenes de datos

Cubre modelado dimensional, dimensiones de cambio lento y patrones de carga masiva para almacenes analíticos. Conecta los pipelines de ingesta con estructuras de almacén optimizadas para consultas.

Clase 2 • Ingesta de streaming de datos en tiempo real

Enseña colas de mensajes, plataformas de streaming de eventos y patrones productor-consumidor para datos en tiempo real. Extiende el conocimiento de ingesta batch a escenarios de baja latencia y alto rendimiento.

Clase 3 • Técnicas de ingesta batch

Cubre flujos de trabajo ETL, ingesta basada en archivos y transferencias de datos programadas para grandes conjuntos de datos. Aplica principios de diseño de pipelines a fuentes de datos estructurados y semiestructurados.

Clase 4 • Calidad y validación de datos

Introduce el perfilado de datos, la validación de esquemas y la detección de anomalías como puertas de calidad de ingesta. Asegura que los análisis posteriores y los modelos de ML reciban datos confiables.

Clase 1 • Optimización de rendimiento de Spark

Aborda el particionamiento, el almacenamiento en caché, los broadcast joins y la serialización como palancas clave de optimización de Spark. Traduce el conocimiento teórico de Spark en eficiencia de trabajo de grado de producción.

Clase 2 • Spark Streaming y Structured Streaming

Cubre modelos de procesamiento de micro-lotes y continuo para datos en tiempo real con Structured Streaming. Extiende las habilidades de Spark batch a pipelines de streaming de baja latencia.

Clase 3 • Arquitectura de Spark y conceptos centrales

Explica el driver, el executor, el programador DAG y el modelo RDD como base de ejecución de Spark. Construye el modelo mental necesario para escribir y depurar aplicaciones Spark de manera efectiva.

Clase 4 • Ejecutando Spark en plataformas de nube

Demuestra el aprovisionamiento de clústeres Spark gestionados, auto-escalado y control de costos en servicios de nube. Conecta las habilidades de Spark con el despliegue real en la nube y las prácticas operativas.

Clase 1 • Pipelines serverless e impulsados por eventos

Cubre disparadores de función como servicio, buses de eventos y servicios de flujo de trabajo nativos de la nube para pipelines livianos. Complementa Airflow con patrones de automatización impulsados por eventos de baja sobrecarga.

Clase 2 • Monitoreo y observabilidad de pipelines

Cubre logging, métricas, alertas y seguimiento de linaje para la visibilidad operativa del pipeline. Permite a los equipos detectar, diagnosticar y resolver fallas de pipeline rápidamente.

Clase 3 • Fundamentos de orquestación de pipelines

Introduce la orquestación de flujos de trabajo basada en DAG, las dependencias de tareas y los conceptos de programación. Proporciona la base arquitectónica para automatizar pipelines de datos de múltiples pasos.

Clase 4 • Construyendo pipelines con Apache Airflow

Enseña la autoría de DAGs, operadores, hooks y XComs para construir flujos de trabajo complejos de Airflow. Aplica conceptos de orquestación a una plataforma de código abierto ampliamente adoptada.

Clase 1 • Principios de visualización de datos

Introduce la selección de gráficos, la codificación visual y los principios de storytelling para la comunicación analítica. Asegura que las visualizaciones representen con precisión los datos e impulsen decisiones informadas.

Clase 2 • Optimización de consultas analíticas

Enseña planificación de consultas, indexación, vistas materializadas y optimización basada en costos para grandes conjuntos de datos analíticos. Se basa en el conocimiento de carga de almacenes para maximizar el rendimiento de las consultas.

Clase 3 • Analítica en tiempo real y dashboards de streaming

Extiende la analítica batch a casos de uso en tiempo real utilizando agregaciones de streaming y dashboards en vivo. Conecta el conocimiento de Spark Streaming y pipelines con escenarios de analítica operativa.

Clase 4 • Análisis exploratorio de datos a escala

Cubre resúmenes estadísticos, análisis de distribución y técnicas de correlación aplicadas a grandes conjuntos de datos. Conecta la ingesta de datos crudos con la investigación analítica impulsada por hipótesis.

Clase 1 • Flujo de trabajo de ML y fundamentos de MLOps

Mapea el ciclo de vida de ML de extremo a extremo desde la preparación de datos hasta el servicio y monitoreo del modelo. Establece el framework operativo para todos los temas posteriores de implementación de ML.

Clase 2 • Feature stores y pipelines de datos para ML

Introduce los feature stores como un puente entre los pipelines de datos y el entrenamiento y servicio de ML. Asegura features consistentes y reutilizables en el entrenamiento y la inferencia en producción.

Clase 3 • Despliegue y servicio de modelos

Enseña inferencia batch, endpoints REST en tiempo real y patrones de despliegue en el edge para modelos de ML. Conecta modelos entrenados con sistemas de producción que entregan valor de negocio.

Clase 4 • Entrenamiento de modelos distribuido

Cubre paralelismo de datos, paralelismo de modelos y frameworks de entrenamiento distribuido para ML a gran escala. Aplica el conocimiento de Spark y cómputo en la nube para acelerar el entrenamiento de modelos en big data.