Curso de Cloud Computing y Big Data

Lección 1 • Conceptos e Historia de la Computación en la Nube

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

Lección 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.

Lección 3 • Modelos de Despliegue en la Nube

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

Lección 1 • Servicios de Almacenamiento en la Nube

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

Lección 2 • Gestión de Identidad y Acceso

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

Lección 3 • Servicios de Cómputo y Máquinas Virtuales

Presenta las máquinas virtuales, los tipos de instancia y los grupos de autoescalado como fundamentos de cómputo centrales. Aplica directamente el conocimiento del modelo de servicio en la nube al aprovisionamiento de infraestructura.

Lección 4 • Servicios de Bases de Datos Gestionadas

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

Lección 1 • Modelos de Procesamiento por Lotes y en Streaming

Contrasta el procesamiento por lotes con el procesamiento en 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.

Lección 2 • Introducción al Ecosistema Hadoop

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

Lección 3 • Arquitecturas de Almacenamiento de Big Data

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

Lección 4 • Principios de Diseño de Pipeline de Datos

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

Lección 1 • Estrategias de Carga de Bodegas de Datos

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

Lección 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. Amplía el conocimiento de ingesta por lotes a escenarios de baja latencia y alto rendimiento.

Lección 3 • Técnicas de Ingesta por Lotes

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

Lección 4 • Calidad y Validación de Datos

Presenta la perfilación de datos, validación de esquemas y detección de anomalías como puertas de calidad de ingesta. Asegura que los análisis posteriores y los modelos de aprendizaje automático reciban datos confiables.

Lección 1 • Optimización de Rendimiento de Spark

Aborda el particionamiento, el almacenamiento en caché, las uniones broadcast y la serialización como palancas clave de optimización de Spark. Traduce el conocimiento teórico de Spark en eficiencia de trabajos de calidad de producción.

Lección 2 • Spark Streaming y Structured Streaming

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

Lección 3 • Arquitectura y Conceptos Centrales de Spark

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.

Lección 4 • Ejecutando Spark en Plataformas de Nube

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

Lección 1 • Pipelines Sin Servidor e Impulsados por Eventos

Cubre desencadenadores de función como servicio, buses de eventos y servicios de flujo de trabajo nativos de la nube para pipelines ligeros. Complementa Airflow con patrones de automatización de bajo costo impulsados por eventos.

Lección 2 • Monitoreo y Observabilidad de Pipelines

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

Lección 3 • Fundamentos de Orquestación de Pipelines

Presenta la orquestación de flujo de trabajo basada en DAG, dependencias de tareas y conceptos de programación. Proporciona la base arquitectónica para automatizar pipelines de datos de múltiples pasos.

Lección 4 • Construyendo Pipelines con Apache Airflow

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

Lección 1 • Principios de Visualización de Datos

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

Lección 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 bodegas para maximizar el rendimiento de las consultas.

Lección 3 • Analítica en Tiempo Real y Tableros de Streaming

Extiende la analítica por lotes a casos de uso en tiempo real utilizando agregaciones de streaming y tableros en vivo. Conecta el conocimiento de Spark Streaming y pipelines con escenarios de analítica operacional.

Lección 4 • Análisis Exploratorio de Datos a Escala

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

Lección 1 • Flujo de Trabajo de AA y Fundamentos de MLOps

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

Lección 2 • Feature Stores y Pipelines de Datos para AA

Presenta los feature stores como un puente entre los pipelines de datos y el entrenamiento y servicio de AA. Asegura características coherentes y reutilizables en el entrenamiento y la inferencia en producción.

Lección 3 • Despliegue y Servicio de Modelos

Enseña inferencia por lotes, endpoints REST en tiempo real y patrones de despliegue en el borde para modelos de AA. Conecta los modelos entrenados con sistemas de producción que entregan valor de negocio.

Lección 4 • Entrenamiento Distribuido de Modelos

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