What You Need to Know Before
You Start
Starts 5 June 2025 10:54
Ends 5 June 2025
00
days
00
hours
00
minutes
00
seconds
Una guía del stack de datos moderno: construyendo una infraestructura de datos eficiente.
Descubra cómo construir y optimizar un conjunto de datos moderno con la orientación experta sobre componentes esenciales, tecnologías y mejores prácticas para una gestión de datos eficiente e infraestructura de análisis.
Data Science Conference
via YouTube
Data Science Conference
2463 Cursos
1 hour 11 minutes
Optional upgrade avallable
Not Specified
Progress at your own speed
Free Video
Optional upgrade avallable
Resumen
Descubra cómo construir y optimizar un conjunto de datos moderno con la orientación experta sobre componentes esenciales, tecnologías y mejores prácticas para una gestión de datos eficiente e infraestructura de análisis.
Programa de estudio
- Introducción a la Pila de Datos Moderna
- Ingesta e Integración de Datos
- Soluciones de Almacenamiento de Datos
- Transformación y Limpieza de Datos
- Gobernanza y Seguridad de Datos
- Analítica de Datos e Inteligencia Empresarial
- Gestión y Monitoreo de Infraestructura
- Tendencias Emergentes y Direcciones Futuras
- Estudios de Caso y Aplicaciones Prácticas
- Resumen del Curso y Mejores Prácticas
- Proyecto Final y Evaluación
Definición e Importancia
Componentes Clave y Beneficios
Procesos ETL vs. ELT
Herramientas para la Ingesta Eficiente de Datos (e.g., Apache Kafka, Segment)
Mejores Prácticas para la Integración de Datos
Almacenes de Datos vs. Lagos de Datos vs. Lakehouses
Resumen de Tecnologías Líderes (e.g., Snowflake, AWS Redshift, Google BigQuery, Databricks)
Técnicas de Optimización del Almacenamiento
Enfoques de Modelado de Datos (e.g., Esquema Estrella, Esquema Snowflake)
Herramientas y Tecnologías (e.g., dbt, Apache Spark)
Asegurando la Calidad y Consistencia de los Datos
Establecimiento de Marcos de Gobernanza de Datos
Consideraciones de Privacidad y Cumplimiento
Mejores Prácticas de Seguridad (e.g., cifrado de datos, controles de acceso)
Elección de las Herramientas de BI Correctas (e.g., Looker, Tableau, Power BI)
Métricas Clave y Diseño de Tableros de Control
Promoción de la Toma de Decisiones Basada en Datos
Herramientas de Automatización y Orquestación (e.g., Apache Airflow)
Monitoreo y Registro (e.g., Prometheus, Grafana)
Estrategias de Gestión de Costos
Aprendizaje Automático e IA en Infraestructura de Datos
El Papel de la Analítica en Tiempo Real
Innovaciones en Tecnologías de Procesamiento y Almacenamiento de Datos
Análisis de Implementaciones Exitosas
Lecciones Aprendidas de Ejemplos del Mundo Real
Recapitulación de los Aprendizajes Clave
Construcción de una Hoja de Ruta para la Implementación
Recursos para el Aprendizaje y Desarrollo Continuo
Diseño de una Pila de Datos Moderna para un Caso de Uso Dado
Revisión y Retroalimentación entre Pares
Asignaturas
Ciencia de Datos