030825PEINDAN PROGRAMA DE ESPECIALIZACION EN INGENIERIA DE DATOS E INTELIGENCIA ARTIFICIAL EN LA NUBE

Docente

Nombre del docente

Fecha de inicio

03 DE AGOSTO

Horarios

SÁBADOS : 05 : 00 .P.M. A 07 : 00 .P.M. DOMINGOS : 05 : 00 .P.M. A 07 : 00 .P.M.

Fecha de finalizacion

30 DE NOVIEMBRE

8 CERTIFICADOS

Docentes Expertos

¿Qué aprenderás en este curso?

El Programa de Especialización en Ingeniería de Datos e Inteligencia Artificial en la Nube forma profesionales capaces de gestionar, analizar y transformar datos en valor con tecnologías de vanguardia como Python, Apache Spark, Kafka, Databricks, Azure, AWS y GCP. En solo 4 meses y con 350 horas académicas, los participantes desarrollan habilidades prácticas en Big Data, Machine Learning, arquitecturas cloud y automatización de data pipelines, a través de laboratorios, casos reales y proyectos aplicados.

Publico objetivo

- Desarrolladores y arquitectos de software
  Interesados en diseñar soluciones de datos en tiempo real, integrar servicios distribuidos y construir pipelines robustos con tecnologías de última generación.
- Profesionales de tecnología e innovación
  Que lideran proyectos de transformación digital y buscan incorporar inteligencia artificial, automatización de datos y servicios cloud para la toma de decisiones estratégicas.
- Analistas y científicos de datos
  Que desean potenciar su análisis con técnicas avanzadas de Machine Learning y aplicar modelos predictivos en entornos cloud usando Python, AWS, Azure y GCP.
Ingenieros de datos
Que buscan profundizar en arquitecturas modernas basadas en la nube, optimizar el procesamiento de grandes volúmenes de datos y dominar herramientas como Apache Spark, Kafka y Databricks.

Resultados esperados

Al finalizar el programa, los participantes serán capaces de diseñar e implementar soluciones avanzadas de ingeniería de datos en la nube, automatizar flujos de datos con herramientas modernas como Apache Kafka y Databricks, y aplicar modelos de Machine Learning en entornos cloud con Python. Además, podrán construir arquitecturas escalables, gestionar grandes volúmenes de datos en plataformas como AWS, Azure y GCP, y liderar proyectos de transformación digital con un enfoque estratégico basado en datos.

Modulo I

INTRODUCCIÓN A BIG DATA Y ARQUITECTURA DE DATOS

¿Qué es Big Data? (Las 5V: Volumen, Velocidad, Variedad, Veracidad, Valor)
Diferencia en Big Data, Ciencia de Datos e Ingeniería de Datos
Lagos de datos (Data Lakes) vs Almacenes de datos (Data Warehouses)
Procesamiento por lotes (Batch) vs. Procesamiento en tiempo real (Streaming)

Modulo II

INTRODUCCIÓN DE INGENIERÍA DE DATOS Y CLOUD COMPUTING PARA BIG DATA

Introducción a la Ingeniería de Datos:
- Funciones del ingeniero de datos, diferencias entre ETL y ELT, diseño de canalizaciones de datos y uso de tecnologías como Apache Spark, Kafka y Hadoop.
Introducción a Cloud Computing para Big Data:
- Computación en la nube: comparación de nubes y servicios clave.

Modulo III

FUNDAMENTOS DE INGENIERÍA DE DATOS Y COMPUTACIÓN EN LA NUBE

Fundamentos de Computación en la Nube
Procesamiento de Datos: Lotes vs. Streaming
Introducción a Kafka y Arquitecturas Basadas en Eventos

Modulo IV

INTRODUCCIÓN A DATABRICKS

Ingeniería de Datos con Databricks

Ingeniería de Datos con Delta Lake en Databricks

Introducción a la Arquitectura Lakehouse

Modulo V

PYTHON PARA INGENIERÍA DE DATOS E INTELIGENCIA ARTIFICIAL

Introducción

Python para la Implementación de Técnicas de IA

Procesamiento y Manejo de Datos

Árboles de Decisión y Reglas de Clasificación y Asociación

Redes Neuronales Artificiales

Modulo VI

INGENIERÍA DE DATOS Y MACHINE LEARNING EN AWS

Introducción a AWS Cloud

ETL Fundamentals

Streaming Data

Relational & NoSQL Databases

Data Delivery & Data Visualization

Modulo VII

INGENIERÍA DE DATOS Y MACHINE LEARNING EN AZURE

Cloud Computing & ETL Fundamentals

Data Lakes Implementation

Streaming Data

Relational & NoSQL Databases

Data Delivery & Data Visualization

Azure Official Certification DP-700

Modulo VIII

INGENIERÍA DE DATOS Y MACHINE LEARNING EN GCP

Fundamentos y Arquitectura de Google Cloud Platform

Computación, Almacenamiento y Servicios Serverless

Procesamiento de Datos, Big Data y Streaming

Gobierno de Datos, Machine Learning e Inteligencia Artificial en GCP

Modulo IX

INGENIERÍA DE DATOS AVANZADA CON DATABRICKS Y DELTA LAKE

Construcción de Canalizaciones de Datos en Databricks

Ingesta Incremental y Procesamiento Eficiente de Datos

Versionado, Calidad y Control Colaborativo de Datos

Gobierno de Datos y MLOps con Unity Catalog y MLflow

Modulo X

Modulo XI

Modulo XII

Modulo I

INTRODUCCIÓN A BIG DATA Y ARQUITECTURA DE DATOS

¿Qué es Big Data? (Las 5V: Volumen, Velocidad, Variedad, Veracidad, Valor)
Diferencia en Big Data, Ciencia de Datos e Ingeniería de Datos
Lagos de datos (Data Lakes) vs Almacenes de datos (Data Warehouses)
Procesamiento por lotes (Batch) vs. Procesamiento en tiempo real (Streaming)

Modulo II

INTRODUCCIÓN DE INGENIERÍA DE DATOS Y CLOUD COMPUTING PARA BIG DATA

Introducción a la Ingeniería de Datos:
- Funciones del ingeniero de datos, diferencias entre ETL y ELT, diseño de canalizaciones de datos y uso de tecnologías como Apache Spark, Kafka y Hadoop.
Introducción a Cloud Computing para Big Data:
- Computación en la nube: comparación de nubes y servicios clave.

Modulo III

FUNDAMENTOS DE INGENIERÍA DE DATOS Y COMPUTACIÓN EN LA NUBE

Fundamentos de Computación en la Nube
Procesamiento de Datos: Lotes vs. Streaming
Introducción a Kafka y Arquitecturas Basadas en Eventos

Modulo IV

INTRODUCCIÓN A DATABRICKS

Ingeniería de Datos con Databricks

Ingeniería de Datos con Delta Lake en Databricks

Introducción a la Arquitectura Lakehouse

Modulo V

PYTHON PARA INGENIERÍA DE DATOS E INTELIGENCIA ARTIFICIAL

Introducción

Python para la Implementación de Técnicas de IA

Procesamiento y Manejo de Datos

Árboles de Decisión y Reglas de Clasificación y Asociación

Redes Neuronales Artificiales

Modulo VI

INGENIERÍA DE DATOS Y MACHINE LEARNING EN AWS

Introducción a AWS Cloud

ETL Fundamentals

Streaming Data

Relational & NoSQL Databases

Data Delivery & Data Visualization

Modulo VII

INGENIERÍA DE DATOS Y MACHINE LEARNING EN AZURE

Cloud Computing & ETL Fundamentals

Data Lakes Implementation

Streaming Data

Relational & NoSQL Databases

Data Delivery & Data Visualization

Azure Official Certification DP-700

Modulo VIII

INGENIERÍA DE DATOS Y MACHINE LEARNING EN GCP

Fundamentos y Arquitectura de Google Cloud Platform

Computación, Almacenamiento y Servicios Serverless

Procesamiento de Datos, Big Data y Streaming

Gobierno de Datos, Machine Learning e Inteligencia Artificial en GCP

Modulo IX

INGENIERÍA DE DATOS AVANZADA CON DATABRICKS Y DELTA LAKE

Construcción de Canalizaciones de Datos en Databricks

Ingesta Incremental y Procesamiento Eficiente de Datos

Versionado, Calidad y Control Colaborativo de Datos

Gobierno de Datos y MLOps con Unity Catalog y MLflow

"Este programa me ayudó a fortalecer mi investigación con herramientas estadísticas y de inteligencia artificial. Es práctico, completo y totalmente aplicable a tesis y proyectos académicos."

"Gracias a este programa, logré estructurar mi tesis doctoral con un enfoque metodológico sólido. Las herramientas de inteligencia artificial que aprendí me ayudaron a analizar grandes volúmenes de datos de forma eficiente."

"La combinación entre estadística aplicada e IA fue justo lo que necesitaba para llevar mis investigaciones al siguiente nivel. Recomiendo esta especialización a todo investigador serio."

"El programa no solo me dio conocimientos técnicos, también me enseñó a aplicarlos en el contexto real de mi tesis. ¡Una inversión totalmente valiosa!"

"Aprendí a utilizar metodologías científicas rigurosas junto con herramientas prácticas de IA, lo que ha mejorado significativamente la calidad de mis reportes y modelos."