USD
  • PEN
  • USD
  • EUR
  • COP
  • BOB
  • MXN
  • CLP
  • BRL
0

CURSO DE INGENIERÍA DE DATOS Y MACHINE LEARNING EN AWS

Docente

Nombre del docente

Fecha de inicio

Horarios

Fecha de finalizacion

¿Qué aprenderás en este curso?

Publico objetivo

Resultados esperados

INTRODUCCIÓN A AWS CLOUD

  • Introducción a Cloud Computing: Conceptos fundamentales, proveedores de servicios Cloud, comparación entre On-Premise y On-Cloud, principales servicios y modelos de costos.
  • Identity and Access Management (IAM): Overview de los roles principales, ejemplos de gestión de permisos y buenas prácticas en seguridad.

ETL FUNDAMENTALS

  • Introducción a las soluciones ETL: Definición, descripción de sus etapas y beneficios.
  • Servicios de AWS para ETL: Introducción a AWS Glue y AWS DataBrew, características generales y casos de uso.

DATA LAKES IMPLEMENTATION

  • Introducción a Data Lakes: Definición, arquitectura y capas (Raw, Stage, Analytics).
  • Amazon S3 y Seguridad en Buckets: Configuración, mejores prácticas y estrategias de almacenamiento seguro.

STREAMING DATA

  • Conceptos de Procesamiento de Datos: Diferencias entre Batch y Streaming, casos de uso en Near-Real-Time y Real-Time.
  • Introducción a IoT: Definición, uso de sensores y aplicaciones en la industria.
  • Servicios de AWS para Streaming:
  • Amazon Kinesis (Data Firehose, Data Streams, Analytics): Características generales, ejemplos de implementación y casos de uso.
  • AWS IoT Core: Arquitectura y aplicación en escenarios industriales y comerciales.
  • Apache Kafka en AWS:
  • Introducción a Kafka: Arquitectura, componentes principales y conceptos clave (topics, producers, consumers, brokers, zookeepers).
  • Implementación en AWS con MSK (Managed Streaming for Apache Kafka): Características, configuración y casos de uso.
  • Comparación entre Kinesis y Kafka: Ventajas y desventajas de cada tecnología.

RELATIONAL & NOSQL DATABASES

  • Introducción a Bases de Datos Relacionales y NoSQL: Definición, características y casos de uso.
  • Servicios de AWS para Bases de Datos:
  • Amazon RDS (Relational Database Service): Características generales y configuraciones.
  • Amazon DMS (Database Migration Service): Uso para migración de datos y estrategias de replicación.
  • Amazon DynamoDB: Arquitectura, características y casos de uso para bases de datos NoSQL.
María Fernández
María FernándezEgresada del programa
"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."
Ana Rodríguez
Ana RodríguezEgresada del programa
"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."
Carlos Méndez
Carlos MéndezEgresado del programa
"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."
Lucía Fernández
Lucía FernándezEgresada del programa
"El programa no solo me dio conocimientos técnicos, también me enseñó a aplicarlos en el contexto real de mi tesis. ¡Una inversión totalmente valiosa!"
Jorge Salazar
Jorge SalazarEgresado del programa
"Aprendí a utilizar metodologías científicas rigurosas junto con herramientas prácticas de IA, lo que ha mejorado significativamente la calidad de mis reportes y modelos."

¿INTERESADO EN NUESTRO CURSO ONLINE?

¡Estás a un paso de transformar tu futuro! Si deseas más información o necesitas ayuda para completar tu inscripción, puedes comunicarte directamente con uno de nuestros asesores de ventas.

0
    0
    Tu carrito
    Carrito vacioReturn to Shop