Bootcamp Data Engineer

• Conocimientos básicos en programación: familiaridad con al menos un lenguaje de programación, preferentemente Python, dado que es ampliamente utilizado en el campo de la ingeniería de datos.

• Comprensión de principios de bases de datos: entender los fundamentos de las bases de datos y tener conocimientos básicos de SQL.

• Habilidades matemáticas y estadísticas: aunque no es estrictamente necesario, tener conocimientos de matemáticas y estadística puede ser beneficioso para entender algunos de los procesos de análisis de datos.

• Mentalidad analítica y resolución de problemas: capacidad para abordar problemas complejos y buscar soluciones eficientes.

• Compromiso de tiempo: dada la naturaleza intensiva del bootcamp, los participantes deben estar dispuestos a dedicar un tiempo considerable al aprendizaje y la práctica.

• Disposición para el aprendizaje continuo: el campo de la ingeniería de datos está en constante evolución, por lo que es esencial mantener una actitud de aprendizaje continuo.

• Intensidad y práctica: los bootcamps de Data Engineer son conocidos por su formato intensivo, que combina teoría con una gran cantidad de práctica. Los participantes trabajan en proyectos reales y utilizan conjuntos de datos del mundo real, lo que les permite aplicar lo aprendido en situaciones prácticas.

• Currículo completo y actualizado: el programa cubre un amplio espectro de temas, desde fundamentos de bases de datos y SQL, pasando por programación en Python o Scala, hasta tecnologías de big data como Hadoop y Spark. También se enfoca en aspectos de la nube, como AWS, Azure o Google Cloud, y enseña sobre sistemas de procesamiento en tiempo real y arquitecturas de datos.

• Enfoque en herramientas y tecnologías específicas: se hace énfasis en el dominio de herramientas y plataformas esenciales para la ingeniería de datos, preparando a los estudiantes para usarlas efectivamente en sus futuros roles laborales.

• Desarrollo de habilidades de resolución de problemas: a través de ejercicios prácticos y resolución de casos, los participantes mejoran sus habilidades analíticas y de resolución de problemas, esenciales para enfrentar los desafíos comunes en la gestión de datos.

• Preparación para la carrera: además de las habilidades técnicas, nuestros bootcamps ofrecen orientación profesional, ayuda para la elaboración de un CV técnico y preparación para entrevistas, con el objetivo de facilitar la inserción laboral de los graduados en el campo de la ingeniería de datos.

• Profesionales de IT que buscan especializarse: trabajadores del sector tecnológico interesados en especializarse en el ámbito de la ingeniería de datos.

• Científicos de datos y analistas que desean ampliar sus habilidades: profesionales que ya trabajan en ciencia de datos o análisis de datos y buscan comprender mejor la infraestructura que soporta sus análisis.

• Recién graduados en campos relacionados: graduados de carreras en informática, matemáticas, estadística o campos afines que buscan entrar al mercado laboral con un conjunto de habilidades altamente demandadas.

• Profesionales de diversos sectores con Interés en datos: individuos de diferentes ámbitos profesionales que reconocen la importancia de los datos en la toma de decisiones y desean adquirir habilidades técnicas para transicionar hacia roles orientados a datos.

El contenido de este Bootcamp ha sido diseñado por nuestro equipo docente y está pensado para cubrir las necesidades de las empresas tecnológicas del sector digital.

Temario (160 horas)

1. Fundamentos de Big Data y Data Engineering (10 h):

• Paradigma de procesamientos Big Data
• Economía del dato
• Innovación y Big Data
• Conceptos básicos: 
  • Perfiles:  Data Scientist vs Data Engineer
  • BI vs Big Data, Data Analytics vs Data Science
  • Gestión de proyectos. Mejora continua.
• ¿Cómo deben colaborar Data Scientist y Data Engineer?
• Data Governance

2. Fundamentos de Programación (Python y Scala) (25h):

• Instalación de los entornos: Docker, Git, Jupyter, Anaconda
• Python (fundamentos, Pandas, NumPy, Scikit-Learn)
  • Data Wrangling
  • Metaprogramming, Decorators, Magic Methods, Distributed Modules
• Scala
  • Introduction to functional programming
    • Immutable Data
    • Messaging
    • Persisten Data
    • Concurrency
    • Logging
  • Higher Order Function
  • Breeze, ScalaLab y BIGMach

3. ETL vs ELT (35h):

• Data Warehousing 
  • DW vs Data Base vs Data Lake vs Data Mart
  • OLAP, MOLAP, OLTP
  • Data Modeling
  • Data Governance y Lineage
  • Metadata
  • Data Quality, Data Cleaning, Data Wrangling
• Herramientas clásicas: Talent,…
• Herramientas cloud: Teradata, Amazon Redshift,…
• Virtualización: Docker, Kubernetes

4. Ecosistema Big Data (75h):

• Batch processing:
  • Hadoop. HDFS. MapReduce. Yarn
  • Hive: arquitectura, modelado de datos, Metastore, HiveQL, APIs
  • Sqoop
  • Flume
  • Spark
• Streamming Processing:
  • Fundamentos
  • Spark Streaming
  • Kafka
  • Storm
  • Apache NiFi (real time)
• Sistemas NoSQL
  • HBase
  • Cassandra
  • MongoDB
  • Neo4J
  • Redis
  • Couchbase
• Administración de sistemas big data
  • Planificación de clusters
  • Tunning / optimización 
  • Monitorización / seguridad 

5. Get Value From Data (15 h):

• Business Intelligence: Golde Data
• Introducción a Data Science
• Storytelling
• Herramientas de visualización:
  • Power Bi, Tableau, Carto DB
  • R: Shiny, plotly
  • Python: plotly, Bokeh, Dash
  • D3
  • Kibana

El temario se actualiza cada tres meses añadiendo las novedades del sector.

Así que no esperes más! Únete a nuestro Bootcamp de Data Engineer ¡Nos vemos en el aula!