Análisis de datos profesional

•  Es recomendable tener una base sólida en al menos un lenguaje de programación como Python, SQL o Scala, ya que estos lenguajes se utilizarán para interactuar con Databricks y Apache Spark
• Conocimientos previos en análisis de datos y procesamiento de grandes volúmenes de datos son útiles, aunque no indispensables Se espera que los participantes tengan una comprensión básica de conceptos como DataFrames, bases de datos y consultas SQL
• Aunque no es obligatorio, tener experiencia previa con servicios en la nube preferiblemente Azure facilitará la comprensión de los conceptos relacionados con la infraestructura y la gestión de recursos en la nube
• Es útil tener conocimientos previos de procesos de ETL Extracción, Transformación y Carga para entender cómo se implementan estos flujos de trabajo en Databricks
• Los participantes deben tener acceso a una suscripción de Azure para poder crear y gestionar un espacio de trabajo en Azure Databricks Se pueden utilizar créditos gratuitos si se dispone de una cuenta de prueba de Azure
• No es imprescindible, pero un conocimiento previo de Apache Spark facilitará el aprendizaje en la manipulación de grandes conjuntos de datos y en la optimización de flujos de trabajo en Databricks

Recursos recomendados antes de comenzar el curso

• Familiarizarse con Python o SQL a través de cursos introductorios
• Realizar un curso básico sobre Azure si no se tiene experiencia con esta plataforma
• Revisar la documentación básica de Apache Spark para entender cómo se gestiona y procesa la información a gran escala

Estos requisitos asegurarán que los participantes puedan seguir el contenido del curso de manera efectiva y saquen el máximo provecho de las herramientas y técnicas enseñadas

• Enfoque práctico: el curso se centra en enseñar a los participantes cómo utilizar Azure Databricks y Apache Spark mediante ejercicios prácticos, permitiéndoles aplicar directamente lo aprendido a la manipulación y análisis de grandes volúmenes de datos.

• Cobertura integral: abarca desde los fundamentos de Databricks y Spark hasta el uso avanzado de herramientas como Delta Lake, optimización de flujos ETL y técnicas de análisis de datos en entornos distribuidos.

• Formación interactiva: diseñado para fomentar la participación activa, incluye actividades colaborativas y ejemplos prácticos que reflejan escenarios reales en la gestión de datos y machine learning.

• Actualización constante: el curso se adapta a las innovaciones en Databricks y el ecosistema de Azure, incorporando las últimas funcionalidades y mejores prácticas para que los participantes estén al día en un entorno dinámico.

• Proyección profesional: proporciona habilidades clave en ingeniería de datos y análisis, capacitándote para resolver problemas empresariales complejos y manejar infraestructuras modernas en la nube.

• Proyecto final: al finalizar, los participantes desarrollarán un proyecto práctico que demuestra su capacidad para implementar soluciones de análisis de datos utilizando Databricks en entornos empresariales.

Este curso de Azure Databricks está diseñado para profesionales, desarrolladores y analistas de datos que desean adquirir habilidades prácticas para trabajar con grandes volúmenes de datos en la nube utilizando la plataforma Databricks y el motor Apache Spark. El curso está dirigido a:

• Ingenieros de datos que desean optimizar sus flujos de trabajo de ETL (Extracción, Transformación y Carga) mediante el uso de Delta Lake y herramientas de streaming de datos.
• Científicos de datos que buscan integrar Databricks en sus proyectos de análisis y machine learning, aplicando modelos de datos en entornos escalables y colaborativos.
• Analistas de datos y BI (Business Intelligence) que necesitan manipular grandes volúmenes de datos, realizar consultas avanzadas y crear visualizaciones dinámicas.
• Profesionales de TI y arquitectos de soluciones en la nube que gestionan infraestructuras de datos y desean aprender a implementar y optimizar cargas de trabajo en entornos basados en la nube de Microsoft Azure.
• Estudiantes o recién graduados en áreas de ciencia de datos, computación o ingeniería de software que buscan adentrarse en el análisis de datos con herramientas líderes en la industria.

Este curso es adecuado tanto para quienes tienen experiencia previa en análisis de datos como para aquellos que deseen aprender desde los conceptos básicos hasta los niveles avanzados de uso de Databricks en entornos profesionales.

Contenido del programa

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

1. ANÁLISIS DE DATOS 

Trabajando con datos en Excel 

• Navegación por la interfaz de Excel. 
• Fórmulas, funciones y referencias de celdas. 

Limpieza datos en Excel 

• Eliminación de duplicidad de datos.. 
• Creación de columnas y filas para estructurar los datos. 
• Formatos de columnas y filas. 

Visualización de datos en Excel 

• Condicionales en celdas. 
• Diagramas de dispersión, gráficos de barra e histogramas. 
• Paneles de control.. 
• Cuadro de mandos con complejidad. 

Interpretación de valor y narrativa 

• Objetivos y herramientas del Análisis de Datos. 
• Resolución de problemas iterativos. 
• Valor e impacto de toma de decisiones. 
• Presentación de detalles del Proyecto 1. 
• Narrativa del análisis visual. 
• Estrategias comunes de presentación. 
• Aplicación de técnicas sobre caso de negocio. 
• Definición métodos para la selección de imágenes. 

Importación de datos 

• Conexión de los orígenes de diferentes formatos. 
• Importación de BBDD. 
• Introducción a Power Query. 
• Consultas o Merge Queries. 

Referencia de datos 

• Construcción de relaciones entre celdas de Excel 
• Rangos y referencias a subconjuntos de datos. 
• Manipulación de los conjuntos de datos. 
• Búsqueda de valores usando. 
• Comandos de agregación de Excel. 
• Tablas dinámicas. . 

Data Modeling 

• Fundamentos de Power Pivot. 
• Normalización de datos vs desnormalización. 
• Modelado para Business Intelligence. 

2. CONSULTA DE DATOS 

Fundamentos de base de datos y SQL 

• Estructura de BBDD y lenguaje de consulta estructurado. 
• Operadores condicionales de SQL. 
• Instrucción SELECT de SQL con diferentes cláusulas. 
• Comandos SQL avanzados para filtrado de datos. 
• Cálculos a los campos, utilizando el orden de las operaciones. 

Combinando datos en SQL 

• Agregado de datos y combinación de tablas. 
• Comandos SQL para preguntas de datos. 
• Estructuras SQL para UNIR datos de múltiples fuentes. 

Limpieza de datos y creación de uniones en SQL 

• Creación de relaciones entre tablas y consultas. 
• Diferencias entre NULL y cero y funciones booleanas. 
• Utilización de declaraciones. 
• Preguntas en una sola consulta SQL. 
• Filtrados en consultas y funciones en cadena. 

3. ESTADÍSTICAS 

Introducción a la estadistica en Excel 

• Tipos de análisis estadísticos y funciones. 
• Descripción del valor de las estadísticas descriptivas e inferenciales. 
• Cálculos para la descripción de datos e identificación de valores. 
• Segmentación y predicciones sobre una población más grande. 
• Modelo de regresión lineal de una sola variable. 

Estadística esencial para Data Analytics en Excel 

• Estadísticas descriptivas. 
• Probabilidad. 
• Variables Aleatorias. 
• Muestras e Intervalos de confianza. 
• Test de Hipótesis. 

4. VISUALIZACIÓN DE DATOS 

Visualización de datos 

• Utilización de Tablas y matrices. 
• Tipos de gráficos y exploración de datos. 
• Visualizaciones nativas customizadas. 
• Filtros y Segmentos. 
• Gráficos para KPI’s. 

Técnicas avanzadas de visualización gráfica 

• Herramientas para el diseño de reportes. 
• Extensiones de excel para visualización de datos. 
• Panel de Google Analytics en Excel. 
• Agrupación, exclusión e inclusión de datos en una visualización. 
• Gráficos de dispersión (scatter chart). 
• Cómo crear clusters. 

Visualización con Power BI 

• Introducción a Power BI. 
• Conexión de fuentes de datos. 
• Transformación de datos. 
• Construcción de un modelo de datos relacionales. 
• Creación de reportes en Power BI. 
• Gráficas y Visualizaciones. 
• Cuadro de Mando Interactivo 
• Fórmulas DAX. 
• Mejores prácticas de visualización de datos. 
• Fundamentos de R y Power BI. 

Visualización con Tableau 

• Introducción a Tableau. 
• Combinación de fuentes de datos para su uso por Tableau. 
• Conexión a variedad de fuentes. 
• Interfaz de Tableau. 
• Tipos de datos y roles. 
• Construcción de gráficos, cálculos, tableros e historias. 
• Trabajar con fechas y con extractos. 
• Filtrado, clasificación, agrupación y creación de conjuntos. 
• Cuadros de mando interactivos.