AQUÍ, aprende como en la empresa

Creamos este curso diseñado para resolver todos esos desafios empresariales que una academia normal no toma en cuenta.

Te enseñamos buenas prácticas, codificación, arquitecturas y arquetipos basados en estándares empresariales, lo que aprendas aquí lo aplicarás a la vida empresarial.

BENEFICIOS

✅ El profesor asesora empresas latinoamericanas en I.A. y Big Data
✅ Es un curso 100% de laboratorios prácticos
✅ Implementarás en las 4 nubes: Databricks, AWS, Azure y GCP, sobre un Data Lake
✅ Los materiales y grabaciones se quedan contigo para siempre
✅ Únete a nuestros alumnos, quienes en promedio completan 3 cursos
✅ Nuestros alumnos comienzan a trabajar lo aprendido desde el tercer mes

Al finalizar el curso tendrás las herramientas y el conocimiento disruptivo que te permitirá un alto salario.

¿𝐋𝐢𝐬𝐭𝐨 𝐩𝐚𝐫𝐚 𝐬𝐞𝐫 𝐮𝐧 Experto en Spark & Scala❓

En menos de 3 meses tendrás la capacidad de:

✅Aplicar PATRONES DE DISEÑO Y ARQUETIPOS para no “crear la rueda de nuevo”, es decir soluciones estándares para problemas comunes y aplicables a cualquier realidad empresarial, te ayudarán a optimizar el uso de la RAM y la CPU, mejorar los tiempos y dar calidad a tu código.

✅Implementar ESTÁNDARES DE SPARK & SCALA MULTI-CLOUD que te permitirán codificar en las 4 nubes más usadas en las empresas sin problemas: AWS, Azure, GCP y Databricks

✅Construir flujos de  GOBIERNO DE DATOS & DATA LAKES que te permitirán organizar los miles de procesos que las empresas tienen para evitar que se interrumpan entre sí y te ahorrará re-trabajos de codificación.

✅APLICAR AL MUNDO EMPRESARIAL todo lo aprendido, el contenido del curso tiene toda la experiencia y buenas prácticas de nuestro profesor con 14 años de experiencia en Big Data & I.A.

EL ÚNICO REQUISITO es que conozcas la sintáxis básica de cualquier lenguaje de programación.

¡Un total de 8 sesiones en vivo!

Conoce el temario de 8 sesiones divididas en 8 módulos

  • MÓDULO 1: INTRODUCCIÓN Y PREPARACIÓN DEL ENTORNO EN DATABRICKS

    • Big Data y Spark
    • Procesamiento In-Memory
    • Componentes de Spark
    • Variables distribuidas en un clúster: RDD vs DATAFRAME
    • Lenguajes de programación para Spark: Scala vs Python vs R
    • Despliegue de clúster Spark
    • Configuración a repositorio de datos
    • Python como lenguaje de programación
    • Infraestructura de Almacenamiento
    • Infraestructura de Procesamiento
    • Preparación de Clúster de Procesamiento
    • Preparación de Clúster de Almacenamiento
    • Programación de Spark & Scala con SQL
  • MÓDULO 2: PROCESAMIENTO FUNCIONAL CON SPARK & SCALA

    • Programación funcional
    • Dataframes para datos estructurados y semi-estructurados
    • Transformations y operations en dataframes
    • Creación de funciones personalizadas con UDFs
    • UDFs con multi-parámetros
    • Almacenamiento en formatos binarios de rápido procesamiento: Parquet y Avro
    • Procesamientos en pasos encadenados
    • Procesamientos en pasos separados
    • Liberación de memoria con el Garbage Collector
    • Arquetipo de procesamiento funcional
  • MÓDULO 3: IMPLEMENTACIÓN DELTA LAKE CON SPARK & SCALA

    • Arquitectura Data Lake y Delta Lake
    • Taxonomía Delta Lake
    • Definición de capa BRONZE
    • Definición de capa SILVER
    • Definición de capa GOLD
    • Lectura de archivos JSON
    • Lectura de archivos XML
    • Dataframes semi-estructurados
    • Definición del esquema de formato semi-estructurado
    • Patrón de diseño de modelamiento semi-estructurado
    • Navegación de campos complejos
    • Implementación de reglas de calidad
    • Implementación de modelamiento
    • Arquetipo de procesamiento sobre el Delta Lake
  • MÓDULO 4: TUNING Y PATRONES DE DISEÑO CON SPARK & SCALA

    • Patrón de diseño show para evitar re-procesos
    • Patrón de checkpoint para evitar colapso de memoria RAM
    • Patrón de caché para reducir tiempos de procesamiento
    • Aumentando el nivel de paralelización con executors
    • Optimización de JOINS
    • Optimización de modelamiento
    • Arquetipo de procesamiento optimizado
    • Definición de reserva de memoria según capacidad del clúster
    • Reserva de memoria RAM sobre la sesión
    • Gestión de particiones de los dataframes
  • MÓDULO 5: PROCESAMIENTO REAL-TIME CON SPARK & SCALA

    • Arquitectura real-time y de storm data
    • Kafka como interfaz estándar de procesamiento
    • Creación de tópicos real-time
    • Patrón micro-batch para optimización de ahorro de tiempo en CPU
    • Patrón de diseño producer: read, format & write
    • Patrón de diseño consumer: read, format, enrichment & process
    • Patrón de diseño para emulación de storm data
    • Pruebas de volumetría
  • MÓDULO 6: INFRAESTRUCTURA CLOUD PARA SPARK & SCALA BATCH

    • Sistemas de archivos distribuidos
    • DBFS como sistema de archivos sobre Databricks
    • Blob Storage como sistema de archivos sobre Azure
    • S3 como sistema de archivos sobre AWS
    • Cloud Storage como sistema de archivos sobre GCP
    • Montado remoto del Blob Storage con Spark & Scala
    • Montado remoto del S3 con Spark & Scala
    • Montado remoto del Cloud Storage con Spark & Scala
  • MÓDULO 7: INFRAESTRUCTURA CLOUD PARA SPARK & SCALA REAL-TIME

    • Sistemas de tópicos y colas
    • EventHubs como sistema de tópicos y colas sobre Azure
    • Kinesis como sistema de tópicos y colas sobre AWS
    • Pub/Sub como sistema de tópicos y colas sobre GCP
    • Conexión remota a EventHubs con Spark & Scala
    • Conexión remota a Kinesis con Spark & Scala
    • Conexión remota a Pub/Sub con Spark & Scala
  • MÓDULO 8: MACHINE LEARNING SOBRE SPARK & SCALA

    • Introducción teórica a los modelos analíticos
    • Algoritmos de Machine Learning
    • Infraestructura de procesamiento analítico
    • Clústers de Big Data vs Servidores de GPU
    • Spark como motor de procesamiento para algoritmos de Machine Learning
    • Integración de Dataframes de Spark con Pandas con Koalas
    • Algoritmos de clusterización y tipos de distancia
    • Implementación de K-Means para segmentación de datos
    • Calibración de parámetros sobre el modelo de K-Means

Profesor

"He trabajado con todo tipo de proyectos, desde pequeños de unos cuántos miles de dólares, hasta muy grandes de presupuestos de millones de dólares"

✅EXPERTO EN IA PARA BANCOS Y FINANCIERAS
✅14 años de experiencia en Big Data e Inteligencia Artificial
✅12 años de experiencia como docente universitario
✅Más detalles de mi perfil: LINKEDIN

Alonso Melgarejo

Nuestros 69 mil alumnos nos recomiendan

MATRICÚLATE

OFERTA

¡De regalo un videocurso de 30 sesiones!

  1. Curso de Spark & Scala Multi-Cloud +
  2. Videocurso "Fundamentos de Spark para Big Data"

Todo por 129 dólares

Matricúlate aquí 👈

📋

Requisitos

No necesitas de ninguna experiencia previa, ya que aprenderás desde cero

🎓

Certificación Internacional

Al finalizar el curso obtendrás el certificado de "Spark & Scala Professional"

Preguntas Frecuentes

  • ¿Qué es Big Data Academy (BDA)?

    Somos una empresa que tiene como objetivo desbloquear todo tu potencial en Big Data, Inteligencia Artificial y Cloud Computing

  • ¿Hay cursos para principiantes?

    Sí, desde workshops de primeros pasos hasta cursos y programas completos

  • ¿Hay cursos para empresas o grupos grandes?

    Sí, con buenos descuentos, puedes escribirnos a nuestro WhatsApp (+51 907 999 456)

  • ¿Cuáles son los cursos en los que puedo matricularme?

    Puedes encontrar los cursos y programas desde el siguiente enlace: CURSOS

  • ¿Cuáles son los requisitos para matricularme en un curso?

    Puedes revisar el brochure o la web de cada curso para conocer su detalle

  • ¿Qué tipo de computadora requiero para iniciar un curso?

    Una computadora simple, usamos infraestructura en la nube para practicar, puedes acceder incluso desde tu tablet

  • ¿Cuántas horas semanales requiero para llevar un curso?

    Depende de ti, pero te recomendamos de 2 a 3 horas semanales