Azure Data Lake Storage Gen2

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que desean construir e implementar aplicaciones en la nube con IA utilizando Microsoft Azure.

Al finalizar esta formación, los participantes serán capaces de:

• Desarrollar aplicaciones dirigidas por eventos y serverless (sin servidor) utilizando Azure Functions.
• Administrar soluciones de almacenamiento de Azure y máquinas virtuales.
• Implementar y escalar aplicaciones web utilizando Azure App Service y contenedores Docker.
• Integrar IA, aprendizaje automático (machine learning) y procesamiento del lenguaje natural mediante Azure AI Services.
• Aprovechar GitHub Copilot para asistir en el desarrollo de aplicaciones en la nube basadas en IA.

Esta capacitación impartida por un instructor, Guatemala (en línea o in situ), está dirigida a desarrolladores y profesionales técnicos de nivel principiante, intermedio o avanzado que deseen utilizar Microsoft Azure para construir, probar e implementar agentes de IA en aplicaciones empresariales.

Al finalizar esta formación, los participantes serán capaces de comprender la arquitectura de un agente de IA en Azure, crear y configurar un agente funcional, conectar agentes a fuentes de conocimiento empresarial, evaluar y preparar agentes para su implementación.

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a ingenieros de DevOps, desarrolladores y gerentes de proyectos que desean utilizar Azure DevOps para construir e implementar aplicaciones empresariales optimizadas más rápido que con los enfoques tradicionales de desarrollo.

Al finalizar esta formación, los participantes podrán:

• Comprender el vocabulario fundamental y los principios de DevOps.
• Instalar y configurar las herramientas necesarias de Azure DevOps para el desarrollo de software.
• Utilizar las herramientas y servicios de Azure DevOps para adaptarse continuamente al mercado.
• Construir aplicaciones empresariales y evaluar los procesos actuales de desarrollo sobre soluciones de Azure DevOps.
• Gestionar equipos con mayor eficiencia y acelerar el tiempo de implementación de software.
• Adoptar prácticas de desarrollo DevOps dentro de la organización.

Esta formación en vivo, impartida por un instructor en <ubicación> (en línea o presencial), está dirigida a científicos de datos e ingenieros de nivel intermedio que deseen utilizar Google Colab y Apache Spark para el procesamiento y análisis de big data.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de big data utilizando Google Colab y Spark.
• Procesar y analizar grandes conjuntos de datos de manera eficiente con Apache Spark.
• Visualizar big data en un entorno colaborativo.
• Integrar Apache Spark con herramientas basadas en la nube.

Esta capacitación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a desarrolladores de Java, ingenieros de software y entusiastas de la nube de nivel intermedio que desean aprovechar el poder de Azure OpenAI para crear aplicaciones inteligentes.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los principios de la IA Generativa y sus aplicaciones.
• Configurar y administrar un servicio de Azure OpenAI.
• Integrar los modelos de OpenAI en aplicaciones Java.
• Desplegar funciones impulsadas por IA dentro de aplicaciones web.

En esta formación en vivo dirigida por un instructor en Guatemala (en línea o presencial), los participantes aprenderán a configurar y gestionar un entorno de contenedores a escala de producción mediante el uso de Kubernetes con AKS.

Al finalizar este curso, los participantes podrán:

• Configurar y gestionar Kubernetes en AKS.
• Desplegar, gestionar y escalar un clúster de Kubernetes.
• Desplegar aplicaciones contenerizadas (Docker) en Azure.
• Migrar un entorno de Kubernetes existente desde infraestructura propia hacia la nube de AKS.
• Integrar Kubernetes con software de integración continua (CI) de terceros.
• Asegurar alta disponibilidad y recuperación ante desastres en Kubernetes.

Apache NiFi es una plataforma de integración de datos y procesamiento de eventos basada en flujos, de código abierto. Permite el enrutamiento, la transformación y la mediación automática y en tiempo real entre sistemas diversos, con una interfaz de usuario web y un control fino.

Esta formación en vivo impartida por un instructor (presencial o remota) está dirigida a administradores e ingenieros de nivel intermedio que deseen desplegar, gestionar, asegurar y optimizar los flujos de datos de NiFi en entornos de producción.

Al finalizar esta formación, los participantes podrán:

• Instalar, configurar y mantener clústeres de Apache NiFi.
• Diseñar y gestionar flujos de datos desde múltiples fuentes y destinos.
• Implementar la automatización del flujo, lógica de enrutamiento y transformación.
• Optimizar el rendimiento, monitorear las operaciones y solucionar problemas.

Formato del Curso

• Conferencia interactiva con discusión sobre arquitectura en el mundo real.
• Laboratorios prácticos: construcción, despliegue y gestión de flujos.
• Ejercicios basados en escenarios en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

Este curso ofrece una introducción práctica para construir flujos de trabajo escalables de procesamiento de datos y aprendizaje automático utilizando PySpark. Los participantes aprenderán cómo Apache Spark funciona dentro de los ecosistemas modernos de Big Data y cómo procesar grandes conjuntos de datos de manera eficiente mediante principios de computación distribuida.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a ingenieros que desean configurar e implementar el sistema Apache Spark para procesar cantidades muy grandes de datos.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar Apache Spark.
• Procesar y analizar rápidamente conjuntos de datos muy grandes.
• Comprender la diferencia entre Apache Spark y Hadoop MapReduce y cuándo utilizar cada uno.
• Integrar Apache Spark con otras herramientas de aprendizaje automático (machine learning).

Esta formación en vivo con instructor en Guatemala (en línea o presencial) está dirigida a administradores de sistemas de nivel principiante e intermedio que desean implementar, mantener y optimizar clústeres de Spark.

Al finalizar esta capacitación, los participantes podrán:

• Instalar y configurar Apache Spark en diversos entornos.
• Gestionar los recursos del clúster y supervisar las aplicaciones de Spark.
• Optimizar el rendimiento de los clústeres de Spark.
• Implementar medidas de seguridad y garantizar alta disponibilidad.
• Depurar y solucionar problemas comunes de Spark.

La curva de aprendizaje de Apache Spark es lenta al principio, y se requiere un esfuerzo significativo para obtener los primeros resultados. Este curso tiene como objetivo superar esa primera etapa desafiante. Al completar este curso, los participantes comprenderán los fundamentos de Apache Spark, podrán diferenciar claramente entre RDD y DataFrame, aprenderán las APIs de Python y Scala, entenderán ejecutores y tareas, entre otros conceptos. Además, siguiendo las mejores prácticas, el curso se enfoca fuertemente en la implementación en la nube, Databricks y AWS. Los estudiantes también comprenderán las diferencias entre AWS EMR y AWS Glue, uno de los servicios más recientes de Spark ofrecidos por AWS.

PÚBLICO OBJETIVO:

Ingenieros de Datos, DevOps, Científicos de Datos

En esta formación en vivo con instructor en Guatemala, los participantes aprenderán cómo utilizar Python y Spark juntos para analizar Big Data mientras realizan ejercicios prácticos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Aprender cómo usar Spark con Python para analizar Big Data.
• Realizar ejercicios que imitan casos del mundo real.
• Utilizar diferentes herramientas y técnicas para el análisis de Big Data mediante PySpark.

Esta formación impartida por un instructor en Guatemala (en línea o presencial) está dirigida a desarrolladores que deseen utilizar e integrar Spark, Hadoop y Python para procesar, analizar y transformar conjuntos de datos grandes y complejos.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar el entorno necesario para comenzar a procesar big data con Spark, Hadoop y Python.
• Comprender las características, componentes principales y arquitectura de Spark y Hadoop.
• Aprender cómo integrar Spark, Hadoop y Python para el procesamiento de big data.
• Explorar las herramientas del ecosistema de Spark (Spark MLlib, Spark Streaming, Kafka, Sqoop, Flume).
• Construir sistemas de recomendación basados en filtrado colaborativo similares a los utilizados por Netflix, YouTube, Amazon, Spotify y Google.
• Utilizar Apache Mahout para escalar algoritmos de aprendizaje automático.

Stratio es una plataforma centrada en los datos que integra big data, inteligencia artificial (IA) y gobernanza en una única solución. Sus módulos Rocket e Intelligence permiten explorar, transformar y analizar datos de manera avanzada en entornos empresariales.

Esta formación impartida por un instructor (en línea o presencial) está dirigida a profesionales de datos con nivel intermedio que deseen utilizar eficazmente los módulos Rocket e Intelligence de Stratio junto con PySpark, centrándose en estructuras de bucle, funciones definidas por el usuario y lógica avanzada de datos.

Al finalizar esta formación, los participantes serán capaces de:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Intelligence.
• Aplicar PySpark en el contexto de ingestión, transformación y análisis de datos.
• Utilizar bucles y lógica condicional para controlar flujos de trabajo y tareas de ingeniería de características.
• Crear y gestionar funciones definidas por el usuario (UDF) para operaciones de datos reutilizables en PySpark.

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarla.