IMPLEMENTACIÓN DE SOLUCIONES DE INGENIERÍA DE DATOS MEDIANTE AZURE DATABRICKS (DP 750)
¡Inscribete ahora!DATOS BÁSICOS
Presencial de 17:00-21:00 horas.
REQUISITOS
Trabajadores ocupados o desempleados en la Comunidad Autónoma de Aragón. Este curso está dirigido a:
- Ingenieros de datos que trabajan con arquitecturas analíticas en Azure.
- Profesionales responsables de diseñar y mantener pipelines de datos.
- Equipos técnicos que utilizan Azure Databricks para analítica avanzada o machine learning.
- Administradores y arquitectos de datos que requieren implementar gobernanza y seguridad en entornos Databricks.
Requisitos:
Para aprovechar al máximo el curso, se recomienda que los participantes cuenten con:
- Conocimientos básicos de Azure y sus servicios de datos.
- Experiencia previa en Python, SQL o Spark.
- Familiaridad con conceptos de ingeniería de datos y arquitecturas analíticas.
- Comprensión general de almacenamiento en la nube y modelos de seguridad.
FINALIDAD
Al finalizar el curso, el alumno será capaz de:<br/><br/>Configurar y administrar entornos de Azure Databricks.<br/><br/>Ingerir y transformar datos utilizando SQL, Python, Spark y Delta Lake.<br/><br/>Diseñar modelos de datos eficientes basados en la arquitectura Medallion.<br/><br/>Implementar gobernanza y seguridad mediante Unity Catalog.<br/><br/>Crear, orquestar y automatizar pipelines de datos.<br/><br/>Optimizar el rendimiento de cargas de trabajo y resolver incidencias.<br/><br/>Integrar Databricks con servicios clave de Azure como Data Factory,<br/><br/>Monitor y Key Vault.<br/><br/>Examen de certificación incluido: Exam DP-750: Implementing Data Engineering Solutions Using Azure Databricks.<br/><br/>Incluye también acceso a los laboratorios prácticos de Microsoft durante al menos 6 meses.
PROGRAMA
- Configuración de workspaces.
- Gestión de clústeres, pools y recursos.
- Integración con Microsoft Entra ID.
- Configuración de repositorios Git y prácticas SDLC.
2. Ingesta y transformación de datos
- Ingesta de datos mediante SQL y Python.
- Lectura desde múltiples orígenes: ADLS, bases de datos, APIs, streaming.
- Uso de Auto Loader y patrones de ingesta.
- Transformaciones con Spark SQL, PySpark y Delta Lake.
- Limpieza, enriquecimiento y normalización de datos.
3. Modelado de datos y arquitectura
- Diseño de modelos de datos para analítica.
- Implementación de la arquitectura Medallion (Bronze, Silver, Gold).
- Tablas Delta: optimización, versionado y time travel.
- Diseño de pipelines escalables y reutilizables.
4. Gobernanza, seguridad y cumplimiento con Unity Catalog
- Control de acceso a nivel de workspace, catálogo, esquema y tabla.
- Seguridad a nivel de fila y columna.
- Aplicación de data quality y buenas prácticas.
- Integración con Microsoft Purview para linaje y clasificación.
5. Orquestación y automatización de cargas de trabajo
- Creación y gestión de jobs y workflows.
- Triggers basados en eventos y programación.
- Integración con Azure Data Factory.
- Uso de parámetros, notebooks y pipelines.
6. Optimización, rendimiento y fiabilidad
- Optimización de consultas y cargas Spark.
- Técnicas: partitioning, Z-Ordering, caching, file compaction.
- Monitorización con Azure Monitor y herramientas nativas.
- Resolución de incidencias y troubleshooting.
7. Operación y mantenimiento de soluciones de ingeniería de datos
- Gestión de entornos (dev/test/prod).
- Auditoría, logging y seguimiento de pipelines.
- Buenas prácticas de despliegue continuo (CI/CD).
- Mantenimiento de workloads y control de costes.
RESPONSABLE DEL CURSO
TU COMUNIDAD
Foros de discusión
- Dudas sobre el curso de Amazon Web Services1 hilos
- Fotografía1 hilos
- Dudas sobre el curso de CSS2 hilos