Curso AWS Data Engineer + Machine Learning (Doble Certificación)

Aprenderás las características más importantes de los servicios de sistemas de archivos elásticos, base de datos relacionales y sistemas de cache elásticos.

• Laboratorio práctico para crear un sistema de archivo elástico de tipo NFS conectado a un servidor virtual con sistema operativo Linux.
• Laboratorio práctico para crear una base de datos de acceso público en RDS.
• Laboratorio práctico para crear un cluster de servidores de cache elástico implementado con Redis.Firehose.

Aprenderás las características más importantes y el funcionamiento de los servicios de balanceador de carga elástico, autoescalamiento con EC2, certificados digitales, servicios de auditoria, monitoreo, funciones Lambda e infraestructura como código.

• Laboratorio práctico para crear un balanceador de carga elástico para aplicaciones web conectado a dos servidores virtuales con sistema operativo Linux y Apache.
• Laboratorio práctico para crear un certificado digital gratuito.
• Laboratorio práctico para crear un evento programado en CloudWatch de inicio y terminación de servidores virtuales conectado una función Lambda.
• Laboratorio práctico para ejecutar una plantilla de CloudFormation que despliegue un servidor virtual.

Aprenderás los servicios mas importantes de seguridad, cumplimiento y administración de costos.

• Laboratorio práctico para configurar alarmas de consumo basado en presupuestos usando AWS Budgets.
• Laboratorio práctico para conocer el tablero general de facturación usando AWS Billing Dashboard.
• Laboratorio práctico para identificar y controlar los consumos diarios usando AWS Cost Explorer.

Aprenderás las caracteristicas más importantes de los servicios de base de datos NoSQL (DynamoDB), buses de eventos (Event Bridge), notificaciones (Simple Notification Service) y eventos en S3 con Lambda.

• Laboratorio práctico para diseñar e implementar tablas en DynamoDb utilizando AWS NoSQL Workbench.
• Laboratorio práctico para enviar notificaciones mediante SNS cuando se crea un objeto en S3 y se procesa el evento con EventBridge.

Aprenderás los servicios para construccion de ETL con PySpark usando Glue Data Catalog, Glue DataBrew, Glue Jobs y Glue Scheduler

• Laboratorio práctico para crear un job en Glue configurado con un motor de Spark para que que extraigan datos de archivos CSV en S3 utilizando Glue Catalog y Crawler
• Laboratorio práctico para crear un job en Glue pata transformar datos desde S3 y almacenarlos en una tabla de DynamoDB.
• Laboratorio práctico para explorar, transformar, enriquecer, limpiar conjunto de datos utilizando Glue DataBrew.

Aprenderas los servicios para construccion de ETL con Hadoop usando Elastic Map Reduce y Managed Workflow con Apache Airflow

• Laboratorio práctico para crear un job con codigo en PySpark utilizando EMR Serverless y EMR Studio.
• Laboratorio práctico para crear un pipeline de datos con invocación de multiples jobs y crawler utilizando Apache Airflow.

Aprenderas los servicios para construccion de ETL con StepFunctions, Lambda y Serverless Application Model (SAM)

• Laboratorio práctico para crear una maquina de estados en StepFunctions que permita orquestar un conjunto de jobs y crawlers de Glue.
• Laboratorio práctico para crear una maquina de estados en StepFunctions que permita orquestar funciones Lambda que procesen archivos de S3 y lo envien a una cola de SQS.
• Laboratorio práctico para crear un ambiente de Cloud9 para desplegar una arquitectura serverless utilizando SAM CLI.

Aprenderas los servicios generales de Ingesta, Procesamiento, Carga, Almacenamiento y Visualizacion de Datos en Real Time, Near Real Time y Batch.

• Laboratorio práctico para procesar eventos de auditoria desde CloudTrail a traves de un bus de eventos de EventBridge que sean ingestados por un Kinesis DataStream y cargados a un bucket de S3 a traves de Kinesis Data Firehouse.
• Laboratorio práctico para crear un datawarehouse mediante un cluster de RedShift para realizar consultas a traves del Editor de Consultas.
• Laboratorio práctico para consultar datos de archivos en S3 usando Athena.
• Laboratorio demostrativo para utilizar Amazon QuickSight en la construcción de tableros de Business Intelligence.

Aprenderás los servicios de analítica de Big Data para las tareas Colección y Procesamiento de Datos a gran escala. Utilizaremos de manera práctica los servicios administrados de Kinesis,

• Laboratorio práctico para procesar archivos de log de multiples servidores utilizando Kinesis Data Streams.
• Laboratorio práctico para consumir y analizar la información de logs mediante Kinesis Data Analytics y funciones Lambda.
• Laboratorio práctico para derivar el resultado obtenido hacia servicios de almacenamiento como S3 utilizando Kinesis Data Firehose.

Aprenderás las téncnicas recomendadas para analisis de datos exploratorios y los modelos de entrenamiento para regresiones, clasificaciones binarias y multi clase, agrupamiento, recomendación, predicciones. Asimismo revisaremos las metricas mas importantes para medir el desempeño y optimizar los algoritmos.

• Laboratorio práctico para realizar ingenieria de parametros, etiquetado de datos, formateo y manejo de datos faltantes.
• Laboratorio práctico para revisar los algoritmos de XGBoost, logistic regression, K-means, linear regression, decision trees, random forest, RNN, CNN, Ensemble y Transfer Learning.
• Laboratorio práctico para visualización de datos usando librerias como Panda, Matplotlib y Seaborn.

Aprenderás el proceso completo de entrenamiento, validación, despliegue e invocación de modelos de aprendizaje automático usando AWS SageMaker.

• Laboratorio práctico para iniciar Jupyter Notebooks y JupyterLab en SageMaker.
• Laboratorio práctico para entrenar, desplegar e invocar un modelo de Reconocimiento de imagenes usando Deep Learning con Pytorch, TensorFlow y SageMaker.
• Laboratorio práctico para entregar, desplegar e invocar un modelo de Reconocimiento de imagenes usando Amazon Rekognition.

Revisaremos a detalle la guía oficial en español del examen de certificación AWS Data Engineer asi como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de AWS que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.

Revisaremos a detalle la guía oficial en español del examen de certificación AWS Machine Learning asi como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de AWS que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.