Curso Azure Data Fundamentals + Data Engineer (Doble Certificación)

Descripción de las formas de representar los datos

• Descripción de las características de los datos estructurados
• Descripción de las características de los datos semiestructurados
• Descripción de las características de los datos no estructurados

Identificación de las opciones de almacenamiento de datos

• Descripción de los formatos comunes para los archivos de datos
• Descripción de los tipos de bases de datos

Descripción de las cargas de trabajo de datos comunes

• Descripción de las características de las cargas de trabajo transaccionales
• Descripción de las características de las cargas de trabajo analíticas

Identificación de los roles y responsabilidades para las cargas de trabajo de datos

• Descripción de las responsabilidades de los administradores de bases de datos
• Descripción de las responsabilidades de los ingenieros de datos
• Descripción de las responsabilidades de los analistas de datos

Laboratorio práctico para:

• Explorar la base de datos SQL de Azure

Descripción de los conceptos relacionales

• Identificación de las características de los datos relacionales
• Descripción de la normalización y por qué se usa
• Identificación de instrucciones comunes del lenguaje de consulta estructurado (SQL)
• Identificación de objetos de base de datos comunes

Descripción de Azure Data Services relacional

• Describir la familia de productos de Azure SQL, como Azure SQL Database, Azure SQL Managed Instance y SQL Server en Azure Virtual Machines
• Identificación de los servicios de base de datos de Azure para sistemas de base de datos de código abierto

Laboratorio práctico para:

• Explorar la base de datos Azure para PostgreSQL
• Explorar la base de datos Azure para MySQL

Descripción de las funcionalidades de Azure Storage

• Descripción de Azure Blob Storage
• Descripción de Azure File Storage
• Descripción de Azure Table Storage

Descripción de las funcionalidades y características de Azure Cosmos DB

• Identificación de casos de uso para Azure Cosmos DB
• Describir las API de Azure Cosmos DB

Laboratorio práctico para:

• Explorar Azure Storage
• Explorar Cosmos DB

Descripción de los elementos comunes del análisis a gran escala

• Descripción de las consideraciones para la ingesta y el procesamiento de datos
• Descripción de las opciones de los almacenes de datos analíticos
• Descripción de los servicios de Azure para el almacenamiento de datos, incluidos Azure Synapse Analytics, Azure Databricks, Microsoft Fabric, Azure HDInsight y Azure Data Factory

Descripción de la consideración para el análisis de datos en tiempo real

• Diferencia entre los datos de streaming y por lotes
• Identificación de los servicios en la nube de Microsoft para el análisis en tiempo real

Descripción de la visualización de datos en Microsoft Power BI

• Identificación de las funcionalidades de Power BI
• Descripción de las características de los modelos de datos en Power BI
• Identificación de las visualizaciones adecuadas para los datos

Laboratorio práctico para:

• Análisis de datos en Azure con Azure Synapse Analytics
• Explore el análisis de datos en Microsoft Fabric
• Explorar Azure Stream Analytics
• Explora Spark Streaming en Azure Synapse Analytics
• Explore el análisis en tiempo real en Microsoft Fabric
• Explore los fundamentos de la visualización de datos con Power BI

Implementación de una estrategia de partición

• Implementación de una estrategia de partición para los archivos
• Implementación de una estrategia de partición para cargas de trabajo analíticas
• Implementación de una estrategia de partición para cargas de trabajo de streaming
• Implementación de una estrategia de partición para Azure Synapse Analytics
• Identificación de cuándo se necesita crear particiones en Azure Data Lake Storage Gen2

Diseño e implementación de la capa de exploración de datos

• Creación y ejecución de consultas mediante una solución de proceso que usa SQL sin servidor y un clúster de Spark
• Recomendación e implementación de plantillas de bases de datos de Azure Synapse Analytics
• Inserción de un linaje de datos nuevo o actualizado en Microsoft Purview
• Examen y búsqueda de metadatos en el Catálogo de datos de Microsoft Purview

Laboratorio práctico para:

• Explorar Azure Synapse Analytics
• Transformación de archivos mediante un grupo de SQL sin servidor
• Crear base de datos de lago

Ingesta y transformación de datos

• Diseño e implementación de cargas incrementales
• Transformación de datos mediante Apache Spark
• Transformación de datos mediante Transact-SQL (T-SQL) en Azure Synapse Analytics
• Ingesta y transformación de datos mediante canalizaciones de Azure Synapse o Azure Data Factory
• Transformación de datos con Azure Stream Analytics
• Limpieza de datos
• Control de datos duplicados
• Evitar datos duplicados mediante la opción de entrega exactamente una vez de Azure Stream Analytics
• Control de datos que faltan
• Control de datos que llegan tarde
• División de los datos
• Fragmentación de JSON
• Codificar y descodificar datos
• Configuración del control de errores para una transformación
• Normalización y desnormalización de datos
• Realización de análisis exploratorios de los datos

Desarrollo de una solución de procesamiento por lotes

• Desarrollo de soluciones de procesamiento por lotes mediante Azure Data Lake Storage, Azure Databricks, Azure Synapse Analytics y Azure Data Factory
• Uso de PolyBase para cargar datos en un grupo de SQL
• Implementación de Azure Synapse Link y consulta de los datos replicados
• Creación de canalizaciones de datos
• Escalado de recursos
• Configuración del tamaño del lote
• Creación de pruebas para canalizaciones de datos
• Integración de cuadernos de Jupyter o Python en una canalización de datos
• Actualización e inserción de datos
• Reversión de los datos a un estado anterior
• Configuración del control de excepciones
• Configuración de la retención por lotes
• Lectura y escritura en un lago delta

Laboratorio práctico para:

• Transformación de Datos con Spark en Azure Synapse Analytics
• Uso de Delta Lake con Spark en Azure Synapse Analytics
• Cargar datos en un almacén de datos relacional
• Construir una canalización de datos con Azure Synapse Analytics
• Uso de un cuaderno de Apache Spark en un pipeline

Desarrollo de una solución de procesamiento de flujos

• Creación de una solución de procesamiento de flujos mediante Stream Analytics y Azure Event Hubs
• Procesamiento de datos mediante el flujo estructurado de Spark
• Creación de agregados con ventanas
• Control del desfase del esquema
• Procesamiento de datos de serie temporal
• Procesamiento de datos en particiones
• Procesamiento en una partición
• Configuración de puntos de comprobación y marcas de agua durante el procesamiento
• Escalado de recursos
• Creación de pruebas para canalizaciones de datos
• Optimización de las canalizaciones con fines analíticos o transaccionales
• Control de las interrupciones
• Configuración del control de excepciones
• Actualización e inserción de datos
• Reproducción de datos de flujo archivados

Administración de lotes y canalizaciones

• Desencadenamiento de lotes
• Control de cargas por lotes con errores
• Validación de cargas por lotes
• Administración de canalizaciones de datos en Azure Data Factory o Azure Synapse
• Programación de canalizaciones de datos en Data Factory o Azure Synapse
• Implementación del control de versiones para artefactos de canalización
• Administración de trabajos de Spark en una canalización

Laboratorio práctico para:

• Gestionar Azure Synapse Link para Azure Cosmos DB
• Gestionar Azure Synapse Link para SQL
• Gestionar Azure Stream Analytics
• Ingesta de datos en tiempo real con Azure Stream Analytics and Azure Synapse Analytics

Implementación de la seguridad de datos

• Implementación del enmascaramiento de datos
• Cifrado de datos en reposo y en movimiento
• Implementación de la seguridad de nivel de fila y de columna
• Implementación del control de acceso basado en roles (RBAC) de Azure
• Implementación de listas de control de acceso (ACL) de tipo POSIX para Data Lake Storage Gen2
• Implementación de una directiva de retención de datos
• Implementación de puntos de conexión seguros (privados y públicos)
• Implementación de tokens de recursos en Azure Databricks
• Carga de un objeto DataFrame con información confidencial
• Escritura de datos cifrados en tablas o archivos Parquet
• Administración de información confidencial

Supervisión del almacenamiento y el procesamiento de datos

• Implementación del registro usado por Azure Monitor
• Configuración de servicios de supervisión
• Supervisión del procesamiento de flujos
• Medición del rendimiento del movimiento de datos
• Supervisión y actualización de estadísticas sobre los datos en un sistema
• Supervisión del rendimiento de canalizaciones de datos
• Medición del rendimiento de las consultas
• Programación y supervisión de pruebas de canalización
• Interpretación de métricas y registros de Azure Monitor
• Implementación de una estrategia de alertas de canalización

Laboratorio práctico para:

• Crear reporte en tiempo real con Azure Stream Analytics y Microsoft Power BI
• Gestionar Microsoft Purview con Azure Synapse Analytics
• Explorar Azure Databricks
  Gestionar Apache Spark in Azure Databricks
• Automatizar un cuaderno de Azure Databricks con Azure Data Factory

Optimización y solución de problemas de almacenamiento y procesamiento de datos

• Compactación de archivos pequeños
• Control de la asimetría en los datos
• Control del volcado de datos
• Optimización de la administración de recursos
• Optimización de consultas mediante indizadores
• Optimización de consultas mediante la memoria caché
• Solución de problemas de un trabajo de Spark con errores
• Solución de problemas de una ejecución de canalización con errores, incluidas las actividades ejecutadas en servicios externos

Revisaremos a detalle la guía oficial en español del examen de certificación DP-900 Azure Data Fundamentals para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de Azure que consta de 50 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 DP-203 Azure Data Engineer Associate para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de Azure que consta de 50 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.