Objetivo general:

El alumno desarrolla una solución de ingeniería de datos con dos características generales a) híbrida, es decir que integra entornos dedicados (on-premise) y cloud, y b) basada en Data Fabric, la misma que el alumno construye en un entorno Azure, AWS o GCP.

Objetivos específicos:

• El alumno comprende el impacto que tiene el desarrollo de su marca personal para su vida profesional. Asimismo, comprende como elaborar un CV de impacto y cómo afrontar exitosamente una entrevista de trabajo.
• El alumno implementa Data Warehouses de tres capas automatizados con paquetes SSIS. Así como utiliza SQL Server para la implementación de técnicas avanzadas orientadas a la ingesta automatizada y optimización de su rendimiento.
• El alumno utiliza Python para la implementación de componentes para soluciones de ingeniería de datos, como control de bases de datos desde código, manejo de concurrencia (procesamiento en paralelo) y scraping para ingesta de datos.
• El alumno aplica técnicas en el entorno Apache Spark para garantizar la velocidad de respuesta y la optimización de recursos de cómputo en la ejecución de ETL que operan sobre un entorno Big Data.
• El alumno implementa soluciones de ingeniería de datos en el entorno de Ms. Azure, aplicando el enfoque Data Fabric, que incluye la configuración y orquestación de servicios para la ingesta de datos, su almacenamiento en Data Lakes, su procesamiento con soporte para Big Data y su conversión a versiones estructuradas para su consumo y visualización.
• El alumno implementa soluciones de ingeniería de datos en el entorno de AWS Cloud, aplicando el enfoque Data Fabric, que incluye la configuración y orquestación de servicios para la ingesta de datos, su almacenamiento en Data Lakes, su procesamiento con soporte para Big Data y su conversión a versiones estructuradas para su consumo y visualización.
• El alumno implementa soluciones de ingeniería de datos en el entorno de Google Cloud Platform (GCP), aplicando el enfoque Data Fabric, que incluye la configuración y orquestación de servicios para la ingesta de datos, su almacenamiento en Data Lakes, su procesamiento con soporte para Big Data y su conversión a versiones estructuradas para su consumo y visualización.
• El alumno utiliza Apache AirFlow para la implementación y calendarización de tareas que transformen y transporten datos entre fuentes on-premise y destinos cloud