En este curso, aprenderá sobre soluciones de big data basadas en la nube, como Amazon EMR, Amazon Redshift, Amazon Kinesis y las demás plataformas de big data de AWS. Descubrirá cómo utilizar Amazon EMR para procesar datos con el amplio ecosistema de herramientas de Hadoop, como Hive y Hue. También aprenderá a crear entornos de big data, a trabajar con Amazon DynamoDB, Amazon Redshift, Amazon QuickSight, Amazon Athena y Amazon Kinesis, así como a utilizar las prácticas recomendadas para diseñar entornos de big data con fines de seguridad y rentabilidad.
Propuesta de Valor: AWS (AMAZON WEB SERVICES)
Duración: 24 Horas
1.1. ¿QUÉ ES BIG DATA?
1.2. LA GRAN TUBERÍA DE DATOS
1.3. PRINCIPIOS ARQUITECTÓNICOS DE BIG DATA
2.1. DESCRIPCIÓN GENERAL: INGESTIÓN DE DATOS
2.2. TRANSFERENCIA DE DATOS
3.1. PROCESAMIENTO DE FLUJO DE BIG DATA
3.2. AMAZON KINESIS
3.3. AMAZON KINESIS DATA FIREHOSE
3.4. TRANSMISIONES DE VIDEO DE AMAZON KINESIS
3.5. ANÁLISIS DE DATOS DE AMAZON KINESIS
3.6. LABORATORIO PRÁCTICO 1: TRANSMISIÓN Y PROCESAMIENTO DE REGISTROS DEL SERVIDOR APACHE CON AMAZON KINESIS
4.1. OPCIONES DE ALMACENAMIENTO DE DATOS DE AWS
4.2. CONCEPTOS DE SOLUCIONES DE ALMACENAMIENTO
4.3. FACTORES EN LA ELECCIÓN DE UN ALMACÉN DE DATOS
5.1. PROCESAMIENTO Y ANÁLISIS DE BIG DATA
5.2. AMAZON ATHENA
5.3. LABORATORIO PRÁCTICO 2: USO DE AMAZON ATHENA PARA ANALIZAR DATOS DE REGISTRO
6.1. INTRODUCCIÓN A AMAZON EMR Y APACHE HADOOP
6.2. MEJORES PRÁCTICAS PARA LA INGESTA DE DATOS
6.3. EMR AMAZONICO
6.4. ARQUITECTURA EMR DE AMAZON
6.5. LABORATORIO PRÁCTICO 3: ALMACENAMIENTO Y CONSULTA DE DATOS EN AMAZON DYNAMODB
7.1. DESARROLLO Y EJECUCIÓN DE SU APLICACIÓN
7.2. LANZAMIENTO DE SU CLÚSTER
7.3. MANEJO DE RESULTADOS DE SUS TRABAJOS COMPLETOS
8.1. MARCOS HADOOP
8.2. OTROS MARCOS PARA USAR EN AMAZON EMR
8.3. LABORATORIO PRÁCTICO 4: PROCESAMIENTO DE REGISTROS DEL SERVIDOR CON HIVE EN AMAZON EMR
9.1. TONO EN AMAZON EMR
9.2. MONITOREO DE SU CLÚSTER
9.3. LABORATORIO PRÁCTICO 5: EJECUCIÓN DE GUIONES DE CERDOS EN HUE EN AMAZON EMR
10.1. APACHE SPARK
10.2. USO DE SPARK
10.3. LABORATORIO PRÁCTICO 6: PROCESAMIENTO DE DATOS DE TAXI DE NY MEDIANTE APACHE SPARK
11.1. ¿QUÉ ES AWS GLUE?
11.2. AWS GLUE: ORQUESTACIÓN DEL TRABAJO
12.1. ALMACENES DE DATOS VS. BASES DE DATOS TRADICIONALES
12.2. DESPLAZAMIENTO AL ROJO AMAZONICO
12.3. ARQUITECTURA DE CAMBIO AL ROJO DE AMAZON
13.1. ASEGURANDO SUS IMPLEMENTACIONES DE AMAZON
13.2. DESCRIPCIÓN GENERAL DE LA SEGURIDAD DE AMAZON EMR
13.3. DESCRIPCIÓN GENERAL DE LA GESTIÓN DE IDENTIDAD Y ACCESO (IAM) DE AWS
13.4. ASEGURAR DATOS
13.5. DESCRIPCIÓN GENERAL DE LA SEGURIDAD DE AMAZON KINESIS
13.6. DESCRIPCIÓN GENERAL DE LA SEGURIDAD DE AMAZON DYNAMODB
13.7. DESCRIPCIÓN GENERAL DE SEGURIDAD DE AMAZON REDSHIFT
14.1. CONSIDERACIONES DE COSTE TOTAL PARA AMAZON EMR
14.2. MODELOS DE PRECIOS AMAZON EC2
14.3. MODELOS DE PRECIOS DE AMAZON KINESIS
14.4. CONSIDERACIONES DE COSTOS PARA AMAZON DYNAMODB
14.5. CONSIDERACIONES DE COSTOS Y MODELOS DE PRECIOS PARA AMAZON REDSHIFT
14.6. OPTIMIZACIÓN DEL COSTE CON AWS
15.1. VISUALIZACIÓN DE GRANDES DATOS
15.2. AMAZON QUICKSIGHT
15.3. ORQUESTAR UN FLUJO DE TRABAJO DE BIG DATA
15.4. LABORATORIO PRÁCTICO 7: USO DE TIBCO SPOTFIRE PARA VISUALIZAR DATOS
16.1. ARQUITECTURAS COMUNES
17.1. ¿QUE SIGUE?
La inversión incluye: Material de estudio, certificados e impuestos de ley.