Certificación internacional Big Data Professional Certificate (BDPC)

Certificación internacional Big Data Professional Certificate (BDPC)

Módulos

Modulo I: Integridad de Big Data

  • Objetivos de Aprendizaje
  • Integridad
  • Contexto de Big Data
  • Dos Niveles de Big Data 
  • CASELET: IBM Watson
  • Alcance de Big Data
  • Las 4 V?s de Big Data
  • Volumen, Velocidad, Variedad y Veracidad
  • Aplicaciones de Big Data 
  • Gestión de Big Data 
  • Ecosistema de Big Data
  • Analizando Big Data 
  • Tablero en Tiempo Real 
  • Resumen de Desafíos y Soluciones
  • Comparación de Tradicionales y Big Data
  • Preguntas de Revisión 
  • Ejercicio Práctico de Liberty Stores: Paso B1

  • Objetivos de Aprendizaje
  • Ecosistema/Arquitectura de Big Data
  • Aplicación de Google Flu
  • Fuentes de Big Data Sources
  • Comunicaciones Entre Personas
  • Comunicaciones Entre Personas y Máquinas
  • Comunicaciones Máquina a Máquina
  • Aplicaciones de Big Data
  • Monitoreo de Sensibilidad del Consumidor
  • Aplicaciones de Big Data
  • Aplicación de Vigilancia Predictiva 
  • Aplicaciones de Big Data 
  • Seguro de Automóvil Flexible - Preguntas de Revisión 
  • Ejercicio Práctico de Liberty Stores: Paso B2

  • Objetivos de Aprendizaje
  • Arquitectura de Google Query
  • Ecosistema / Arquitectura de Big Data
  • Capas en Arquitectura de Big Data 
  • Arquitectura IBM Watson 
  • Arquitectura de Netflix
  • Arquitectura de VMWare 
  • Arquitectura de una Compañía Meteorológica 
  • Arquitectura de Ticketmaster
  • Arquitectura de LinkedIn
  • Arquitectura de PayPal
  • Ecosistema de Hadoop 
  • Ejercicio práctico de Liberty Stores: Paso B3

  • Objetivos de Aprendizaje
  • Ecosistema / Arquitectura de Big Data
  • Hadoop y MapReduce Definidos
  • ¿Por qué la computación en Clúster?
  • Arquitectura de Hadoop: Fragmentación de Datos 
  • Arquitectura Maestro-Esclavo 
  • Arquitectura de Lectura y Escritura del Sistema de Archivos Distribuidos Hadoop (HDFS)
  • Características de HDFS
  • Instalando HDFS
  • Yet Another Resource Negotiator (YARN)
  • Preguntas de Revisión

  • Objetivos de Aprendizaje
  • Arquitectura de Big Data 
  • Arquitectura de MapReduce
  • Arquitectura Maestro-Esclavo en MapReduce
  • Papel de MapReduce 2004
  • Secuencia de MapReduce
  • MR Funciona como una Secuencia de UNIX
  • Contador de Palabras Usando MapReduce
  • Conteo de Palabras Usando MapReduce ? Ejemplo 2
  • Seudo Código MapR para Contador de Palabras
  • Ejemplo de Contador de Palabras (Inglés): Myfile.txt 
  • Resultados de Cada Segmento
  • Resultados Agrupados de Map Operations 
  • Resultados Luego de la Fase de Reducción
  • Pig vs Hive
  • Lenguaje de Hive
  • Arquitectura de Lenguaje Pig

  • Objetivos de Aprendizaje
  • Arquitectura de Big Data
  • Bases de Datos NoSQL
  • NoSQL vs RDBMS
  • Teorema CAP 
  • Arquitectura NoSQL 
  • Tipos de Bases de Datos NoSQL
  • Arquitecturas NoSQL Populares
  • Procesos de Cassandra
  • Lenguajes de Acceso NoSQL
  • Hive - Lenguajes de Acceso NoSQL
  • Pig
  • Preguntas de Revisión

  • Objetivos de Aprendizaje
  • Arquitectura de Big Data
  • Computación Definida en Stream
  • Conceptos de Streaming
  • Aplicaciones de Streaming
  • Características del Algoritmo de Streaming
  • Filtro Bloom - Apache Spark para Computación Streaming 
  • Ecosistemas de Código Abierto - Arquitectura de Apache Spark 
  • Spark vs Hadoop 
  • Conjuntos de Datos Distribuidos Resilientes de Spark (RDD) 
  • Mecanismo de Procesamiento Spark 
  • Código de Spark para Pagerank

  • Objetivos de Aprendizaje
  • Arquitectura de Big Data
  • Sistema de Ingestión de Datos
  • Sistemas de Mensajería
  • Arquitectura de Apache Kafka
  • Componentes de Kafka
  • Mecanismo de Tópicos de Kafka
  • Atributos Clave de Kafka

  • Objetivos de Aprendizaje
  • Arquitectura de Big Data
  • Computación en la Nube
  • Modelo de Acceso a la Computación en la Nube
  • Computación en la Nube como una Infraestructura Virtualizada
  • Beneficios de la Computación en la Nube
  • Modelos de Computación en la Nube por Propiedad y Rango de Servicios

  • Objetivos de Aprendizaje
  • Arquitectura de Web-Analyzer
  • Tecnología
  • Código de Aplicación  

Descripción

El curso Big Data Professional Certificate (BDPC) está diseñado para formar a los participantes en los fundamentos y aplicaciones del Big Data, abordando conceptos como las 4 V’s (Volumen, Velocidad, Variedad y Veracidad), el ecosistema de Hadoop, Spark, NoSQL y computación en la nube.

Este curso prepara a los participantes para obtener la certificación internacional:

Big Data Professional Certificate (BDPC).

Bajo el enfoque Practical Learning Method, los participantes trabajarán en laboratorios, talleres prácticos y/o proyectos reales, asegurando la aplicación efectiva de los conocimientos adquiridos en entornos empresariales.

Objetivos

Al finalizar el curso, los participantes serán capaces de:

  • Comprender el ecosistema de Big Data, incluyendo sus principales desafíos y beneficios comerciales.
  • Diferenciar Big Data de los datos convencionales, comprendiendo las características de las 4 V?s.
  • Aplicar arquitecturas y herramientas clave, como Hadoop, Spark y NoSQL.
  • Implementar procesamiento de datos en paralelo, utilizando MapReduce y Apache Spark.
  • Integrar bases de datos NoSQL en entornos de Big Data, comprendiendo su arquitectura y aplicaciones.
  • Implementar modelos de computación en la nube para procesamiento y almacenamiento masivo de datos.

Obtener la certificación internacional Big Data Professional Certificate (BDPC).

Para participar en esta capacitación, los asistentes deben cumplir con los siguientes requisitos:

  • Conocimientos básicos de informática.

ofrece

Certificación internacional Big Data Professional Certificate (BDPC) Aplica
Certificación internacional Big Data Professional Certificate (BDPC) 24 horas

Metodología de Aprendizaje

La metodología de aprendizaje, independientemente de la modalidad (presencial o remota), se fundamenta en el desarrollo de talleres o laboratorios que conducen a la construcción de un proyecto, emulando la actividad real en una empresa.

El instructor(en vivo), profesional con amplia experiencia en escenarios laborales relacionados con los temas a tratar, actúa como jefe de taller, orientando la práctica de sus estudiantes mediante procesos de transferencia de conocimiento, aplicando al proyecto los conceptos del temario propuesto.

La metodología persigue que el estudiante "no memorice", sino que "entienda" los conceptos y cómo se aplican en un ambiente laboral."

Como resultado de este trabajo, al final de la capacitación el estudiante ha adquirido una experiencia real, estará preparado para el trabajo y para aprobar una entrevista, una prueba técnica y/o lograr calificaciones de nivel superior en los exámenes para certificación internacional.

Condiciones para garantizar resultados exitosos:
  • a. Una institución que exija la aplicación del modelo mediante un ordenamiento, una logística y un control estricto sobre las actividades a desarrollar por parte de los actores dentro de cada sesión de capacitación.
  • b. Un instructor ubicado en cualquier lugar del mundo, que cuente con el conocimiento profundo exigido, con la experticia, la experiencia, y unos valores superlativos, que garanticen una transferencia de conocimiento a muy alto nivel.
  • c. Un estudiante comprometido, con el espacio, el tiempo, la atención que exige el proceso formativo y con la disposición para enfocarse en entender cómo se aplican los conceptos en un ambiente laboral, y no memorizar conceptos para presentar un examen.
Descargar Temario