Este curso está diseñado para ayudar a los estudiantes a prepararse para el nivel junior en roles asociados con el análisis y visualización de datos. El curso proporciona ejercicios de laboratorio que enseñan a los estudiantes cómo analizar grandes conjuntos de datos, crear representaciones visuales de esos datos y publicar esas representaciones a los tableros.

Contenidos

Laboratorio 1 Ingesta de datos en Amazon S3
• Acceso a Amazon S3 en la consola
• Creación de un depósito de Amazon S3
• Protección de un depósito de Amazon S3
• Carga de datos en un depósito de Amazon S3

Laboratorio 2 Consulta de datos de Amazon S3 mediante Amazon Athena
• Creación de un depósito de Amazon S3
• Carga de datos en un depósito de Amazon S3
• Consulta de datos con Amazon Athena

Laboratorio 3 Transformación de datos con Amazon S3, AWS Glue y Amazon Athena
• Creación de un depósito de Amazon S3
• Carga de archivos de datos de gran tamaño
• Inferir un esquema de un conjunto de datos con AWS Glue
• Consulta de datos con Amazon Athena
• Carga de archivos de datos grandes particionados por fecha

Laboratorio 4 Carga del clúster de Amazon Redshift con datos y consultas
• Creación de un clúster de Amazon Redshift
• Carga de datos en un depósito de Amazon S3
• Creación de una tabla en Amazon Redshift
• Carga de datos en Amazon Redshift desde Amazon S3
• Consulta de datos en Amazon Redshift

Laboratorio 5 Entrega de información con Amazon QuickSight
• Desarrollo de un guión gráfico en Amazon QuickSight para respaldar una empresa
decisión

Laboratorio 6 Configuración y ejecución de un trabajo de canalización de datos para cargar datos en Amazon S3
• Creación de un clúster de Amazon Redshift
• Creación de una canalización de datos para cargar datos de Amazon S3 a Amazon
• Corrimiento al rojo usando plantillas
• Creación de visualizaciones de Amazon QuickSight

Laboratorio 7 Transmisión de datos con AWS Kinesis Firehose, Amazon Elasticsearch Service y Kibana
• Creación de un flujo de entrega de manguera de fuego de AWS Kinesis
• Configuración de un clúster de Amazon Elasticsearch Service
• Conexión de AWS Kinesis firehose para entregar registros a Amazon
• Servicio de búsqueda elástica
• Configuración de índices de Kibana
• Visualización de datos de transmisión

Laboratorio 8 Uso de AWS IoT Analytics para el análisis y la ingesta de datos
• Recolectando datos
• Procesando datos
• Almacenamiento de datos
• Analizando datos
• Visualización de datos

Metodología de Aprendizaje

La educación actual suele limitar a estudiantes, forzándoles a absorber contenidos en lugar de fomentar la solución colectiva de problemas. En CENFOTEC, buscamos modificar este enfoque mediante nuestra metodología de aprendizaje constructivista llamada 40-40-20.

La técnica 40-40-20 divide el tiempo de clase: 40% el profesor da un charla para inducir al pensamiento autónomo basado en conceptos clave; el siguiente 40% para resolver retos individuales o en grupo, que exigen exploración, donde el docente es un facilitador; y el 20% restante para una discusión guiada por el profesorado. Para mantener la atención, consideramos 1 hora lectiva como 50 minutos, especialmente en cursos de 3-4 horas.

Adicionalmente el estudiante deberá dedicar una cantidad de horas adicionales para completar retos extraclase que el profesor le asigne.