Lo que dicen nuestros estudiantes
¿Por qué aprender los fundamentos de ingeniería de datos?
Aprender Ingeniería de Datos puede ser abrumador. Hay demasiadas herramientas, demasiados conceptos y muchas formas de perderse.
Por eso este curso empieza por los fundamentos: para que entiendas por qué existen las herramientas, cuándo usarlas y cómo conectarlas para construir pipelines reales.
Lo haremos de manera práctica, construyendo paso a paso un pipeline de datos end-to-end, mientras revisamos errores comunes, buenas prácticas y decisiones de diseño.
Contenido del curso
El curso está diseñado como una ruta para tomar en menos de 2 meses. Se divide en 7 módulos y se recomienda dedicar al menos 2 horas diarias para consumir el material y realizar el proyecto.
- M1 — Intro (2:15)
- M1E1 — El Rol del Data Engineer (7:47)
- M1E2 — Matices del rol del Data Engineer (8:00)
- M1E3 — 3 historias reales del impacto de un data engineer (5:58)
- M1E4 — La historia de data engineering (2:22)
- M1E5 — Invención de las bases de datos (1970s) (7:39)
- M1E6 — Era de los Data Warehouses (1990s) (9:32)
- M1E7 — La era Big Data (2006-2010) (9:34)
- M1E8 — La era de Cloud Data Warehouses & Lakes (2010-2014) (7:57)
- M1E9 — The Modern Data Stack (2016) (4:04)
- M1E10 — Open Table Formats & Lakehouses (2017-2020) (3:45)
- M1E11 — Recap: Historia de Data Engineering (4:56)
- M2 — Intro (3:48)
- M2E1 — ETLs (6:17)
- M2E2 — ETL vs ELT (7:03)
- M2E3 — ¿Cómo ingestar datos? (3:43)
- M2E4 — Proyecto #1 (7:54)
- M2E5 — Proyecto #1: Solución (6:30)
- M2E6 — Errores comunes #1 (14:59)
- M2E7 — Principio de única responsabilidad (7:45)
- M2E8 — Principio de separación de intereses (15:02)
- M2E9 — Errores comunes #2 (8:46)
- M2E10 — Recap: Ingesta de datos (2:43)
- Quiz — Módulo 2
- M3 — Intro (1:54)
- M3E1 — Introducción a Orquestamiento de datos (6:08)
- M3E2 — Problemas que resuelven los orquestadores de datos (9:39)
- M3E3 — Introducción a Apache Airflow (13:16)
- M3E4 — Proyecto #2 (5:43)
- M3E5 — Proyecto #2: Solución (9:34)
- M3E6 — Proyecto 2: Errores comunes (1:36)
- M3E7 — Proyecto 2: Errores comunes #1 (5:50)
- M3E8 — Proyecto 2: Errores comunes #2 (10:04)
- M3E9 — Recap: Orquestamiento de datos (3:28)
- Quiz — Módulo 3
- M5 — Intro (2:03)
- M5E1 — Data warehouses vs Bases de datos relacionales (11:49)
- M5E2 — Almacenamiento por columnas vs filas (8:43)
- M5E3 — Normalización de datos (15:30)
- M5E4 — Normalización vs Desnormalización (7:26)
- M5E5 — Modelado Dimensional (STAR Schema) (17:38)
- M5E6 — Proyecto: Modelado dimensional en Snowflake & DBT (5:10)
- M5E7 — Solución: Modelo Dimensional - Northwind (18:36)
- M5E8 — Solución: ¿Cómo estructurar un DW? (16:09)
- M5E9 — Solución: Modelo Dimensional - Snowflake & DBT (7:55)
- M5E10 — Errores comunes al construir Data Warehouses (9:07)
- M5E11 — Recap: Data Warehouses y Modelado de datos (3:19)
- Quiz — Módulo 5
- M6—Intro (1:32)
- M6E1 — ¿Cómo construir una plataforma de datos? (8:16)
- M6E2 — Introducción a Arquitectura de Datos (15:38)
- M6E3 — Arquitecturas de datos: Lambda y Kappa (5:20)
- M6E4 — Arquitectura de datos: Batch & Streaming (8:32)
- M6E5 — ¿Cuándo usar un Data Lake, un Data Warehouse o Data Lakehouse? (16:31)
- M6E6— Recap: Pipelines de Datos Modernos (3:12)
¿Qué hay que saber antes de tomar el curso?
🚨 Recomendación: Ver el siguiente vídeo antes de comprar el curso. (2 mins)🚨
Este curso es para todo el que quiera aprender data engineering desde cero o quiera transicionar y esté buscando aprender los fundamentos.
Lo que yo recomiendo saber es Python y SQL. Nada más. El resto se puede aprender!
El curso incluye guías a recursos gratuitos para aprender AWS, Snowflake, Apache Airflow, etc.
En el siguiente vídeo explico claramente la metodología del curso. Si bien vamos a trabajar con servicios de AWS y herramientas de data engineering como Apache Airflow y DBT, durante el curso no se enseñan estas herramientas. Es bueno tener presente eso!
Sobre el instructor
Soy Antony Henao, fundador de The LATAM Engineer y Data Engineer con más de 10 años de experiencia. Ayudé a construir el departamento de Data Engineering de Factored, donde participé en la contratación y desarrollo de más de 70 ingenieros y diseñé los programas de formación que aceleraron su crecimiento profesional.
También contribuí a la especialización de Data Engineering de DeepLearning.AI y he ayudado a más de 80 profesionales a transicionar hacia Data Engineering a través de bootcamps, mentorías y programas de entrenamiento.
Mi objetivo con este curso es compartir las habilidades y formas de pensar que hacen a los data engineers buenos data engineers.
Si tienes dudas, no dudes en escribirme en LinkedIn.