Construyendo un Data Lakehouse Completo en AWS: de S3 a QuickSight

Curso de extremo a extremo para construir y operar un data lakehouse completo en AWS: fundación en S3, Lake Formation para gobernanza y compartición, Glue para catálogo y ETL, Kinesis/MSK para ingesta en streaming, EMR y Athena para procesamiento y análisis, Redshift para cargas analíticas, QuickSight para servicio y visualización de datos, seguridad, costos y una arquitectura de referencia de extremo a extremo, con diagramas, casos reales, ejemplos de precios y preguntas de práctica.

Intermedio12 Semanas17 LecciónsNuniversity
Comenzar

Contenido del Curso

  1. 01Fundamentos de la arquitectura lakehouse: lagos, data warehouses y el patrón medallion
  2. 02S3 como fundación del data lake: clases de almacenamiento, Glacier y durabilidad
  3. 03Formatos de datos y compresión: CSV, JSON, Avro, Parquet y ORC
  4. 04Formatos de tablas abiertos: Iceberg, Hudi y Delta en el lakehouse
  5. 05Patrones de ingesta por lotes: DMS, AppFlow, DataSync y Transfer Family
  6. 06Ingesta en streaming: Kinesis, Amazon MSK y aterrizaje de streams en el lago
  7. 07AWS Glue Data Catalog: crawlers, particiones y gestión de esquemas
  8. 08Transformación a escala: AWS Glue, EMR Serverless y Lambda
  9. 09Athena como motor de consultas del lakehouse: coste, rendimiento y SQL de Iceberg
  10. 10Redshift en el lakehouse: Spectrum, Serverless, data sharing y federación
  11. 11Orquestar el lakehouse: Step Functions, EventBridge y MWAA
  12. 12Gobernanza de Lake Formation: Permisos, Seguridad por Filas/Columnas y Compartición de Datos
  13. 13Protección de PII en el Lakehouse: Amazon Macie, Enmascarado y Flujos de Privacidad
  14. 14Endurecimiento de seguridad: KMS, IAM de mínimo privilegio y aislamiento de red
  15. 15Calidad de datos y observabilidad: DQDL, cuarentena, linaje y SLOs
  16. 16Optimización de costes y ciclo de vida: de los prefijos calientes a Glacier Deep Archive
  17. 17BI con QuickSight y el capstone integral del lakehouse

Lecciones: 17 · 12 Semanas