Curso de Azure para Analistas de Datos para tu equipo de BI

¿Qué es Azure Synapse y cómo funciona?

Arquitectura de Azure Synapse Analytics.

Configuración de un entorno de Synapse desde cero.

Creación de pools de SQL y Spark en Synapse.

Ingesta de datos desde diferentes fuentes en Synapse.

Exploración de datos con consultas SQL.

Optimización del rendimiento con técnicas de particionamiento.

Seguridad y permisos en Azure Synapse.

Análisis de datos a gran escala con Synapse Studio.

Práctica: creación de una solución de análisis en Synapse.

Introducción a Azure Data Lake Storage (ADLS).

Diferencias entre ADLS Gen1 y Gen2.

Configuración de cuentas de almacenamiento en Azure.

Integración de Data Lake con otros servicios de Azure.

Organización de datos en el lago de datos.

Optimización del rendimiento con particionamiento de datos.

Seguridad y control de acceso a los datos.

Ingesta de datos desde múltiples fuentes en Data Lake.

Análisis de datos almacenados con herramientas nativas.

Práctica: diseño de una arquitectura de almacenamiento eficiente.

Introducción a Azure Data Factory (ADF).

Arquitectura y componentes clave de ADF.

Creación de pipelines de datos en ADF.

Conectores disponibles en Azure Data Factory.

Ingesta de datos desde bases de datos SQL, NoSQL y APIs.

Transformación de datos con actividades de flujo de datos.

Monitorización y depuración de pipelines de datos.

Integración con Azure Synapse y otros servicios.

Implementación de procesos de ETL/ELT.

Práctica: creación de un pipeline de datos en Azure.

Introducción a Azure SQL Database.

Creación y configuración de bases de datos en Azure.

Consultas avanzadas en Azure SQL.

Optimización del rendimiento de consultas SQL.

Seguridad y cumplimiento normativo en bases de datos SQL.

Integración de Azure SQL con Power BI.

Backups automáticos y recuperación ante desastres.

Costos y escalabilidad en Azure SQL.

Práctica: modelado de datos y consultas en Azure SQL.

Mejores prácticas para la administración de bases de datos.

¿Qué es Azure Databricks y por qué es importante?

Configuración de un entorno de Databricks en Azure.

Introducción a Apache Spark en Azure.

Ingesta y preparación de datos en Databricks.

Optimización del rendimiento en Databricks.

Procesamiento de datos en tiempo real.

Machine Learning con Azure Databricks.

Integración con otros servicios de Azure.

Práctica: análisis de grandes volúmenes de datos.

Mejores prácticas para el uso eficiente de Databricks.

Introducción a Power BI y su integración con Azure.

Conexión de Power BI con Azure SQL y Synapse.

Creación de dashboards interactivos.

Publicación de informes en el servicio Power BI.

Seguridad y control de acceso en Power BI.

Análisis en tiempo real con Power BI Streaming.

Integración con Azure Machine Learning.

Visualización de datos provenientes de múltiples fuentes.

Optimización de dashboards en Power BI.

Práctica: creación de informes con datos de Azure.

Introducción a la gobernanza de datos en la nube.

Definición de políticas de seguridad en Azure.

Implementación de control de acceso basado en roles (RBAC).

Cumplimiento normativo con herramientas de Azure.

Auditoría y monitoreo de actividades en los datos.

Encriptación de datos en reposo y en tránsito.

Implementación de Data Loss Prevention (DLP).

Creación de políticas de retención de datos.

Práctica: configuración de roles y permisos en Azure.

Mejores prácticas para asegurar datos en Azure.

Conceptos básicos de Machine Learning en Azure.

Configuración de entornos de Machine Learning.

Creación de modelos predictivos con Azure ML.

Evaluación de modelos de aprendizaje automático.

Implementación de modelos en producción.

Integración de modelos con aplicaciones empresariales.

Monitoreo del rendimiento de modelos en Azure.

Práctica: creación de un modelo predictivo.

Uso de Azure ML con herramientas de BI.

Mejores prácticas en proyectos de ML en Azure.

Introducción al procesamiento de datos en tiempo real.

Configuración de Azure Stream Analytics.

Fuentes de datos compatibles con Stream Analytics.

Análisis de flujos de datos en tiempo real.

Definición de consultas SQL para flujos de datos.

Integración con Power BI y almacenamiento en la nube.

Monitoreo y escalabilidad de Stream Analytics.

Casos de uso de análisis en tiempo real.

Práctica: creación de un flujo de datos en tiempo real.

Mejores prácticas para datos en tiempo real.

Introducción a la gestión de costos en Azure.

Uso de Azure Cost Management para optimizar gastos.

Configuración de presupuestos y alertas de costos.

Monitorización de uso de recursos y análisis de facturación.

Reducción de costos con escalabilidad automática.

Optimización de almacenamiento y cómputo en Azure.

Implementación de estrategias de ahorro con reservas de recursos.

Análisis de patrones de uso para proyección de costos.

Práctica: creación de reportes de costos en Azure.

Mejores prácticas para la optimización de recursos en la nube.

Introducción a los Data Warehouses en la nube.

Comparación entre Azure Synapse y bases de datos tradicionales.

Modelado de datos para Data Warehousing en Azure.

Carga de datos en el Data Warehouse.

Integración de fuentes de datos en Azure Synapse.

Optimización de rendimiento para consultas analíticas.

Escalabilidad y gestión de capacidad en Data Warehouses.

Implementación de particionamiento para optimización.

Práctica: diseño de una solución de Data Warehousing.

Mejores prácticas en la administración de datos centralizados.

Principales normativas y regulaciones en la gestión de datos.

Implementación de seguridad avanzada en Azure.

Control de acceso mediante políticas RBAC.

Protección de datos en tránsito y en reposo.

Configuración de alertas de seguridad en Azure Security Center.

Auditoría de registros y cumplimiento normativo.

Configuración de firewalls y listas de acceso restringido.

Recuperación ante incidentes y planes de contingencia.

Práctica: configuración de políticas de seguridad en Azure.

Estrategias de cumplimiento y conformidad.

Introducción a Azure Data Explorer (ADX).

Configuración de entornos para exploración de datos masivos.

Ingesta de datos desde múltiples fuentes.

Análisis de datos mediante consultas KQL.

Visualización de tendencias con dashboards en ADX.

Optimización del rendimiento en análisis masivos.

Configuración de retención de datos y archivado.

Integración con otras herramientas de análisis.

Práctica: exploración de conjuntos de datos a gran escala.

Mejores prácticas en el análisis de datos en Azure.

Introducción a técnicas avanzadas de Machine Learning en Azure.

Implementación de modelos de predicción con Azure AutoML.

Creación de pipelines automatizados para entrenamiento de modelos.

Evaluación de métricas de rendimiento en modelos de ML.

Integración con bases de datos de Azure.

Despliegue de modelos en contenedores.

Monitorización de modelos en producción.

Práctica: entrenamiento de un modelo predictivo.

Mejores prácticas en proyectos de aprendizaje automático.

Consideraciones éticas y de seguridad en modelos de ML.

Introducción a Azure DevOps para la gestión de datos.

Configuración de repositorios de datos en Azure Repos.

Automatización de pipelines con Azure DevOps.

Control de versiones en flujos de datos.

Integración de pruebas en entornos de datos.

Despliegue automatizado de soluciones de datos.

Monitoreo y gestión de errores en entornos de DevOps.

Práctica: creación de un pipeline de CI/CD para datos.

Mejores prácticas en la integración de DevOps en datos.

Consideraciones para la colaboración entre equipos.

Introducción a la automatización de flujos de trabajo.

Creación de flujos de automatización con Logic Apps.

Conectores disponibles en Azure Logic Apps.

Integración con otras herramientas de Azure.

Automatización de notificaciones y alertas.

Control de procesos mediante desencadenadores.

Implementación de políticas de escalado automático.

Práctica: diseño de un flujo automatizado en Logic Apps.

Evaluación del impacto de la automatización en el negocio.

Mejores prácticas en automatización de procesos.

Integración con herramientas de BI como Power BI, Tableau y Looker.

Extracción de datos desde múltiples fuentes en Azure.

Conexión segura entre Azure y herramientas de BI.

Visualización de datos en tiempo real.

Optimización de cargas de trabajo para reportes.

Creación de dashboards interactivos con datos de Azure.

Análisis de rendimiento de reportes en BI.

Práctica: conexión de Azure Synapse con Power BI.

Estrategias para el gobierno de datos en herramientas de BI.

Mejores prácticas para la gestión de reportes.

Introducción al monitoreo de soluciones en Azure.

Configuración de Azure Monitor para entornos de datos.

Creación de alertas en diferentes niveles de infraestructura.

Monitorización de rendimiento de bases de datos.

Visualización de métricas clave en Azure Monitor.

Automatización de respuestas ante eventos críticos.

Configuración de dashboards para monitoreo centralizado.

Práctica: configuración de alertas en bases de datos de Azure.

Mejores prácticas en la monitorización de datos en la nube.

Integración de Azure Monitor con Power BI.

Definición de objetivos del proyecto.

Diseño de la arquitectura de la solución en Azure.

Ingesta de datos desde múltiples fuentes.

Procesamiento y transformación de datos con ADF.

Almacenamiento y optimización de datos en Synapse.

Visualización de datos con Power BI.

Implementación de medidas de seguridad y gobernanza.

Evaluación de rendimiento y costos del proyecto.

Presentación de resultados y documentación del proyecto.

Conclusiones y recomendaciones para implementación futura.