Infraestructura en la nube para la ciencia de datos
( 25 Módulos )
módulo #1 Introducción a la computación en la nube Descripción general de la computación en la nube, beneficios y conceptos clave
módulo #2 Descripción general de los proveedores de la nube Comparación de los principales proveedores de la nube (AWS, Azure, GCP, IBM Cloud)
módulo #3 Fundamentos de la seguridad en la nube Inquietudes de seguridad, mejores prácticas y cumplimiento en la nube
módulo #4 Ciencia de datos en la nube Ventajas de la ciencia de datos basada en la nube, casos de uso comunes
módulo #5 Opciones de almacenamiento en la nube Descripción general de los servicios de almacenamiento en la nube (S3, Blob Storage, Cloud Storage)
módulo #6 Ingestión y procesamiento de datos Ingestión y procesamiento de grandes conjuntos de datos en la nube (Kinesis, Event Hubs, Cloud Pub/Sub)
módulo #7 Almacenamiento de datos basado en la nube Soluciones de almacenamiento de datos basadas en la nube (Redshift, BigQuery, Synapse)
módulo #8 Aprendizaje automático basado en la nube Descripción general de los servicios de aprendizaje automático basados en la nube (SageMaker, Azure Machine Learning, AutoML)
módulo #9 Contenedorización para la ciencia de datos Uso de contenedores (Docker) para flujos de trabajo de ciencia de datos reproducibles
módulo #10 Orquestación de contenedores basada en la nube Orquestación de contenedores en la nube (Kubernetes, ECS, ACI)
módulo #11 Computación sin servidor para la ciencia de datos Conceptos y aplicaciones de computación sin servidor en la ciencia de datos
módulo #12 Visualización de datos basada en la nube Herramientas y servicios de visualización de datos basados en la nube (Tableau, Power BI, D3.js)
módulo #13 Análisis de big data en la nube Procesamiento y análisis de big data en la nube (Hadoop, Spark, HBase)
módulo #14 Procesamiento de lenguaje natural basado en la nube Servicios y aplicaciones de NLP basados en la nube (NLTK, spaCy, Stanford CoreNLP)
módulo #15 Visión artificial basada en la nube Servicios y aplicaciones de visión artificial basados en la nube (OpenCV, TensorFlow, PyTorch)
módulo #16 Optimización de costos en la nube Estrategias Técnicas para optimizar los costos de la nube para cargas de trabajo de ciencia de datos
módulo #17 Arquitectura de la nube para la ciencia de datos Diseño de arquitecturas de nube escalables y eficientes para cargas de trabajo de ciencia de datos
módulo #18 Colaboración y control de versiones basados en la nube Herramientas de colaboración y control de versiones para equipos de ciencia de datos en la nube (GitHub, GitLab, Bitbucket)
módulo #19 Monitoreo y registro basados en la nube Herramientas de monitoreo y registro para cargas de trabajo de ciencia de datos basadas en la nube
módulo #20 Copia de seguridad y recuperación basadas en la nube Estrategias de copia de seguridad y recuperación para cargas de trabajo de ciencia de datos basadas en la nube
módulo #21 Seguridad en la nube para la ciencia de datos Mejores prácticas de seguridad para cargas de trabajo de ciencia de datos en la nube
módulo #22 Cumplimiento y gobernanza de la nube Consideraciones de cumplimiento y gobernanza para cargas de trabajo de ciencia de datos basadas en la nube
módulo #23 Migración de cargas de trabajo de ciencia de datos a la nube Estrategias para migrar cargas de trabajo de ciencia de datos locales a ..«cloud
módulo #24 Construcción de un equipo de ciencia de datos basado en la nube Consideraciones organizativas para la construcción de un equipo de ciencia de datos basado en la nube
módulo #25 Resumen y conclusión del curso Planificación de los próximos pasos en la infraestructura de la nube para la carrera de ciencia de datos
