trubidata
Charlemos 30 min
Rebranding: nueva web y marca para Trubi DataPróximo evento: Argentina Fintech Forum · 29 de octubre
./curso

Data Engineering Roadmap

De cero a arquitecto de datos. Domina Python, SQL, Spark y Cloud.

lista de esperaInicial a Avanzado50+ h de video7 módulos
Sumarme a la lista

Qué vas a aprender

  • SQL avanzado: window functions, query tuning y modelado de datos.
  • Python para datos: pandas, Polars, DuckDB y optimización.
  • Orquestación y transformación: Airflow, Dagster y dbt.
  • Cloud: Google Cloud, AWS y Azure, con sus servicios de datos.
  • Spark y Lakehouse: Spark, Parquet, Delta Lake e Iceberg.
  • Plataformas como Snowflake y Databricks.

El curso sigue el recorrido de la guía completa de Ingeniería de Datos: desde las bases de la programación y SQL hasta la orquestación de arquitecturas complejas en AWS y Google Cloud.

Para quién es

  • Personas que quieren entrar a la ingeniería de datos y buscan un orden para aprender.
  • Analistas y desarrolladores que quieren pasar a construir pipelines y arquitecturas de datos.

Requisitos

  • Ninguno específico para empezar: el recorrido arranca por las bases.
  • Como base recomendada, los cursos gratuitos de Python y de Scala.

Cómo es la cursada

Es un curso en vivo, por cohorte. Arranca cuando se completa el cupo: sumate a la lista de espera y te aviso cuando se abra. Las clases se abren con la cohorte, por eso el temario de esta página se puede ver pero las lecciones todavía no.

El curso incluye más de 50 horas de video, proyectos reales y certificado de finalización.

./temario

Las clases se abren con la cohorte.

Módulo 1 · Fundamentos de datos y SQL

  1. 1Qué hace un data engineer: OLTP vs. OLAP y ETL vs. ELT
  2. 2Bases relacionales: MySQL, PostgreSQL y MariaDB
  3. 3SQL avanzado: window functions y query tuning
  4. 4Modelado de datos: normalización y denormalización

Módulo 2 · Python para datos

  1. 5Análisis de datos con pandas
  2. 6Polars y optimización de rendimiento
  3. 7DuckDB para analítica local

Módulo 3 · Git y GitHub

  1. 8Control de versiones con git
  2. 9Trabajo en equipo con GitHub

Módulo 4 · Orquestación y transformación

  1. 10Orquestar pipelines con Airflow
  2. 11Orquestación con Dagster
  3. 12Transformaciones con dbt

Módulo 5 · Data engineering en la nube

  1. 13Google Cloud: BigQuery, Dataproc y Cloud Storage
  2. 14AWS: S3, Athena, Redshift y EMR
  3. 15Azure: Data Factory y Data Lake Storage Gen2

Módulo 6 · Plataformas de datos

  1. 16Data warehouses con Snowflake
  2. 17Databricks

Módulo 7 · Spark y Lakehouse

  1. 18Procesamiento distribuido con Spark
  2. 19Formatos de archivo y de tabla: Parquet, Delta Lake e Iceberg
  3. 20Arquitectura Lakehouse