trubidata
Lista de espera abiertaEn vivo, en cohorteUn proyecto en tu GitHub
./cursos

Tres cursos, según de dónde venís

Se aprende armando algo que tenga que funcionar. Elegí tu punto de partida y preinscribite: los que están en la lista se enteran primero de las fechas.

Quiero preinscribirme ↓

Precio y fechas: a confirmar. Los preinscriptos tienen prioridad de cupo y precio de lanzamiento.

Un mismo camino, tres escalones

  1. De hacer reportes a modelar los datos

    01 · Curso de Analytics Engineering →
  2. De programar APIs a construir pipelines

    02 · Curso de Modern Data Engineer →
  3. De mover datos a preparar datos para la IA

    03 · Curso de AI-native Data Engineer →
01 / 03
Para analistas y curiosos de los datos

Curso de Analytics Engineering

5 semanas · 5 a 6 horas por semana

Pasás de hacer reportes a armar el modelo de datos que los alimenta, con tests y documentado.

Con qué trabajás

  • SQL
  • DuckDB
  • dbt
  • Git
  • BI

Para quién es

  • Trabajás con Excel, SQL o Power BI
  • Sos data analyst o te toca armar los reportes
  • Querés pasar de pedir datos a construir el modelo que usa todo el equipo

Qué necesitás saber

  • Excel o SQL básico
  • No hace falta saber programar
Ver temario · 5 semanas
  1. SQL analíticoWindow functions, CTEs y agregaciones con DuckDB. Por qué una base transaccional no sirve para analizar.
  2. Datos que llegan bienCargas incrementales e idempotentes. La pregunta que hacen en las entrevistas: ¿qué pasa si corre dos veces?
  3. Modelado dimensionalHechos, dimensiones y esquema estrella. Cómo guardar la historia de un cliente que cambia.
  4. Transformación con dbtStaging, marts, refs, tests y documentación. Git y revisión de código, como en un equipo de datos.
  5. Métricas y BIUna sola definición de cada métrica y el tablero conectado al modelo, no a una planilla.

Qué te llevás

Un proyecto dbt con tests sobre el caso de una billetera virtual ficticia, 10 preguntas de negocio resueltas en SQL y un tablero que lee del modelo.

Preinscribirme a este curso ↓
02 / 03
Para devs y expertos en software

Curso de Modern Data Engineer

5 semanas · 5 a 6 horas por semana

Pasás de pensar en requests a pensar en datos, y salís con una plataforma de datos de punta a punta que podés defender en una entrevista.

Con qué trabajás

  • Python
  • DuckDB
  • Postgres
  • Parquet
  • dbt
  • Iceberg
  • Airflow

Para quién es

  • Sos dev backend o full-stack, semi senior o senior
  • Querés pasarte a datos sin empezar de cero
  • En tu empresa o en un puesto remoto

Qué necesitás saber

  • Python en producción (o Java, Node o Go y te bancás Python)
  • SQL básico
  • Git y Docker a nivel usuario
Ver temario · 5 semanas
  1. SQL analítico y el modelo mental de datosOLTP vs OLAP, window functions y CTEs con DuckDB y Postgres.
  2. Ingesta incremental e idempotenteExtraer de una API con cursores y reintentos, y cargas que se repiten sin duplicar. Python, Parquet y particiones.
  3. Modelado con dbtEsquema estrella, hechos y dimensiones, SCD tipo 2. Staging, marts y documentación.
  4. Lakehouse vs warehouseParquet e Iceberg sobre object storage, cuándo conviene BigQuery o Snowflake y cuánto cuesta cada camino.
  5. Orquestación y calidadAirflow con dependencias, backfills y alertas. Tests de dbt y contratos de datos: enterarte antes que el negocio.

Qué te llevás

Un repo público con ingesta, lakehouse en Iceberg, modelo en dbt, orquestación en Airflow y tests, más un ADR que explica el porqué de cada decisión.

Preinscribirme a este curso ↓
03 / 03
Para Data Engineers y expertos (DS, ML) en datos

Curso de AI-native Data Engineer

6 semanas · 5 a 6 horas por semana

Tu RAG no falla por el modelo, falla por los datos. Armás la capa de datos de la IA: de documentos a un índice que se refresca solo y se puede medir.

Con qué trabajás

  • Kubernetes
  • MinIO
  • pgvector
  • DuckDB
  • Debezium
  • Spark
  • Grafana

Para quién es

  • Sos data engineer con 2 años o más y pipelines en producción, o tech lead de datos
  • Te piden "algo con IA": RAG, vector DB, no estructurados

Qué necesitás saber

  • SQL avanzado y modelado
  • Python con soltura, Docker y Git
  • Haber orquestado pipelines en producción
  • Kubernetes no: arranca de cero
Ver temario · 6 semanas
  1. Una plataforma de datos en KubernetesPods, jobs, volúmenes y Helm. Cluster local con MinIO, Postgres con pgvector y DuckDB.
  2. Ingesta de no estructuradosParsear PDFs, HTML y tablas, metadatos, linaje y deduplicación. Qué se pierde al parsear.
  3. Chunking y embeddings como modeladoEstrategias de chunking, modelos open source vs API, pgvector vs Qdrant y búsqueda híbrida.
  4. Streaming para un índice frescoCDC con Debezium, Redpanda y Spark Structured Streaming. Re-embeber solo lo que cambió.
  5. Evaluación del retrievalGolden set, recall@k y RAGAS. La evaluación corre en CI y frena el cambio si la calidad cae.
  6. Costos, observabilidad y producciónCosto por 1.000 documentos, métricas con Prometheus y Grafana, y un agente que usa el índice como herramienta.

Qué te llevás

Un pipeline de documentos a índice vectorial que corre en Kubernetes, se actualiza en streaming y tiene métricas de calidad y de costo por documento. Con números propios para defender cada decisión.

Preinscribirme a este curso ↓

Cómo es el formato

  • Clases en vivo, en cohorte: concepto y demo, y laboratorio guiado.
  • 5 a 6 horas por semana, pensado para quien trabaja full time.
  • Un solo caso durante todo el curso: cada semana suma una capa al mismo repo.
  • Todas las clases quedan grabadas.
  • Cupos limitados, para poder revisar el trabajo de cada uno.
  • En español, con casos de banca y fintech.

Precio y fechas: a confirmar. Los preinscriptos tienen prioridad de cupo y precio de lanzamiento.

Preinscribite

No es un pago ni un compromiso. Te sumás a la lista y te avisamos primero cuando abran las fechas y el precio.

¿Qué curso te interesa?

Podés elegir más de uno.

Código de área y número, como lo decís siempre. Ej: 11 1234 5678.

Usamos tus datos solo para avisarte de los cursos de Trubi Data. Ver política de privacidad.