Ir a inicio > Cursos > Programación SQL > Santiago > Curso - Desarrollo Aplicaciones Business Intelligence con MS SQL Server 2016 + Big Data - Santiago - Metropolitana Santiago

Curso - Desarrollo Aplicaciones Business Intelligence con MS SQL Server 2016 + Big Data

Contacta sin compromiso con Consultoría Integrada

Para enviar la solicitud debes aceptar la política de privacidad

Comentarios sobre Curso - Desarrollo Aplicaciones Business Intelligence con MS SQL Server 2016 + Big Data - Presencial - Santiago - Metropolitana Santiago

  • Contenido
    Curso DESARROLLO APLICACIONES BUSINESS INTELLIGENCE

    CON MS SQL SERVER 2016 + Big Data


    DESCRIPCIÓN

    Este curso está orientado a brindar a los alumnos los fundamentos necesarios en el campo del Business Intelligence y Big Data a niveles estratégicos y tácticos.

    Se cubrirán tópicos como Sistemas Transaccionales u OLTP, Datawarehouse o Bodega de Datos, Sistemas Olap o Analíticos, procesos ETL o de Extracción, Transformación y Carga de datos, Bodegas de Datos Intermedias o Areas de Staging, creación de Dimensiones, Jerarquías e Indicadores, Modelamiento de Cubos, programación de consultas MDX, discusión de modelos multidimensionales como Enterprise DataWarehouse (Bill Inmon), Esquema Estrella y Esquema Estrella Jerárquica (Ralph Kimball).

    Se entregarán además conceptos para evaluar soluciones en base a Motores de Bases de Datos Relacionales y Motores de Bases de Datos Columnares.

    Además, el alumno manejará conceptos de Big Data, como se justifica, donde se originó y cuando sí y cuando no practicar Big Data. Se hará una introducción al tema, se explicará el ecosistema Hadoop 2.0 y se repasarán tópicos de Machine Learning y Data Mining con Big Data.

    Al final del curso se tratarán temas respecto de la performance de soluciones Olap, incluyendo particionamiento de cubos y tablas de hechos.


    OBJETIVOS

    El alumno al finalizar el curso, será capaz de entender los requerimientos de los usuarios de gestión, modelar un Datawarehouse Relacional, construir paquetes ETL de extracción, transformación y carga de datos, y modelar y cargar uno o varios Cubos Olap, con información relevante de gestión, indicadores clave de desempeño, y dimensiones útiles para la gestión Operativa y Estratégica de la empresa. Además, quedará capacitado para definir el uso de tecnologías de Bases de Datos Relacionales, Bases de Datos Columnares y el uso de sistemas de archivos distribuidos como Hadoop HDFS.


    DIRIGIDO A

    Analistas de Bases de Datos, Ingenieros/Analistas de Control de Gestión, Arquitectos de Datawarehouse, Programadores SQL, y en general, cualquier persona involucrada en la definición y puesta en marcha de un Sistema de Control de Gestión basado en tecnologías Olap, DataWarehousing y Big Data.


    METODOLOGÍA

    Clases teóricas y prácticas, usando Microsoft SQL Server 2016 Enterprise Edition (180 day Evaluation), Microsoft SQL Server 2016 Integration Services, Microsoft SQL Server 2016 Analysis Services, Microsoft SQL Server 2016 Reporting Services y Microsoft Visual Studio 2015 + Microsoft Data Tools.

    Durante el curso se desarrollará un taller en que los alumnos se verán enfrentados a un problema real, desde las entrevistas con los usuarios finales de gestión, hasta la puesta en marcha de la solución.


    CONTENIDOS (32 Horas)


    Introducción

    T: Sistemas OLTP y Sistemas OLAP
    T: DataWarehouse
    T: Arquitectura de un DataWarehouse
    T: Componentes de un DataWarehouse
    P: Instalación Plataforma SQL Server completa


    Levantamiento de Requerimientos y Modelamiento de la Solución

    T: Levantamiento de requerimientos
    T: Discusión del Informe de requerimientos con los usuarios clave de cada área
    T: Cierre de las modificaciones al modelo
    T: Modelamiento de DataWarehouse
    Modelo Conceptual
    Modelo Lógico
    Modelo Físico
    P: Levantamiento de Modelos de Datos de Sistemas Fuente


    Modelando un esquema estrella

    T: Conceptos de Dimensión-Atributo-Jerarquía-Niveles-Miembros-Indicadores
    T: Inferencia de la tabla de hechos
    T: Inferencia de las tablas de dimensiones
    T: Estrategia de Indexamiento del Modelo Estrella
    P: Modelo Lógico y Físico del Esquema Estrella


    Procesos ETL

    T: Carga y Mantenimiento de un DWH
    T: Procesos de Extracción-Transformación y Carga de Datos
    T: Procesamiento Intermedio o DataStaging
    P: Programación Paquetes ETL carga de dimensiones y tabla de hechos

    Modelamiento Multidimensional

    T: Cubo Olap
    T: Cubo Olap Relacional
    T: Cubo Olap Multidimensional
    T: Cubo Olap Híbrido
    T: Diferencias, beneficios y costos asociados
    P: Modelamiento de Cubo, Dimensiones, Jerarquías, Indicadores.


    Opciones Avanzadas y Procesamiento de Cubos Olap

    P: Modelamiento de Cubo, Dimensiones, Jerarquías, Indicadores.
    P: Miembros Calculados
    P: Programación Fórmulas MDX
    P: Conjuntos nombrados
    P: Procesamiento Cubo
    P: % Nivel Agregación Cubo


    Navegación de Cubos y Performance

    T: Herramientas para Navegación Olap
    P: CubixWeb, MS SQL Server Reporting Services
    T: Operadores DrillDown, Roll-up, Slice-Dice
    T: Administración de la performance de un DWH
    Hardware
    Server Olap
    Redes de Comunicaciones
    Estrategias de Indexamiento del modelo estrella relacional
    Estrategia de Particionamiento de Tablas
    Estrategia de Particionamiento de Cubos
    P: Particionamiento de tablas de hechos
    P: Particionamiento de Cubos Olap


    Bases de Datos Columnares y grandes Datawarehouses

    T/P: Bases de Datos Columnares
    T/P: Plataformas BI Opensource


    Introduccion a Big Data

    T: Qué originó la era del BigData
    T: Datos generados por Máquinas
    T: Datos generados por Personas
    T: Datos generados por Organizaciones
    T: Características de BigData
    Volumen
    Velocidad
    Valor
    Escalabilidad
    T: Las 5P de BigData
    T: Haciendo las preguntas correctas
    T: Introducción al proceso de 6 Etapas
    1 Accediendo y recuperando datos
    2A Explorando datos
    2B Pre procesamiento de Datos
    3 Análisis de datos
    4 Reportes de percepción de los datos
    6 Convertir la percepción de los datos en Acción
    T: Qué es un sistema de archivos distribuido
    T: Computación escalable sobre internet
    T: Modelos de programación para BigData


    La plataforma Hadoop y el framework de aplicaciones

    T: Qué es Hadoop
    T: Módulos de Apache Hadoop
    Hadoop Common
    Hadoop HDFS
    Hadoop Yarn
    Hadoop MapReduce
    T: Principales componentes del Ecosistema Hadoop
    Apache Sqoop
    HBASE
    Pig
    Apache Hive
    Oozie
    Zookeeper
    Flume
    Componentes adicionales de Cloudera Hadoop
    Impala
    Spark
    P: Instalar VM Cloudera Hadoop sobre Oracle VirtualBox o VMWare
    P: Una revisión rápida de Cloudera Hadoop

    Machine Learning Con Big Data

    T: Introducción
    T: Data Analytics avanzado
    T: Una mirada más cercana e historia de Modelamiento Predictivo
    T: Taxonomías de Machine Learning
    T: Tareas de Minería de Datos
    T: Evaluación y Validación del Modelo
    T: Desafíos de la Minería de Datos
    P: Descarga e instalación de KNIME
    Práctica: Trabajando con Workflows KNIME
    Práctica: Instrucciones de manipulación de datos en KNIME
    Preparación de datos para Machine Learning
    Preprocesamiento de Datos
    T/P: Algoritmos de Clasificación
    Naive Bayes
    Arboles de Decisión
    Trabajando con Arboles de Decisión en KNIME
    Algoritmos de Clasificación con Spark
    T/P: Reglas de Asociación
    Clustering
    Modelos no supervisados
    Algoritmo k-means
    Tarea de Clustering en KNIME
    Clustering en Spark


    REQUISITOS DE APROBACIÓN Y EVALUACIÓN

    75% de asistencia y nota Final superior a 4.0 (prueba escrita y/o desarrollo)


    RELATOR

    MICHAEL PRENDERGAST SLIGHT

    Consultor Senior en DataWarehouse/Sistemas OLAP
    Arquitecto de Bases de Datos
    Desarrollador .Net
    Economista, U de Chile
    MBA, U del Desarrollo

Otra formación relacionada con Programación SQL

Este sitio utiliza cookies.
Si continua navegando, consideramos que acepta su uso.
Ver más  |