Temario curso

Sección 1: Ingesta y transformación de datos

• Lectura de datos de fuentes de streaming (por ejemplo, Amazon Kinesis, Amazon Managed Streaming for Apache Kafka [Amazon MSK], Amazon DynamoDB Streams, AWS Database Migration Service [AWS DMS], AWS Glue, Amazon Redshift).
• Lectura de datos de orígenes por lotes (por ejemplo, Amazon S3, AWS Glue, Amazon EMR, AWS DMS, Amazon Redshift, AWS Lambda, Amazon AppFlow).
• Implementación de opciones de configuración adecuadas para la ingesta por lotes.
• Consumo de API de datos.
• Configuración de programadores mediante Amazon EventBridge, Apache Airflow o programaciones basadas en tiempo para trabajos y rastreadores.
• Configuración de desencadenadores de eventos (por ejemplo, Amazon S3 Event Notifications, EventBridge).
• Llamada a una función de Lambda desde Amazon Kinesis.
• Creación de listas de permitidos para que las direcciones IP permitan conexiones a orígenes de datos.
• Implementación de limitaciones y superación de límites de velocidad (por ejemplo, DynamoDB, Amazon RDS, Kinesis).
• Administración de la distribución ramificada de entrada y salida para la distribución de datos de streaming.

• Optimización del uso de contenedores para las necesidades de rendimiento (por ejemplo, Amazon Elastic Kubernetes Service [Amazon EKS], Amazon Elastic Container Service [Amazon ECS]).
• Conexión a diferentes orígenes de datos (por ejemplo, Java Database Connectivity [JDBC], Open Database Connectivity [ODBC]).
• Integración de datos de múltiples fuentes.
• Optimización de costes durante el procesamiento de datos.
• Implementación de servicios de transformación de datos basados en requisitos (por ejemplo, Amazon EMR, AWS Glue, Lambda, Amazon Redshift).
• Transformación de datos entre formatos (por ejemplo, de .csv a Apache Parquet).
• Solución de problemas y depuración de errores de transformación comunes y problemas de rendimiento.
• Creación de API de datos para que los datos estén disponibles para otros sistemas mediante el uso de los servicios de AWS.

• Uso de servicios de orquestación para crear flujos de trabajo para canalizaciones ETL de datos (por ejemplo, flujos de trabajo de Lambda, EventBridge, Amazon Managed Workflows for Apache Airflow [Amazon MWAA], AWS Step Functions, AWS Glue).
• Creación de canalizaciones de datos para el rendimiento, la disponibilidad, la escalabilidad, la resistencia y la tolerancia a errores.
• Implementación y mantenimiento de flujos de trabajo sin servidor.
• Uso de servicios de notificación para enviar alertas (por ejemplo, Amazon Simple Notification Service [Amazon SNS], Amazon Simple Queue Service [Amazon SQS]).

• Optimización del código para reducir el tiempo de ejecución para la ingesta y transformación de datos.
• Configuración de funciones de Lambda para satisfacer las necesidades de simultaneidad y rendimiento.
• Realización de consultas SQL para transformar datos (por ejemplo, procedimientos almacenados de Amazon Redshift).
• Estructuración de consultas SQL para cumplir con los requisitos de canalización de datos.
• Usar comandos de Git para realizar acciones como crear, actualizar, clonar y ramificar repositorios.
• Uso del modelo de aplicaciones sin servidor de AWS (AWS SAM) para empaquetar e implementar canalizaciones de datos sin servidor (por ejemplo, funciones de Lambda, Step Functions, tablas de DynamoDB).
• Uso y montaje de volúmenes de almacenamiento desde las funciones de Lambda.

Sección 2: Gestión de almacenes de datos

• Implementación de los servicios de almacenamiento adecuados para requisitos específicos de costo y rendimiento (por ejemplo, Amazon Redshift, Amazon EMR, AWS Lake Formation, Amazon RDS, DynamoDB, Amazon Kinesis Data Streams, Amazon MSK).
• Configuración de los servicios de almacenamiento adecuados para patrones y requisitos de acceso específicos (por ejemplo, Amazon Redshift, Amazon EMR, Lake Formation, Amazon RDS, DynamoDB).
• Aplicación de servicios de almacenamiento a casos de uso adecuados (por ejemplo, Amazon S3).
• Integración de herramientas de migración en sistemas de procesamiento de datos (por ejemplo, AWS Transfer Family).
• Implementación de métodos de migración de datos o acceso remoto (por ejemplo, consultas federadas de Amazon Redshift, vistas materializadas de Amazon Redshift, Amazon Redshift Spectrum).

• Uso de catálogos de datos para consumir datos del origen de los datos.
• Creación y referencia a un catálogo de datos (por ejemplo, AWS Glue Data Catalog, Apache Hive metastore).
• Detección de esquemas y uso de rastreadores de AWS Glue para rellenar catálogos de datos.
• Sincronización de particiones con un catálogo de datos.
• Creación de nuevas conexiones de origen o destino para la catalogación (por ejemplo, AWS Glue).

• Realización de operaciones de carga y descarga para mover datos entre Amazon S3 y Amazon Redshift.
• Administración de políticas de ciclo de vida de S3 para cambiar el nivel de almacenamiento de los datos de S3.
• Datos que caducan cuando alcanzan una antigüedad específica mediante políticas de ciclo de vida de S3.
• Administración del control de versiones de S3 y el TTL de DynamoDB.

• Diseño de esquemas para Amazon Redshift, DynamoDB y Lake Formation.
• Abordar los cambios en las características de los datos.
• Realizar la conversión de esquemas (por ejemplo, mediante la herramienta de conversión de esquemas de AWS [AWS SCT] y la conversión de esquemas de AWS DMS).
• Establecer el linaje de datos mediante el uso de herramientas de AWS (por ejemplo, Amazon SageMaker ML Lineage Tracking).

Sección 3: Operaciones y soporte de datos

• Orquestación de canalizaciones de datos (por ejemplo, Amazon MWAA, Step Functions).
• Solución de problemas de flujos de trabajo administrados por Amazon.
• Llamar a los SDK para acceder a las funciones de Amazon desde el código.
• Uso de las características de los servicios de AWS para procesar datos (por ejemplo, Amazon EMR, Amazon Redshift, AWS Glue).
• Consumo y mantenimiento de API de datos.
• Preparación de la transformación de datos (por ejemplo, AWS Glue DataBrew).
• Consulta de datos (por ejemplo, Amazon Athena).
• Uso de Lambda para automatizar el procesamiento de datos.
• Administración de eventos y programadores (por ejemplo, EventBridge).

• Visualización de datos mediante el uso de servicios y herramientas de AWS (por ejemplo, AWS Glue, DataBrew, Amazon QuickSight).
• Verificación y limpieza de datos (por ejemplo, Lambda, Athena, QuickSight, Jupyter Notebooks, Amazon SageMaker Data Wrangler).
• Uso de Athena para consultar datos o crear vistas.
• Uso de cuadernos de Athena que usan Apache Spark para explorar datos.

• Extracción de registros para auditorías.
• Implementación de soluciones de registro y monitoreo para facilitar la auditoría y la trazabilidad.
• Uso de notificaciones durante la supervisión para enviar alertas.
• Solución de problemas de rendimiento.
• Uso de CloudTrail para realizar un seguimiento de las llamadas a la API.
• Solución de problemas y mantenimiento de canalizaciones (por ejemplo, AWS Glue, Amazon EMR).
• Uso de Amazon CloudWatch Logs para registrar datos de aplicaciones (con un enfoque en la configuración y la automatización).
• Análisis de registros con servicios de AWS (por ejemplo, Athena, Amazon EMR, Amazon OpenSearch Service, CloudWatch Logs Insights, registros de aplicaciones de big data).

• Ejecutar comprobaciones de calidad de datos mientras se procesan los datos (por ejemplo, comprobar si hay campos vacíos).
• Definición de reglas de calidad de datos (por ejemplo, AWS Glue DataBrew).
• Investigación de la coherencia de los datos (por ejemplo, AWS Glue DataBrew).

Sección 4: Seguridad y gobernanza de datos

• Actualización de los grupos de seguridad de VPC.
• Creación y actualización de grupos, roles, puntos de enlace y servicios de IAM.
• Creación y rotación de credenciales para la administración de contraseñas (por ejemplo, AWS Secrets Manager).
• Configuración de roles de IAM para el acceso (por ejemplo, Lambda, Amazon API Gateway, AWS CLI, CloudFormation).
• Aplicación de políticas de IAM a roles, puntos de enlace y servicios (por ejemplo, puntos de acceso de S3, AWS PrivateLink).

• Creación de políticas de IAM personalizadas cuando una política administrada no satisface las necesidades.
• Almacenamiento de credenciales de aplicaciones y bases de datos (por ejemplo, Secrets Manager, AWS Systems Manager Parameter Store).
• Proporcionar a los usuarios, grupos y roles de la base de datos acceso y autoridad en una base de datos (por ejemplo, para Amazon Redshift).
• Administración de permisos a través de Lake Formation (para Amazon Redshift, Amazon EMR, Athena y Amazon S3).

• Aplicar el enmascaramiento y la anonimización de datos de acuerdo con las leyes de cumplimiento o las políticas de la empresa.
• Uso de claves de cifrado para cifrar o descifrar datos (por ejemplo, AWS Key Management Service [AWS KMS]).
• Configuración del cifrado a través de los límites de la cuenta de AWS.
• Habilitación del cifrado en tránsito de datos.

• Uso de CloudTrail para realizar un seguimiento de las llamadas a la API.
• Uso de CloudWatch Logs para almacenar registros de aplicaciones.
• Uso de AWS CloudTrail Lake para consultas de registro centralizadas.
• Análisis de registros mediante los servicios de AWS (por ejemplo, Athena, CloudWatch Logs Insights, Amazon OpenSearch Service).
• Integración de varios servicios de AWS para realizar registros (por ejemplo, Amazon EMR en casos de grandes volúmenes de datos de registro).

• Concesión de permisos para el uso compartido de datos (por ejemplo, uso compartido de datos para Amazon Redshift).
• Implementación de la identificación de PII (por ejemplo, Macie con la formación del lago).
• Implementación de estrategias de privacidad de datos para evitar copias de seguridad o replicaciones de datos en regiones de AWS no permitidas.
• Administrar los cambios de configuración que se han producido en una cuenta (por ejemplo, AWS Config).