Del origen al valorde los datos
Del modelo entidad-relación al data engineering a escala: normalización, modelado dimensional, data warehouses y pipelines ETL/ELT. Diseñar y mover datos con criterio.
Acceso al curso completo, ejercicios y material de entrevista.
-- Modelo dimensional: un hecho, varias dimensiones CREATE TABLE hechos_ventas ( fecha_id INT REFERENCES dim_fecha, producto_id INT REFERENCES dim_producto, cliente_id INT REFERENCES dim_cliente, importe NUMERIC, -- la métrica unidades INT );
No solo aprendes datos. Te preparas para que te contraten.
Banco orientado a la entrevista técnica: modelar un dominio sobre la marcha, justificar normalización y claves, y diseñar un pipeline de datos de extremo a extremo.
Modela los datos y construye un pipeline en el que se pueda confiar
Modelar un dominio bien
Entidad-relación, cardinalidades, normalización y cuándo desnormalizar a propósito.
Patrones, NoSQL y antipatrones
Jerarquías, histórico, claves, modelar por accesos en NoSQL y evolucionar el esquema.
OLTP, OLAP y data warehouse
Modelado dimensional, hechos y dimensiones, esquema en estrella, lake y lakehouse.
Pipelines de datos
ETL y ELT, ingesta y CDC, formatos columnares (Parquet) y data lakes sobre objetos.
Transformar y procesar a escala
dbt como código, procesamiento distribuido (Spark) y procesamiento de flujos.
Orquestar, servir y gobernar
Airflow, calidad y linaje, capas medallón, feature stores, gobierno y dato como producto.