El stack tecnológico de la ingeniería de datos moderna no deja de crecer, igual que el tamaño y la complejidad de los datos en las organizaciones.
\n
Con el auge del big data, las empresas buscan profesionales que no solo sepan recopilar y procesar datos, sino también almacenarlos y gestionarlos de forma eficiente en almacenes de datos en la nube. En concreto, Google BigQuery, Snowflake y Amazon Redshift.
\n
Aunque dominar Python y SQL es esencial, una persona ingeniera de datos también debería tener experiencia práctica con las particularidades de los almacenes de datos en la nube: dialectos de SQL, tipos de datos, opciones de escalado y mucho más.
\n
![\"El]()
\n
Además del itinerario de aprendizaje Data Engineer with Python, que ya ofrece una ruta completa para adquirir habilidades fundamentales de ingeniería de datos, nos alegra anunciar el nuevo proyecto Exploring London’s Travel Network para que practiques con Snowflake, Google BigQuery y Amazon Redshift.
\n
Dentro de Exploring London’s Travel Network
\n
Cada día se realizan más de 1,5 millones de desplazamientos en la extensa red de Transport for London (TFL).
\n
Con tantísimas personas viajeras, turistas y residentes moviéndose a diario, ¿cómo se desplazan la mayoría de los londinenses?
\n
En este proyecto introductorio, Exploring London’s Travel Network, escribirás consultas SQL para encontrar los medios de transporte más populares, analizar las horas punta e identificar esos raros momentos en los que el metro (\"the tube\" para los locales) estuvo menos concurrido. Además, podrás interactuar directamente con los almacenes de datos en la nube más actuales: elige entre Snowflake, BigQuery o Redshift, o completa las tres variantes del proyecto.
\n
![\"Proyectos]()
\n
Si ya has completado otros proyectos de DataCamp, seguro que te suena DataLab, el cuaderno de ciencia de datos en la nube de DataCamp.
\n
DataLab ofrece integraciones fluidas con las bases de datos SQL y los almacenes en la nube más populares y te ahorra horas de configuración y puesta a punto. Además, puedes acelerar tu aprendizaje con DataLab AI Assistant, que te sugiere buenas prácticas para escribir código SQL y te ayuda a corregir errores.
\n
Si quieres ir más allá del alcance del proyecto y practicar con almacenes en la nube, entra en DataLab y pon a prueba tus habilidades con integraciones de datos de ejemplo ya preconfiguradas.
\n
![\"Proyectos]()
\n
El stack tecnológico de la ingeniería de datos moderna no deja de crecer, igual que el tamaño y la complejidad de los datos en las organizaciones.
\nCon el auge del big data, las empresas buscan profesionales que no solo sepan recopilar y procesar datos, sino también almacenarlos y gestionarlos de forma eficiente en almacenes de datos en la nube. En concreto, Google BigQuery, Snowflake y Amazon Redshift.
\nAunque dominar Python y SQL es esencial, una persona ingeniera de datos también debería tener experiencia práctica con las particularidades de los almacenes de datos en la nube: dialectos de SQL, tipos de datos, opciones de escalado y mucho más.
\n![\"El]()
\nAdemás del itinerario de aprendizaje Data Engineer with Python, que ya ofrece una ruta completa para adquirir habilidades fundamentales de ingeniería de datos, nos alegra anunciar el nuevo proyecto Exploring London’s Travel Network para que practiques con Snowflake, Google BigQuery y Amazon Redshift.
\nDentro de Exploring London’s Travel Network
\nCada día se realizan más de 1,5 millones de desplazamientos en la extensa red de Transport for London (TFL).
\nCon tantísimas personas viajeras, turistas y residentes moviéndose a diario, ¿cómo se desplazan la mayoría de los londinenses?
\nEn este proyecto introductorio, Exploring London’s Travel Network, escribirás consultas SQL para encontrar los medios de transporte más populares, analizar las horas punta e identificar esos raros momentos en los que el metro (\"the tube\" para los locales) estuvo menos concurrido. Además, podrás interactuar directamente con los almacenes de datos en la nube más actuales: elige entre Snowflake, BigQuery o Redshift, o completa las tres variantes del proyecto.
\n![\"Proyectos]()
\nSi ya has completado otros proyectos de DataCamp, seguro que te suena DataLab, el cuaderno de ciencia de datos en la nube de DataCamp.
\nDataLab ofrece integraciones fluidas con las bases de datos SQL y los almacenes en la nube más populares y te ahorra horas de configuración y puesta a punto. Además, puedes acelerar tu aprendizaje con DataLab AI Assistant, que te sugiere buenas prácticas para escribir código SQL y te ayuda a corregir errores.
\nSi quieres ir más allá del alcance del proyecto y practicar con almacenes en la nube, entra en DataLab y pon a prueba tus habilidades con integraciones de datos de ejemplo ya preconfiguradas.
\n![\"Proyectos]()
\n