mcarlagg17 / TBDS_PT_ENE23-DataEngineering

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

Data Engineering

¡Bienvenido al curso de Data Engineering! Soy Juan Maniglia, especialista en Data Science, y estaré liderando este curso. Actualmente enseño en The Bridge School, y he diseñado este curso para brindarte una sólida introducción y entendimiento del Data Engineering.

Temario

  • Flask: Un marco de trabajo de Python ligero y fácil de usar para desarrollar aplicaciones web. Te enseñaré cómo utilizarlo para desarrollar una API y cómo conectarla con bases de datos.

  • Streamlit: Una herramienta rápida para crear aplicaciones de análisis de datos. Aprenderás a desarrollar aplicaciones interactivas de análisis de datos con Streamlit y Python.

  • FastAPI: Otro marco de trabajo moderno y rápido (de alto rendimiento) para crear APIs con Python basado en la tipificación estándar. Descubrirás cómo construir y documentar de manera efectiva una API con FastAPI.

  • Docker: Docker es una tecnología de contenedores que permite a los desarrolladores empacar aplicaciones con todas las partes que necesita, como bibliotecas y otras dependencias, y enviarlo todo como un solo paquete. Te mostraré cómo Dockerizar tus aplicaciones y trabajar con Docker Compose.

  • Azure: Azure es una creciente colección de servicios en la nube integrados de Microsoft. Te enseñaré cómo usar Azure para desplegar tus aplicaciones y servicios de datos en la nube, incluyendo el uso de Azure Functions y Azure Logic Apps.

  • GitHub Actions: GitHub Actions ayuda a automatizar tareas dentro del desarrollo de software. Aprenderás a configurar flujos de trabajo CI/CD utilizando GitHub Actions para automatizar pruebas y despliegue.

Requisitos

Este curso supone que tienes un conocimiento básico de Python y una comprensión fundamental de las bases de datos. Además, necesitarás una cuenta de GitHub para alojar y compartir tu código.

Recursos

A lo largo del curso, proporcionaré diapositivas, cuadernos de Jupyter, ejemplos de código y recursos de lectura adicionales para ayudarte a comprender los conceptos.

Cómo tener éxito en este curso

Trabaja de manera constante: el Data Engineering es un campo amplio, y la mejor manera de aprender es practicar regularmente. Dedica tiempo todos los días a leer, escribir código y experimentar.

Contacto

Si tienes alguna pregunta o comentario, no dudes en contactarme a través de The Bridge School o a través de mi GitHub.

¡Espero que disfrutes del curso!

About

License:MIT License


Languages

Language:Jupyter Notebook 72.4%Language:HTML 19.3%Language:Python 8.3%Language:Dockerfile 0.1%