Data & Cloud Analytics

Program
 De la Visualización a la Nube
Este paquete integral de DataGrowth ha sido diseñado para convertirte en un experto en el mundo de los
datos. El programa te guía a través de tres etapas críticas: el dominio del BI y Data Analytics, la potencia del
análisis con Python y la modernización hacia Cloud Data Engineering.

Al finalizar, no solo habrás dominado las herramientas más demandadas del mercado, sino que contarás con
un portafolio de tres proyectos de certificación que respaldan tu capacidad para transformar datos crudos en
activos estratégicos para cualquier organización.

¿Por qué elegir el Data & Cloud Analytics Program?

1. Ruta de Aprendizaje Integral (End-to-End): No solo aprenderás a analizar datos, sino a construir
la arquitectura que los sostiene y las herramientas que los transforman en decisiones.
2. Metodología "Learning by Doing": Obtendrás 3 certificaciones basadas en proyectos reales. Al
finalizar, no solo tendrás diplomas, sino un portafolio sólido para mostrar a reclutadores.
3. Enfoque en Empleabilidad: El programa combina las tres habilidades más demandadas en el
mercado tecnológico actual: BI + Python + Cloud.
4. Expertise Local con Estándares Globales: Entendemos las necesidades de transformación digital
de las empresas en Perú y Latinoamérica.
5. Oportunidades Futuras: Este taller puede ser el trampolín para futuras oportunidades de
investigación, proyectos personales o incluso emprendimientos relacionados con la Ingeniería de
Datos y Big Data.
 Data & Cloud Analytics Program
1 Curso + 2 Especialidades | 3 Certificaciones

Fase 1 Fase 2

Especialidad:
Curso: Data Analytics with Python
Business Intelligence Horario: Sabados y Domingos
& Data Analytics 10 - 13 hrs GMT-5

▪ Inicio: 21 de Febrero 2026

▪ Horario: Sabados y Domingos Especialidad:
10 - 13 hrs GMT-5 Cloud Data Engineering
Horario: Sabados y Domingos
17 - 20 hrs GMT-5

Al finalizar el programa, el estudiante será un profesional híbrido con la

capacidad técnica de un Ingeniero de Datos y la visión estratégica de
un Consultor de BI. Estará preparado no solo para analizar el pasado de
una empresa, sino para construir la infraestructura que sostendrá su
crecimiento futuro en la nube.

• Conocimientos básicos de lenguaje SQL

Requisitos: • Conocimientos básicos de programación
 DIRIGIDO A COMPETENCIAS
▪ Profesionales que trabajan con datos y buscan dar el
salto a la automatización y la nube. ▪ Visión End-to-End del Dato
▪ Resolución de Problemas Reales
▪ Analistas de negocio que desean profundizar en
▪ Capacidad de traducir preguntas de negocio complejas en
habilidades técnicas de ingeniería. arquitecturas técnicas y análisis cuantitativos.
▪ Recién graduados de carreras de ingeniería, economía o ▪ Preparación para trabajar en entornos modernos de datos
administración que quieran especializarse en el sector que demandan flexibilidad entre la analítica y la ingeniería.
tecnológico.

¿Qué voy a aprender? ¿Qué vas a lograr?

▪ Diseño de Dashboards de Alto Impacto y Gestion de KPI ▪ Analista Business Intelligence
▪ Dominio de SQL y Modelado de Datos ▪ Analista de Datos
▪ Análisis Exploratorio y Estadístico (EDA) ▪ Ingeniero de Datos
▪ Arquitectura de Datos en la Nube
▪ Data Developer
▪ Construcción de Pipelines ETL/ELT
▪ Gestión de Data Warehousing ▪ Data Scientist Junior
▪ Cloud Engineer
 Fase 1 Curso: Business Intelligence & Data Analytics

1. Fundamentos de Inteligencia de Negocios 2. Fundamentos SQL para BI

• Introducción a la Inteligencia de Negocios

• Definición y evolución de la BI. • Rol de la Inteligencia de Negocios
• Entorno SQL Server
• Importancia de la BI en la actualidad
• Sentencias SQL, DDL y DML
• Componentes principales de un sistema de BI. • Funciones SQL
• Gestión de Datos • Modelamiento de datos con SQL (principalmente, modelo de
• Big Data y su impacto en el BI estrella y copo de nieve)
• Fundamentos de la gestión de datos • Extra (uso del bulk insert - migración de archivos planos a SQL)
• Bases de datos y almacenes de datos (tipos de modelos, data
warehouses).
• OLTP vs OLAP
• ETL (Extracción, Transformación y Carga) y calidad de datos. 3. Introducción al SSIS
• Herramientas y Tecnologías de BI
• Técnicas de análisis de datos (estadísticas, minería de datos, etc.)
• Análisis de Datos y Visualización.
• Introducción a SSIS
• Dashboards y scorecards. • Flujo de Control (Tarea, contenedores)
• Laboratorio 1:
BI Móvil y Tendencias Emergentes • Flujo de datos (Transformaciones y conexiones)
• Asignación de Parámetros y Parámetros
• Tipos de carga de datos y Jobs

Inicio del Proyecto

Integrador
 Fase 1 Curso: Business Intelligence & Data Analytics

4. Introducción al Power BI y Modelamiento de Datos 5. Dax y visualización de datos con Power BI

• Fundamentos de Power BI • ¿Qué es DAX? • SWITCH

• Líder en Bl • Entendiendo la sintaxis en • ISBLANK
• Gráfico de Gartner fórmulas DAX • ISNUMBER
• Conexión
• Funciones DAX • ISTEXT
• ETL - Power Query
• Power Pivot • Funciones de agregación • Funciones de cálculo
• Modelamiento de datos • SUM • CALCULATE
• Power Query • AVERAGE • RANKX
• Definición • COUNT • SAMEPERIODLASTYEAR
• Entorno de trabajo • MAX • Funciones de fecha y hora
• Unidireccionalidad
• MIN • TODAY
• Proceso ETL
• Consultas • COUNTBLANK • NOW
• Anexar • Funciones de filtro • DATEADD
• Combinar • IF • DATEDIFF
• Archivo Binario • FILTER • Dashboard con funciones
• Caso modelamiento en Power BI

Presentación
del Proyecto
Integrador
 Fase 2 Especialidad: Data Analytics with Python

1. Introducción al Análisis de Datos 2. Introducción a Pandas y Numpy

• Formas de lectura para importar dataframes y maneras de

• Evolución del valor de los datos exportarlos
• Ciencia de datos: Roles, funciones & perspectiva laboral • Maneras de realizar filtros en dataframes para el análisis de
• Metodologías para proyectos de data science (KDD, CRISP datos
DM, SEMMA, ETC). • Agregar, eliminar, editar filas y columnas
• Conceptos clave para el trabajo con datos: ETL, Business • Funciones matemáticas en Pandas
Intelligence, Data Mining. • Manipulación de dataframes
• Entornos para utilizar Python (On premise & on cloud). • Limpieza de datos en dataframes
• Herramientas de analytics y ciencia de datos. • Operadores aritméticos en numpy
• Tipos de datos en Python, Operadores de asignación, • Indexing, slicing e iterating
comparación y lógicos. • Funciones y métodos en Python
• Condicionales, Bucles y funciones • Vectores, matrices, arreglos, transpuesta, determinante
• Operadores de álgebra lineal
• Generación de números aleatorios en numpy
• Elementos de un gráfico
• Gráficos para visualizar relaciones entre categorías
Inicio del Proyecto • Gráficos para visualizar comparaciones, composiciones y
distribuciones
Integrador
 Fase 2 Especialidad: Data Analytics with Python
3. Limpieza de datos para analítica predictiva 4. Modelos predictivos con Machine Learning

• Entendiendo los datos: análisis del negocio y de los datos • Buenas prácticas para realizar un modelo predictivo
• Análisis de datos duplicados y datos nulos • Evaluación e interpretación de resultados
• Gráficos para analizar los datos con matplotlib
• Matriz de confusión y sus métricas
• Análisis básico estadístico para verificar el comportamiento de
los datos • Balanceamiento de datos desequilibrados
• Transformación de datos y preprocesamiento de datos con • Introducción a Naive Bayes
Python • Repaso limpieza de datos y transformación
• Feature engineering, influencia de las variables con el target en
algoritmos de clasificación • Formas de mejorar la precisión del modelo predictivo
• Encodear, Outliers , Correlación entre los datos y mapa de calor
• Formato y normalización de los datos
• Analítica descriptiva vs predictiva. Aprendizaje supervisado y no
supervisado
• Términos básicos: inteligencia artificial, machine learning y Deep
learning Presentación del Proyecto
• Identificación de problemas con algoritmos de clasificación y
regresión Integrador
• Introducción a algoritmos de Regresión logísticas y Random
Forest
• La estadística y el aprendizaje de máquina
• Datos de entrenamiento, prueba y datos reales
 Fase 2 Especialidad: Cloud Data Engineering

1. Introducción Big Data y procesamiento de Datos Masivos 2. Introducción a Git & Linux

• Historia de las 7B del Big Data. • Conociendo Linux

• Tipos de datos estructurados, semi, no • Historia , evolución e importancia
estructurado. • Sistemas operativos relevantes
• Arquitectura de datos estructurados DWH vs • Formas de levantar Linux
Data Lake , Lakehouse • Comandos esenciales
• ETL vs LTE • Permisos dentro de Linux
• Escalamiento vertical vs Escalamiento • Taller: Instalación de máquina virtual
horizontal. • Conociendo Git
• Arquitecturas más utilizadas. • Importancia de Git
• Herramientas de Big Data. • Tipos de repositorios que trabajan con Git
• Ventajas y diferencias de los distintos repositorios
• Configuración inicial de Git
• Comandos básicos de Linux para trabajar con Git
• Comandos esenciales de Git
• Manejo y dominio de ramas en Git
Laboratorio 1: Inicio del Proyecto
Integrador
 Fase 2 Especialidad: Cloud Data Engineering

3. Ecosistema HADOOP (Unificada) 4. Databricks Cloud Engineering

• Fundamentos de Hadoop: Arquitectura distribuida y

componentes principales (HDFS, YARN). • Arquitectura Lakehouse: Implementación de la arquitectura
• Almacenamiento y Consulta: Introducción y talleres prácticos Medallion (Bronze, Silver, Gold).
con Hive para SQL sobre Big Data. • Databricks Workspaces: Manejo de Notebooks, clústeres
• Ingesta de Datos: Migración de datos desde bases de datos computacionales y Databricks SQL.
relacionales con Sqoop. • Delta Lake: Gestión de transacciones ACID, "Time Travel" y
• Integración de BI: Taller práctico de conexión entre Hadoop y optimización de tablas.
Power BI. • PySpark en Databricks: Optimización de DataFrames y
• Práctica General: Laboratorios integrales del ecosistema procesamiento eficiente de grandes volúmenes de datos.
Hadoop. • Workflows: Orquestación de pipelines de datos y
automatización de tareas

Presentación
del Proyecto
Integrador
PROGRAMA

▪ 30 sesiones (entre clases virtuales,

asesorias y presentaciones de
proyectos
¡No pierdas la oportunidad de mejorar tus habilidades!
▪ Asesoramiento por mentores Regístrate hoy en [Link] o
expertos en el tema. contáctanos en [Link]@[Link]
para más información.
▪ Inicio: 21 de Febrero 2026
▪ Horario: Sabados y Domingos Únete a nosotros y desbloquea el potencial de la
10 - 13 hrs GMT-5 Ingeniería de datos y Big Data.
17 - 20 hrs GMT-5

▪ Acceso al material de estudio a Contáctanos al Whatsapp

través del classroom y grabaciones (presiona aquí)
de las sesiones.