Ecosistemas Cloud
y Big Data OperativoEcosistemas Cloud y
Big Data Operativo
de datos que trabajan con infraestructuras de datos o grandes volúmenes de información científica y necesitan desarrollar capacidades para diseñar arquitecturas analíticas robustas y orientadas a producción.
Perfil: Investigadores/as con competencias sólidas en datos
10 semanas (60 hs)
3 horas, dos veces por semana
100% LIVE
Septiembre 2026
Arquitectura de datos operativa sobre Microsoft Fabric
Especialización en arquitecturas operativas para investigación
La excelencia operativa aplicada al dato científico
El programa cubre los componentes esenciales del ecosistema Fabric.Los conceptos arquitectónicos
enseñados son en gran medida transferibles a otros ecosistemas cloud (AWS, GCP, Databricks)
para quienes trabajen en esos entornos.
¿Qué adquirirás al finalizar?
- Diseño de infraestructuras y procesamiento de datos en entornos cloud.
- Gestión y organización estructurada de datos.
- Garantía de fiabilidad en el tratamiento de datos.
- Trazabilidad de los procesos de datos.
- Mejora de la eficiencia en enotornos científicos.
Requisitos previos
- Bootcamp de Data e IA o equivalente
- Python operativo para procesamiento de datos
- SQL intermedio-avanzado
- Experiencia construyendo pipelines de datos (Data Factory, Airflow o equivalente)
Próximas ediciones
Septiembre 2026
Entregable final del programa
Cada participante presentará una arquitectura de datos operativa sobre Microsoft Fabric, aplicada a un caso real de su investigación, que integrará:
- Lakehouse organizado con arquitectura Medallion (Bronze, Silver, Gold).
- Data Warehouse analítico modelado dimensionalmente, conectado a Power BI mediante Direct Lake. Pipeline de ingesta funcional, batch o streaming según el caso del alumno.
- Sistema de validación de calidad del dato y monitorización básica.
- Documento de diseño técnico que justifica las decisiones arquitectónicas, incluyendo discusión de portabilidad a otros clouds si aplica.
Lo que dicen los Upgraders Momentum
“Mi trabajo se centra en metabolómica y autentificación de muestras alimentarias, donde manejamos procesos muy monótonos. Gracias al programa, pude desarrollar una aplicación que optimiza este flujo de trabajo, logrando que tareas que antes llevaban mucho tiempo ahora se resuelvan en solo 10 minutos. Esto permite a otros compañeros obtener resultados e información general sin necesidad de programar, y nos hace posible el tomar decisiones inmediatas.”
PUDE
TRANSFORMAR
UN PROCESO
LENTO EN UNA
HERRAMIENTA
ÁGIL Y ACCESIBLE
Una ruta por el itinerario formativo
Este programa de especialización constituye una etapa avanzada del itinerario, donde la ingeniería de datos se profesionaliza para dar respuesta a las exigencias de entornos de producción.
Programación y Automatización
Bootcamp de Data e IA aplicado a investigación
Tres rutas hacia la excelencia operativa
¿Necesitas más información?
Déjanos tus datos y recibe más información. Te ayudaremos a transformar tu
entorno de trabajo y a elevar el impacto de tu actividad científica.
¿Tienes preguntas? Nosotros, respuestas
No es obligatorio si ya cuentas con una base técnica equivalente. Esta especialización está pensada para investigadores/as con una experiencia técnica equivalente que te proporcione solidez en el manejo de datos y flujos de trabajo analíticos.
Necesitas manejar Python con un nivel operativo, tener un dominio de SQL intermedio-avanzado y contar con experiencia práctica previa en la construcción de pipelines de datos. Estas competencias te permitirán escribir PySpark, estructurar consultas analíticas y configurar flujos de datos con autonomía durante las sesiones prácticas.
Sí, la aplicación práctica es un pilar fundamental del aprendizaje. El objetivo central es que trabajes con las infraestructuras de datos o los grandes volúmenes de información científica de tu propia investigación para diseñar y desplegar tu arquitectura analítica personalizada.
Al finalizar, serás capaz de diseñar arquitecturas Lakehouse escalables y organizar Data Lakes mediante la arquitectura Medallion. Asimismo, podrás construir Data Warehouses analíticos integrados con Power BI, implementar pipelines batch o de streaming, automatizar pruebas de calidad del dato y empaquetar tus procesos en contenedores Docker reproducibles.
La especialización se desarrolla a lo largo de 10 semanas, sumando un total de 60 horas de formación. Las sesiones son síncronas en directo, con una duración de 3 horas y una frecuencia de dos veces por semana, distribuidas en una exposición conceptual, una práctica guiada y un espacio de aplicación directa a tu propio caso de estudio.