[vc_row][vc_column][vc_column_text]Brindamos excelencia en calidad y experiencia para tu recorrido en la nube, ofreciéndote material confiable y trabajando continuamente de la mano de especialistas calificados que colaboran con nosotros para poner a tu disposición las mejores soluciones y estrategias del mercado para tu aprendizaje.
Queremos presentar a 6 de nuestros principales Partners, siempre vanguardistas con lo último del mundo de la TI ¡para ti!
NetApp
Ofrecemos un portafolio completo de formación oficial de NetApp para LATAM. Todos nuestros instructores son expertos certificados con amplia experiencia práctica.
Microsoft
Contamos con una gama de entrenamientos Microsoft, desde cursos básicos hasta cursos especializados de alto nivel. Todos nuestros instructores son expertos certificados con amplia experiencia práctica en sus áreas de especialización.
IBM
Como IBM Education Delivery e IBM Sales Partner de Arrow, ofrecemos todos los cursos de formación autorizados de IBM en todo el mundo.
Google Cloud
Como socio de formación autorizado de Google Cloud, proporcionamos la posibilidad de adquirir habilidades necesarias para desarrollar y operar infraestructuras y aplicaciones en Google Cloud.
Cisco
Somos Cisco Platinum Learning Partner galardonado, entregando un diverso abanico de entrenamientos, que comprenden desde cursos de nivel de básico hasta cursos especializados de alto nivel. Todos nuestros instructores son expertos certificados con amplia experiencia práctica en sus áreas de especialización.
AWS
AWS Authorized Training Partner (ATP) en América Latina. Facilitamos un plan de estudios completo para la certificación, aceleramos también su proceso de adopción hacia la nube de AWS a través de servicios y soluciones de calidad educativa.
¿Que esperas para iniciar tu entrenamiento con nosotros? Comienza con él que sabe
Fast Lane – Conectándote a la nueva era[/vc_column_text][/vc_column][/vc_row]
[vc_row][vc_column][vc_column_text]Preferencia, lealtad, satisfacción son adjetivos que todas las empresas del mundo sin importar el producto, servicio o solución persiguen en sus clientes, todas las empresas desean a toda costa ser las favoritas a la hora de calificación de un cliente.
Solo que para lograr ser las elegidas no basta con tener un excelente producto o servicio, es necesario tener un ingrediente que pocas logran implementar y ejecutar casi a la perfección: La Experiencia. Este adjetivo es el más codiciado porque la experiencia que un cliente tiene con una marca es la que realmente consigue enlazar a los otros tres: una buena experiencia en el cliente logra preferencia, satisfacción y lealtad.
Ahora, La Experiencia del Cliente o Customer Experience (CX: sus siglas en inglés) ¿es una moda o una necesidad?.
Parece ser una moda pues en los últimos tiempos estas dos palabras y su concepto está siendo abordado en todo el mundo y haciendo que muchas compañías hablen de ella enfocando esfuerzos importantes para conseguir que sus clientes tengan una mejor experiencia con su marca más allá de un call center, de encuestas, de eventos, de obsequios, descuentos, o tratamientos especiales, esfuerzos que han llevado a crear áreas especializadas en la Experiencia soportadas por tecnología, procesos, gente que solo piensa en una solo sentimiento: Felicidad, que el cliente esté feliz.
Y es por ello que no puede ser una moda pasajera, CX es una necesidad, porque la felicidad es un sentimiento que debe ser permanente y casi un mandato en una compañía: tener a los clientes felices.
La Experiencia del Cliente es ahora más que antes muy importante tanto como las ganancias y la excelencia de los productos o servicios, porque ahora existe mucha más competencia y estamos en un mundo donde el modelo de consumo cambió y estar a la altura de un cliente cada vez más exigente, requiere modelos especializados y automatizados.[/vc_column_text][us_separator size=”small” show_line=”1″][vc_column_text]Escrito por: Verónica Vives – CX Marketing Manager Cisco LATAM[/vc_column_text][/vc_column][/vc_row]
[vc_row][vc_column][vc_column_text]Ahora que sabes qué es el Machine Learning, entendamos un poco más sobre el rol que juega este profesional.
Dentro de las carreras de datos, Machine Learning Engineer fue el último que surgió, ocupándose de la parte de monitoreo y poniendo los modelos en producción, estructurando y facilitando el deploit de Data Scientit.
Para hacerlo más fácil, comencemos analizando los pasos de un proyecto de Data Science para una mejor comprensión.
En este primer momento, se produce la cuestión empresarial y la comprensión, el cliente presenta los problemas y luego hay una comprensión real del dolor del cliente. Después de comprender las raíces de los problemas, llegamos a la fase de recopilación de datos, donde hay una gran cantidad de SQL, solicitudes y APIs distribuidas en un solo lugar. Una vez realizado este paso y la limpieza de datos, se entiende qué es un problema sistémico y cuál es un problema intrínseco del negocio.
Posteriormente se realiza la exploración de datos, donde se utilizan técnicas y estadísticas para comprender el fenómeno que se está modelando a través de los datos, en ese momento en que se genera inshtg, para comprender las variables y el modelo que será mejor aplicado. Pasando al paso de modelado es donde el algoritmo comienza a aprender y aplicar transformaciones y separaciones para preparar los datos.
A partir de esta fase se inicia el algoritmo de Machine Learning, donde se aplican los algoritmos para aprender el comportamiento o asignación deseada, luego se realiza la evaluación de este algoritmo, separando lo que es bueno, de lo que no y luego de este análisis de desempeño del modelo se irá para producción, donde se traslada a un entorno Cloud donde el dispositivo de Internet es capaz de consumir las previsiones que el modelo proporciona. La continuación de este proceso es el papel del Machine Learning Engineer. Obviamente, el desarrollo en sí no es tan simple como parece.[/vc_column_text][us_image image=”7384″][us_separator size=”small”][vc_column_text]
Responsabilidad del Machine Learning después del proceso
Todo comienza con la productización del flujo de datos, de donde sacas todas las tareas, desde la recopilación de datos hasta el modelo de producción, para convertirse en un producto que sea fácil de escalar, fácil de mantener y siempre mantenido de forma organizada para el trabajo de otros profesionales.
Después de volverse un producto, integraremos el modelo; ejemplo: frontend consume las predicciones de sus modelos, cada vez que el usuario ingresa y la página de inicio se está cargando, el frontend consume la predicción del modelo y habla sobre la propensión de los productos del cliente, por lo que no puede demorar en regresar sino ralentiza el sitio, para eso necesitamos integrar en otros sistemas respetando los requisitos. Finalmente, es necesario crear Técnicas de Monitoreo, donde se crean métricas para saber si el modelo es correcto o si los errores están aumentando; como es la distribucion de variables, etc.
Te explicamos el proceso
Data Scientits recolecta los datos, entrena el modelo y luego pasará a producción para ser aplicado, a partir de este punto comienza el rol del Machine Learning.
Recordando que los clientes pueden consumir el resultado a través del backend, sitio web, dispositivo móvil e IBA, para conectar a las personas que necesitan las predicciones con los modelos que las brindan, es necesario realizar una API (conexión entre los dos mundos de cliente y servicio, según se explica en nuestras redes sociales) los clientes comienzan a realizar solicitudes a la API, ésta interpretará la solicitud y si tiene permiso para acceder a estos datos.
Los datos de API son datos sin procesar, es decir, datos de RO, porque los datos no vienen con las transformaciones que usamos allí en Model Training. Por lo tanto, es necesario cambiar los datos de RO para la feature, así se realizará la predicción.
Podemos usar la siguiente idea como ejemplo: una persona tiene la aplicación y quiere ver la predicción de los ingresos de la tienda. Una de las features es la edad del usuario, cuánto tiempo está abierta la tienda… esta feature se almacena en el Feature Store, donde puede encontrar varias características que los Data Scientits crearon para poder modelar y entrenar los modelos de Machine Learning.
Dentro de la Feature Store, en este caso, encontraríamos en su interior varios datos, como la fecha en que la tienda comenzó a operar. Luego, la API va a Feature Story y recupera las features solicitadas por el modelo que fue entrenado para hacer esta predicción y regresa al modelo de Machine Learning con el conjunto de features, hace la predicción y regresa a la API, que devuelve la información a el cliente que hizo la predicción.
Este ejemplo sería un proceso simple, la diferencia es que tiene la función precalculada dentro de una tienda de funciones, que debe actualizarse cada vez. *Farture consumpotin, es el proceso de consumir la feature.
Para mantener la feature store actualizada, es necesaro consultar el Data Warehouse, donde se encuentran los datos modelados (realizados por el Data Engineer), para crear una feature y así almacenarla en la feature store, este proceso se llama Feature Creation.
Echa un vistazo a la ejemplicación mediante un modelo visual[/vc_column_text][us_image image=”7383″][vc_column_text]Esta imagen representa el papel completo del Machine Learning Engineer, centrado en la producción en lugar del desarrollo, lo que ayuda a los Data Scientes a poner los modelos en producción más rápido.
Machine Learning ayuda a crear las clases donde los Data Scients importan y reescriben los métodos para realizar el entrenamiento, después de que el modelo se entrena y se devuelve con todos los métodos utilizados y las características creadas se aplican en producción.
Esperamos que te haya resultado más fácil comprender cómo funciona el rol del Machine Learning Engineer. Si tienes alguna pregunta, comentario o sugerencia, estaremos encantados de ayudarte y responder. Es importante recordar que contamos con contenido rápido y muy útil en nuestras redes sociales, allí también ponemos casillas de preguntas para apoyarte lo más posible en este camino de conocimiento y aprendizaje.[/vc_column_text][us_separator size=”small” show_line=”1″][vc_column_text]Escrito por: Mayara Pimentel | Adaptación: Karina Ríos | Revisión: Raphael Silva[/vc_column_text][/vc_column][/vc_row]
[vc_row][vc_column][vc_column_text]¡Estamos muy orgullosos de anunciar que Fast Lane es ahora un partner AWS Advanced!
Este nuevo programa nos dotará de las herramientas y soporte necesarios para satisfacer las necesidades de sus clientes, que están en búsqueda constante de evolución y expansión.
El nuevo programa está respaldado por un modelo de dos niveles con AWS Select, Training Partners y AWS Advanced – Training Partners, que califican en función del conjunto de habilidades, rendimiento empresarial y calidad de la formación impartida.
Nos esforzamos siempre por brindar el mejor servicio a nuestros clientes y ser un socio AWS Advanced es el resultado de nuestro trabajo.[/vc_column_text][/vc_column][/vc_row]
[vc_row][vc_column][vc_column_text]Del 24 al 26 de agosto de 2021, se llevará a cabo el AWS Summit Online. Esta conferencia en línea gratuita está diseñada para ofrecerle información sobre servicios de AWS y para ayudarle a diseñar, implementar y operar infraestructura y aplicaciones. Un evento del que podrá sacar provecho con sesiones, que van desde el nivel Principiante (nivel 100) hasta el nivel Experto (nivel 400).
Si desea aprender a construir e innovar a escala utilizando AWS Cloud, este evento es para usted. Mejore sus habilidades y aprenda con demostraciones inspiradoras lo que AWS y sus soluciones para socios pueden hacer por su negocio.
Los usuarios de la nube ya sean nuevos o experimentados pueden aprender cómo la tecnología de la nube puede ayudar a transformar sus empresas con este evento gratuito. Obtenga respuesta a sus preguntas por parte de expertos de AWS y participe en actividades virtuales como la liga de AWS DeepRacer, entrenamientos y certificación, zona de desarrolladores y centro de Startups.
El AWS Summit Online comienza con el Día de la innovación el 24 de agosto, para los líderes que buscan ideas sobre cómo usar la tecnología para captar nuevas oportunidades comerciales, acelerar el crecimiento y “hacer posible lo imposible”.
Agenda – Innovation Day
12:00pm – 13:30pm CDT: Innovation Day Apertura y Presentación
13:30pm – 14:00pm CDT: Cultura de innovación en Amazon
14:00pm – 14:30pm CDT: Contruyendo la cultura de Día 1: Una guía para líderes
14:30pm – 15:00pm CDT: Cadena de suministro y logística de Amazon: Mejorando la experiencia del cliente
[/vc_column_text][us_separator size=”small”][us_btn label=”Registrese aquí” link=”url:https%3A%2F%2Faws.amazon.com%2Fpt%2Fevents%2Fsummits%2Fonline%2Famericas%2F%3Fsc_channel%3Dem%26sc_campaign%3DGLOBAL_FIELD_T1_AMER-aws-summit-online_20210824_7014z000001hD51%26sc_medium%3Dem_407880%26sc_content%3DREG_t1_field%26sc_geo%3Dnamer%26sc_country%3Dus%26sc_outcome%3Dreg%26trk%3Dem_pt_dg4_cta0%26mkt_tok%3DMTEyLVRaTS03NjYAAAF-ydCk8GZIVudzv6XoCs1nl5Y2o4S6nbPVZdwOV7ODEhUAM82ZQmaFrzHzPvglH9u0TtG-VHKApmHrtsXw_EuVb_X9xlii97VgE3ng0ZTGIHw3gAIBYeVa|target:_blank”][us_separator][vc_column_text]El evento AWS Summit Online es realizado y producido por AWS[/vc_column_text][/vc_column][/vc_row]
Hay miles de millones de dispositivos en casas, fábricas, pozos petroleros, hospitales, automóviles y miles de otros lugares. Con la proliferación de dispositivos, usted necesita cada vez más soluciones para conectarlos y recopilar, almacenar y analizar datos de dispositivos.
Amplios y sólidos
AWS posee servicios de IoT amplios y sólidos, desde las ubicaciones de borde hasta la nube. AWS IoT es el único proveedor en la nube que combina administración de datos y análisis ricos en servicios fáciles de usar diseñados para datos IoT ruidosos.
Seguridad de múltiples capas
AWS IoT ofrece servicios para todas las capas de seguridad, incluidos mecanismos de seguridad preventivos, como control de acceso y cifrado para datos de dispositivos y un servicio para monitorear y auditar configuraciones de manera continua.
Integración de IA superior
AWS está combinando la IA e IoT para hacer que los dispositivos sean más inteligentes. Puede crear modelos en la nube e implementarlos en dispositivos en los que funcionan el doble de rápido respecto a otros servicios en el mercado.
Comprobado a gran escala
AWS IoT está diseñado sobre una infraestructura de nube, segura y probada, y puede escalar a miles de millones de dispositivos y a billones de mensajes. AWS IoT se integra con otros servicios de AWS, por lo que usted puede crear soluciones completas.
[/vc_column_text][us_separator][us_btn label=”Enteráte más cliclando aquí” link=”url:https%3A%2F%2Faws.amazon.com%2Fes%2Fiot%2F%3Fnc2%3Dh_ql_prod_it|target:_blank”][us_separator size=”small” show_line=”1″][vc_column_text]Escrito por: Amazon Web Services[/vc_column_text][/vc_column][/vc_row]
[vc_row][vc_column][vc_column_text]Hallamos diferente tipo de material sobre implementación de datos y con la constante evolución del mercado, es importante hablar siempre de ello. Hoy decidimos compartir algunas preguntas relacionadas con Data Engineer o Ingeniería de Datos. Hablaremos un poco sobre en qué consiste y por qué es tan importante.
Tranquilo, que en este artículo trataremos de abordar solo información relevante. Al final le garantizo que conocerá cómo trabaja este perfil profesional, sus responsabilidades y herramientas. ¿Empezamos?
Para comenzar ¿Qué es un Data Engineer?
Es la persona que encuentra tendencias en el conjunto de datos y desarrolla algoritmos para convertir los datos sin procesar en información útil. El Ingeniero de Datos es el responsable de la plataforma de datos, organiza la fuente de datos estructurando, arquitecturando y modelando para que estén siempre disponibles para la Output Layer. Vamos por partes…
Un ejemplo. Imagine un tipo de negocio, ya sea un e-commerce, marketplace, software as a service o media company. Podemos decir que cada modelo de negocio tiene sus fuentes de datos (usaremos el primero como ejemplo).
En el e-commerce existen varios tipos de puntos de contacto (llamémoslo así al principio), estos puntos de contacto pueden ser tiendas virtuales, aplicaciones, campañas de marketing y la propia plataforma de e-commerce, que son básicamente el medio por el cual el cliente contacta a tu empresa. En una tienda virtual, usted puede navegar por las páginas del sitio web, colocar productos en el carrito, explorar promociones, así como en la aplicación que sería como una extensión de la tienda virtual. ¿Y qué tienen en común todos estos puntos de contacto? Datos, todos son fuentes de datos.
Las fuentes de datos serían entonces cada interacción que el cliente tiene con la empresa. ¿Qué campañas funcionan, dónde hacen clic los clientes y a qué páginas acceden más?, por ejemplo. La forma más fácil para nosotros de analizar todos estos datos y hacerlos útiles sería organizarlos y es ahí donde surge Data Lake, viniendo a ser entonces un lugar donde organizamos los datos para que sus usuarios finales conocidos como Output Layer, puedan usar esa información de forma rápida, fiable y sencilla.
Ahí es cuando encontramos la Arquitectura de Datos y el Modelado de Datos, porque después de todo, usted, futuro Ingeniero de Datos necesita saber cómo transportar todos los datos a la Data Lake. Además de simplemente transferir los datos, deberá organizarlos y modelarlos para posteriormente enviarlo a sus usuarios finales u Output Layer.
En esta gráfica puede observar mejor cómo funciona todo este proceso, mire que no vinculamos la Data Lake con la Output Layer precisamente porque entre ellos hay arquitectura y modelado de datos.
Para que podamos entender que las responsabilidades de un Data Engineer van más allá del simple almacenamiento de datos con fines analíticos (Data Lake), vea algunas otras responsabilidades de sus responsabilidades:
Diseñar estrategias de procesamiento
Establecer una política de Data Governance
Poner los datos a disposición de los Data Scientist y otros analistas
Crear la implementación de modelo de Machine Learning
¿Qué conocimientos necesito para convertirme en un Data Engineer?
Como puede ver en el tema anterior, algunos conocimientos en el área de Ciencias de la Computación, Ingeniería, Matemática Aplicada o alguna otra área relacionada con las TI son necesarios para un buen desempeño, después de todo este rol, requiere un gran conocimiento técnico.
Para convertirse en un profesional, necesitará experiencia en varios lenguajes de programación, incluidos Python y Java, además de conocimientos de diseño de bases de datos, SQL. Consulte algunas áreas más que necesitará conocer:
Transferencia y Aplicación De datos
Seguridad de Datos
Estadística y Data Science
¿Qué herramientas de Cloud usar?
Para poder almacenar y procesar grandes niveles de datos, se necesita una herramienta que lo ayude en este proceso, así tendrá más seguridad y confianza para procesar sus datos. Existen varias soluciones que pueden apoyarlo en este proceso, entre los cuales destacan:
Cada una de estas plataformas puede ayudarlo de maneras extraordinarias, todas poseen características excepcionales, que vale la pena investigar y conocer para profundizar.
¿Conocía las certificaciones de Data Engineer?
Apenas existen algunas certificaciones específicas de Ingeniería de datos, pero hay muchas otras en Data Science y Big Data que pueden acompañarlo en su aprendizaje. Aquí le compatimos un enlace para que conozca más sobre las certificaciones. En Fast Lane estaremos encantados y halagados de seguir de cerca su trayectoria.
¡Ey! ¿Aún tiene alguna pregunta sobre cómo ser un Data Engineer? Creo que no, pero fuera que sí, déjenos saberlo en los comentarios y gustosos ampliaremos la información. Si desea un contenido completo sobre Arquitectura de Datos y Modelado de Datos, también déjanoslo en los comentarios y le explicaremos todo.[/vc_column_text][us_separator size=”small” show_line=”1″][vc_column_text]Escrito por Mayara Pimentel – adaptado por Karina Ríos y con revisión final de Raphael Silva.[/vc_column_text][/vc_column][/vc_row]
