BÁSICO · 8 MÓDULOS · 64 LECCIONES

Fundamentos de data engineering

Da el salto de programar a pensar como data engineer: modela tus primeras tablas, valida los datos y construye un pipeline que puedes volver a correr sin duplicados.

Es para ti si
Ya programas en Python y quieres entrar a data engineering con bases sólidas, no solo nombres de herramientas.
Al terminar
Sabrás decidir entre batch y streaming según el negocio, distinguir ETL de ELT y hacer backfill sin romper nada.
Necesitas
Python intermedio y Python 3.11 o superior en tu laptop. Todo corre local, sin cuenta de nube.
  1. 01What Is Data Engineering8 LECCIONES
    1. Presentación de la guía: de archivos sueltos a un pipeline en el que puedes confiar
    2. ¿Qué es data engineering en 2026?
    3. El ciclo de vida del dato
    4. Stakeholders upstream y downstream
    5. Conoce a Kiosko: el caso
    6. Lee tu primer archivo de datos
    7. De filas crudas a objetos Python
    8. Mini-proyecto: explora el crudo de dos días de Kiosko
  2. 02Batch Vs Streaming And The Sla8 LECCIONES
    1. Presentación del módulo: la pregunta que va antes de cualquier herramienta
    2. Procesamiento por lotes: qué es y por qué existe
    3. Procesamiento en streaming: qué es y por qué existe
    4. La pregunta del SLA, antes que cualquier herramienta
    5. ¿Kiosko necesita batch o streaming?
    6. Extrayendo múltiples archivos con pathlib
    7. Parseando una semana completa de órdenes
    8. Mini-proyecto: el trabajo de extracción diaria de Kiosko
  3. 03Etl Elt And The Warehouse8 LECCIONES
    1. Presentación del módulo 3: qué cambió cuando guardar dejó de ser caro
    2. ETL vs ELT: qué cambió con el warehouse en la nube
    3. OLTP vs OLAP: dos trabajos distintos
    4. El mapa: el warehouse, el lake y el lakehouse
    5. Almacenamiento columnar y por qué Parquet es distinto
    6. Cargando datos crudos con SQLite: tu primer ELT
    7. Una primera mirada a DuckDB
    8. Mini-proyecto: la zona de aterrizaje de Kiosko
  4. 04Modeling Your First Tables8 LECCIONES
    1. Presentación del módulo 4: el primer modelo de datos de Kiosko
    2. Hechos y dimensiones: una primera mirada
    3. Diseñando la tabla fact_orders de Kiosko
    4. Diseñando las tablas de dimensión de Kiosko
    5. Uniendo hechos con dimensiones en Python
    6. Calculando columnas derivadas
    7. Escribiendo la función transform_fact_orders
    8. Mini-proyecto: la primera tabla de hechos de Kiosko
  5. 05Data Quality Gates8 LECCIONES
    1. Presentación del módulo: la compuerta antes de la carga
    2. Qué puede salir mal en un pipeline
    3. Verificación de esquema y campos requeridos
    4. Verificación de nulos y tipo
    5. Verificación de rango y reglas de negocio
    6. Cuarentena de filas rotas, no crash del pipeline
    7. Escribiendo un reporte de validación
    8. Mini-proyecto: la compuerta de calidad de Kiosko
  6. 06Idempotency And Backfill8 LECCIONES
    1. Presentación del módulo: por qué correr la pipeline dos veces no debería duplicar nada
    2. Por qué las pipelines deben ser seguras de re-correr
    3. El patrón overwrite-partition
    4. Haciendo idempotente el paso de carga de Kiosko
    5. Probando la idempotencia: correr dos veces
    6. Qué es un backfill
    7. Escribiendo una función de backfill
    8. Mini-proyecto: la corrida segura de Kiosko
  7. 07Partitioning And Orchestration8 LECCIONES
    1. Presentación del módulo: particionar y encadenar
    2. Por qué particionar por fecha
    3. Diseñando el layout de partición de Kiosko
    4. Encadenando los pasos del pipeline
    5. Registrando lo que hizo el pipeline
    6. Manejar el fallo de un paso sin perder la corrida
    7. Cuándo un script de Python deja de alcanzar
    8. Proyecto: el pipeline de Kiosko de punta a punta sobre la semana
  8. 08Project Kioskos Batch Pipeline8 LECCIONES
    1. Presentación del módulo: el capstone de Kiosko
    2. El brief: Kiosko necesita un reporte diario
    3. Construyendo la capa bronze
    4. Construyendo la capa silver
    5. Construyendo la capa gold con DuckDB
    6. Corriendo el pipeline completo sobre una semana
    7. Qué le falta todavía a Kiosko
    8. Mini-proyecto: el primer pipeline de producción de Kiosko
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab