Máster en Cloud Computing

10h.

El objetivo de este módulo es dotar a los alumnos de un conocimiento básico del cloud computing y saber expresar su propuesta de valor.

• Cultura de la innovación
• El arte de lo posible
• Fundamentos del cloud
• Seguridad en el cloud
• Economías de escala
• Finanzas y legalidad en el cloud

42h.

En este módulo los estudiantes exploran los servicios, aplicaciones y casos de uso de la computación en nube. Los alumnos profundizan en las en la nube y aprenden cómo la computación en la nube ayuda a los usuarios a desarrollar una infraestructura global para soportar casos de uso a escala, al tiempo que desarrollan e inventan tecnologías innovadoras a desarrollar e inventar tecnologías innovadoras.

• Describir qué es un proveedor de servicios en la nube (CSP) y el valor que aportan a la informática
• Describir los aspectos básicos de seguridad y conformidad de la plataforma de AWS y el modelo de seguridad compartida
• Definir los modelos de facturación, gestión de cuentas y precios
• Identificar fuentes de documentación o asistencia técnica, por ejemplo, libros blancos o tickets de soporte
• Describir las características básicas o fundamentales de la implementación y el funcionamiento en la nube de AWS
• Identificar situaciones en las que una empresa debería elegir la nube, y por qué
• Diferenciar entre infraestructura on-premise y en la nube
• Identificar cómo migrar recursos de la infraestructura on-premise a la infraestructura en la nube

42h.

En este módulo los estudiantes exploran los servicios, aplicaciones y casos de uso de la computación en nube. Los alumnos se sumergen en la nube y aprenden cómo la computación en la nube ayuda a los usuarios a desarrollar una infraestructura global para soportar casos de uso a escala, al tiempo que desarrollan e inventan tecnologías innovadoras a desarrollar e inventar tecnologías innovadoras.

• Describir qué es la nube de AWS y la infraestructura global básica
• Describir los principios arquitectónicos básicos de la nube de AWS
• Describir la propuesta de valor de la nube de AWS
• Describir los servicios clave de la plataforma de AWS y sus casos de uso comunes (por ejemplo, informática y análisis)
• Utilizar los servicios clave en las actividades de laboratorio para la práctica, incluyendo pero no limitado a lo siguientes:
  • Amazon Simple Storage Service (Amazon S3)
  • Amazon CloudFront
  • AWS Lambda
  • Amazon Elastic Compute Cloud (Amazon EC2)
  • Amazon Virtual Private Cloud (Amazon VPC)
  • Amazon Comprehend
  • AWS DeepRacer
  • AWS CloudFormation

35h.

Está dirigido a estudiantes que buscan una comprensión global de los conceptos de computación en nube independientemente de las funciones técnicas específicas. Proporciona una visión general detallada de los servicios principales de AWS, seguridad, arquitectura, precios y soporte.

• Definir la nube de AWS
• Explicar la filosofía de precios de AWS
• Identificar los componentes de la infraestructura global de AWS
• Describir las medidas de seguridad y conformidad de la nube de AWS, incluida AWS Identity y Gestión de acceso (IAM)
• Crear una nube privada virtual (VPC) utilizando Amazon Virtual Private Cloud (Amazon VPC)
• Demostrar cuándo utilizar Amazon Elastic Compute Cloud (Amazon EC2), AWS Lambda y AWS Elastic Beanstalk
• Diferenciar entre Amazon Simple Storage Service (Amazon S3), Amazon Elastic Block, Store (Amazon EBS), Amazon Elastic File System (Amazon EFS) y Amazon Simple Storage
• Service Glacier (Amazon S3 Glacier)
• Demostrar cuándo utilizar los servicios de base de datos de AWS, incluidos Amazon Relational Database
• Service (Amazon RDS), Amazon DynamoDB, Amazon Redshift y Amazon Aurora
• Explicar los principios arquitectónicos de la nube de AWS
• Explorar conceptos clave relacionados con Elastic Load Balancing, Amazon CloudWatch y Amazon EC2
• Auto Scaling

84h.

Cloud Architecting abarca los fundamentos de la creación de infraestructura de TI en AWS. Este módulo enseña a los estudiantes cómo optimizar el uso de la nube de AWS mediante la comprensión de los servicios de AWS y cómo encajan en las soluciones basadas en la nube.

• Tomar decisiones arquitectónicas basadas en los principios arquitectónicos y las prácticas recomendadas de AWS.
• Utilizar los servicios de AWS para que la infraestructura sea escalable, fiable y altamente disponible.
• Utilizar los servicios administrados de AWS para permitir una mayor flexibilidad y resistencia en una infraestructura
• Aumentar el desempeño y reducir el costo de una infraestructura en la nube construida en AWS
• Utilizar AWS Well-Architected Framework para mejorar las arquitecturas que utilizan soluciones de AWS

32h.

Toma de contacto con el mundo de finops y optimización de costes en AWS. FinOps es un marco de trabajo para la gestión de los costos operativos en la nube, combinando finanzas y operaciones.
FinOps es una práctica de gestión que persigue optimizar los costos del cloud computing mediante el uso de herramientas y mejores prácticas para ayudar a los equipos de TI, finanzas y negocio a transferir la responsabilidad financiera al modelo de gasto variable de la nube.

Esto incluye una metodología para alinear el enfoque de las organizaciones, un conjunto de mejores prácticas para usar en la nube, una comunidad global para compartir recursos y una serie de herramientas para ayudar a los profesionales de la nube a hacer frente a los problemas financieros.

• ¿Qué es FinOps? ¿Por qué FinOps?
• Principios Básicos del FinOps. El equipo Básico de FinOps
• Diferencias entre FinOps y Cost Optimizations.
• FinOps en el día a día. El Ciclo de vida FinOps. Informar, Optimizar y Operar.
• Preparación para la certificación “practitioner”
• Ahorro de Costes orientado a AWS:
  • Practice Cloud Financial Management
  • Expenditure and usage awareness
  • Tag Policies
  • Cost and Usage Governance
  • Cost and Usage Analysis
  • Cost Visualization (Cost Explorer)
  • Cost and Usage Governance - Controls
  • Automated CUR Updates and Ingestion
  • Cost and Usage Analysis - SQL
  • Cost Visualization - QuickSight
  • Workload Efficiency
  • Automated Athena CUR Query and Email Delivery
  • Cost Categories
  • Cost Estimation
  • Cost Journey
  • Goals and Targets
  • Analyzing Licensing Costs
  • Splitting the CUR and Sharing Access
  • Cost effective resources
  • Pricing Models - Part 1
  • Pricing Model Analysis
  • Pricing Models - Part 2
  • Rightsizing Recommendations
  • Rightsizing with Compute Optimizer
  • Cost Anomaly Detection
  • Amazon S3 Intelligent Tiering
  • Manage demand and supply of resources
  • EC2 Scheduling at Scale
  • Optimize over time
  • Herramientas: AWS CUDOS y KubeCost + Grafana
  • Feed back

80h.

El módulo de Cloud SRE está diseñado para preparar a los participantes para perseguir DevOps de nivel de entrada, soporte y operaciones en la nube. También les ayudará a prepararse para realizar el examen AWS SysOps Administrator - Associate. Este módulo hace hincapié en las prácticas recomendadas en la nube de AWS y en los patrones de diseño recomendados. Se mostrará a los estudiantes cómo crear implementaciones utomatizables y repetibles de redes y sistemas en AWS y cubre características y herramientas específicas de AWS relacionadas con la configuración, implementación y el despliegue.

• Comprender la infraestructura de AWS en relación con las operaciones del sistema, como la infraestructura global servicios principales y seguridad de cuentas
• Utilizar la interfaz de línea de comandos de AWS (CLI de AWS) y comprender las herramientas adicionales de administración y desarrollo adicionales
• Administrar, proteger y escalar instancias informáticas en AWS
• Administrar, proteger y escalar configuraciones
• Identificar los servicios de contenedores y los servicios de AWS que están disponibles para la informática sin servidor.
• Administrar, proteger y escalar bases de datos en AWS
• Crear redes privadas virtuales con Amazon Virtual Private Cloud (Amazon VPC)
• Configurar y administrar opciones de almacenamiento utilizando los servicios de almacenamiento ofrecidos con AWS
• Monitorice el estado de su infraestructura con servicios como Amazon CloudWatch, AWS
• CloudTrail y AWS Config
• Administrar el consumo de recursos en una cuenta de AWS utilizando etiquetas, Amazon CloudWatch y AWS Trusted Advisor
• Crear y configurar implementaciones automatizadas y repetibles con herramientas como Amazon Machine Images (AMIs) y AWS CloudFormation

80h.

El módulo presenta las habilidades y conocimientos necesarios para equilibrar las necesidades durante todo el ciclo de vida del desarrollo de software, desde la programación y la implementación hasta el mantenimiento y las actualizaciones.

• Recordar los servicios y modelos de computación en nube
• Describir el desarrollo en AWS
• Escribir código que interactúe con Amazon S3 utilizando AWS SDKs
• Explicar la función de AWS IAM
• Escribir código que interactúe con Amazon DynamoDB utilizando AWS SDKs
• Explicar el almacenamiento en caché con Amazon CloudFront y Amazon ElastiCache
• Configurar contenedores
• Desarrollar soluciones con SQS y SNS
• Escribir código que interactúe con Aws Lambda utilizando AWS SDKs
• Crear una API REST utilizando Amazon API Gateway
• Describir el uso de AWS Step Functions
• Explicar cómo crear aplicaciones seguras
• Identificar las prácticas recomendadas para implementar aplicaciones

80h.

Este módulo está diseñada para ayudar a los estudiantes a aprender y practicar con las tareas, herramientas y estrategias que se utilizan para recopilar, almacenar, preparar, analizar y visualizar datos para su uso en aplicaciones analíticas y de aprendizaje automático (ML). A lo largo del módulo, los estudiantes explorarán casos de uso de aplicaciones del mundo real, lo que les permitirá tomar decisiones informadas mientras construyen pipelines de datos para sus aplicaciones particulares.

• Resumir el papel y el valor de la ciencia de datos en una organización basada en datos.
• Reconocer cómo los elementos de los datos influyen en las decisiones sobre la infraestructura de una canalización de datos.
• Ilustrar una canalización de datos utilizando los servicios de AWS para satisfacer un caso de uso generalizado.
• Identificar los riesgos y los enfoques para proteger y controlar los datos en cada paso y cada transición de la canalización de datos.
• Identificar las consideraciones de escalado y las prácticas recomendadas para crear canalizaciones que manejen conjuntos de datos a gran escala.
• Diseñar y construir un proceso de recopilación de datos teniendo en cuenta restricciones como la escalabilidad, coste, tolerancia a fallos y latencia.
• Seleccionar una opción de almacenamiento de datos que se ajuste a los requisitos y las limitaciones de un caso de uso de análisis de datos determinado.
• Implementar los pasos para procesar formatos de datos estructurados, semiestructurados y no estructurados en una canalización de datos creada con AWS.
• Explicar el concepto de MapReduce y cómo se utiliza Amazon EMR en canalizaciones de big data.
• Diferenciar las características de una canalización de ML y sus pasos de procesamiento específicos.
• Analizar datos utilizando las herramientas de AWS adecuadas para un caso de uso determinado.
• Implementar una solución de visualización de datos que esté alineada con una audiencia y un tipo de datos.

48h.

Casos de uso reales de la industria donde el alumno pondrá en práctica todo los aprendido a lo largo del Máster

60h.

Aplica todos tus conocimientos adquiridos a lo largo del Máster en tu Proyecto Capstone. Realizarás un proyecto completo de la mano de NTTData enfrentándote a la problemática y circunstancias de sus propios clientes, y presentarás los resultados a un panel de expertos.

• Definición de idea con el tutor profesional de NTTData.
• Selección de los objetivos del trabajo.
• Planteamiento de metodología.
• Utilización de herramientas del mercado.
• Presentación ante tribunal de expertos.