Databricks
Databricks Certified Data Engineer Associate
La certificación oficial de Databricks para ingenieros de datos.
Bootcamp en vivo · inicia 4 nov 2026 · en 4 días
Conviértete en Databricks Data Engineer
Del Lakehouse a producción: pipelines incrementales, calidad de datos, orquestación, CI/CD y gobierno con Unity Catalog. Terminas con un proyecto end-to-end y listo para la certificación oficial.
Precio regular US$ 300.00 · ahorras 23%
Descargar brochure (PDF)- +5,000 alumnos formados
- Ingenieros en ejercicio como instructores
- Tarjeta o PayPal · pago seguro
- Inicio
- 4 nov 2026 · en 4 días
- En vivo
- 36 horas
- Temario
- 12 módulos · 71 lecciones
- Nivel
- Desde cero
// Preparación para certificaciones
Listo para certificarte
El temario cubre lo que evalúan estos exámenes y el módulo 12 incluye un simulacro con estrategias para aprobar.
Microsoft · Examen DP-750
Microsoft Certified: Azure Databricks Data Engineer Associate
La nueva certificación de Microsoft para ingeniería de datos en Azure Databricks.
El examen oficial se rinde directamente con el proveedor y se paga aparte.
// Horario
Lunes y miércoles · en vivo
Del 4 de noviembre al 16 de diciembre · 36 horas en total
6:00 p.m.
México
7:00 p.m.
Perú · Colombia · Ecuador
8:00 p.m.
Bolivia
9:00 p.m.
Chile · Argentina · Paraguay
Miércoles 9 de diciembre sin clase (feriado nacional).
// Al terminar
Lo que vas a saber hacer
Diseñar un Lakehouse
Arquitectura medallion Bronze, Silver y Gold sobre Delta Lake, con ACID, time travel y optimización.
Ingestar de forma incremental
Auto Loader, Structured Streaming y CDC con SCD Tipo 1 y 2 desde archivos, bases de datos y SaaS.
Pipelines declarativos con calidad
Lakeflow Declarative Pipelines con expectations que avisan, descartan o detienen ante datos malos.
Orquestar y depurar
Jobs con dependencias, triggers por evento, reintentos, repair runs y lectura de la Spark UI.
Desplegar como software
Git, Databricks Asset Bundles y CI/CD con GitHub Actions en dev, staging y prod.
Gobernar y abrir el dato a la IA
Unity Catalog con permisos y linaje, Vector Search para RAG y Genie para consultar en lenguaje natural.
01Una sola plataforma. Ingesta, transformación, calidad, orquestación, gobierno e IA en el mismo lugar. Aprendes el flujo completo, no herramientas sueltas.
02Lo que piden los data teams. Databricks es la plataforma donde muchas empresas construyen hoy sus pipelines y sus casos de IA. Saber operarla en producción te diferencia.
03Puente hacia la IA. Los agentes y el RAG dependen de datos limpios y gobernados. El data engineer que domina eso es quien los hace posibles.
Inicia en 4 días
US$ 230.00US$ 300.00
Proyecto end-to-end
Construyes un pipeline real, de la ingesta a la IA
El último módulo une todo lo aprendido en una solución que puedes mostrar en entrevistas.
- 01
Auto Loader
Ingesta incremental
- 02
Bronze
Dato crudo
- 03
Silver
Limpio y validado
- 04
Gold
Listo para negocio
- 05
Jobs + CI/CD
Orquestado y desplegado
- 06
Unity Catalog
Gobernado
- 07
Genie
Consultado en lenguaje natural
// Stack que vas a dominar
Databricks
Apache Spark
Python
Delta Lake
Unity Catalog
Git
GitHub Actions
// Temario
12 módulos · 71 lecciones
01Databricks Lakehouse & Data Intelligence5 lecciones
- ›Qué es el Lakehouse y en qué se diferencia de un Data Warehouse y un Data Lake
- ›Arquitectura de la plataforma Databricks: control plane y compute plane
- ›Workspaces, clusters, SQL Warehouses y serverless compute
- ›Notebooks, Repos y entorno de trabajo
- ›Databricks Data Intelligence Platform y el rol de la IA en la plataforma
02Data Engineering con PySpark & Spark SQL6 lecciones
- ›Fundamentos de Apache Spark: DataFrames, transformaciones y acciones
- ›Lectura y escritura de datos en múltiples formatos (CSV, JSON, Parquet)
- ›Transformaciones esenciales: select, filter, joins y agregaciones
- ›Spark SQL: vistas temporales, CTEs y funciones de ventana
- ›Funciones de alto orden y manejo de datos anidados (arrays, structs)
- ›Buenas prácticas de rendimiento y particionamiento
03Delta Lake & Data Management6 lecciones
- ›Anatomía de una tabla Delta: Parquet + transaction log
- ›Transacciones ACID y control de concurrencia
- ›Operaciones DML: INSERT, UPDATE, DELETE y MERGE
- ›Time Travel, RESTORE y versionado de datos
- ›Schema enforcement y schema evolution
- ›Optimización: OPTIMIZE, Z-ORDER, Liquid Clustering y VACUUM
04Data Ingestion con Auto Loader & Streaming6 lecciones
- ›Conceptos de procesamiento batch vs. streaming
- ›Structured Streaming: triggers, checkpoints y output modes
- ›Auto Loader: ingesta incremental de archivos desde cloud storage
- ›Schema inference, evolution y rescued data column
- ›COPY INTO vs. Auto Loader: cuándo usar cada uno
- ›Arquitectura medallion: capas Bronze, Silver y Gold
05Lakeflow Connect & Change Data Capture5 lecciones
- ›Introducción a Lakeflow Connect y conectores administrados
- ›Ingesta desde bases de datos y aplicaciones SaaS
- ›Fundamentos de Change Data Capture (CDC)
- ›APPLY CHANGES INTO y manejo de SCD Tipo 1 y Tipo 2
- ›Manejo de datos tardíos y eventos fuera de orden
06Lakeflow Declarative Pipelines & Data Quality6 lecciones
- ›Paradigma declarativo: streaming tables y materialized views
- ›Construcción de pipelines con SQL y Python
- ›Expectations: reglas de calidad de datos (warn, drop, fail)
- ›Modos de ejecución, actualizaciones y full refresh
- ›Monitoreo del pipeline, event log y linaje
- ›Patrones de diseño para pipelines en producción
07Lakeflow Jobs, Orchestration & Troubleshooting6 lecciones
- ›Creación de Jobs, tasks y dependencias
- ›Parámetros, valores dinámicos y task values
- ›Triggers: programados, por eventos de archivo y continuos
- ›Lógica condicional, ciclos (For Each) y reintentos
- ›Repair runs, alertas y notificaciones
- ›Troubleshooting: Spark UI, logs y errores comunes
08Git, Databricks Bundles & CI/CD6 lecciones
- ›Integración con Git y flujos de trabajo con Repos
- ›Introducción a Databricks Asset Bundles (DABs)
- ›Estructura de un bundle: recursos, targets y variables
- ›Despliegue multi-ambiente (dev, staging, prod)
- ›Pipelines de CI/CD con GitHub Actions
- ›Pruebas automatizadas para código de datos
09Unity Catalog: Governance & Production Readiness7 lecciones
- ›Modelo de objetos: metastore, catálogos, esquemas y tablas
- ›Gestión de permisos, roles y principio de mínimo privilegio
- ›Managed vs. External tables y volúmenes
- ›Row filters, column masks y protección de datos sensibles
- ›Linaje de datos, auditoría y system tables
- ›Delta Sharing y compartición segura de datos
- ›Checklist de preparación para producción
10Data for AI: Preparando Datos para Agentes6 lecciones
- ›Por qué la calidad de los datos define el éxito de la IA
- ›Preparación de datos estructurados y no estructurados
- ›Feature engineering y Feature Stores
- ›Vector Search: embeddings e índices vectoriales
- ›Pipelines de datos para casos de uso RAG
- ›Gobierno y trazabilidad de datos para aplicaciones de IA
11Genie Agents: Conversa con tus Datos6 lecciones
- ›Qué es Genie y cómo funciona el análisis en lenguaje natural
- ›Creación de un Genie space y selección de tablas
- ›Instrucciones, ejemplos de SQL y metadatos que mejoran las respuestas
- ›Benchmarks y evaluación de la precisión de Genie
- ›Seguridad y permisos heredados de Unity Catalog
- ›Casos de uso de negocio y adopción en la organización
12Proyecto End-to-End & Preparación para Certificación6 lecciones
- ›Definición del caso de uso y arquitectura de la solución
- ›Ingesta incremental con Auto Loader y capas medallion
- ›Pipeline declarativo con calidad de datos y orquestación con Jobs
- ›Despliegue con Bundles y CI/CD
- ›Gobierno con Unity Catalog y consumo con Genie
- ›Guía de examen, simulacro y estrategias para aprobar la certificación
// Tus instructores
Aprendes con quienes lo hacen a diario
Daniel Alejandro Santos pareja
Ing de datos
Bachiller en Ingeniería de Sistemas con más de 5 años de experiencia como Data Engineer, combinando habilidades en automatización, análisis de datos e inteligencia artificial para ayudar a empresas a tomar decisiones más inteligentes y escalar con eficiencia.
LinkedIn
Kremlin Huaman
Senior Data Engineer - Minsur
Senior Data Engineer con más de 8 años de experiencia en ingeniería de datos, analítica e inteligencia artificial en sectores como minería y banca. Mi enfoque profesional está evolucionando hacia el liderazgo técnico, la arquitectura de datos y la dirección de iniciativas que conecten tecnología, negocio y estrategia.
LinkedInEs para ti si…
- Analistas de datos o BI que quieren dar el salto a ingeniería
- Desarrolladores que quieren especializarse en datos
- Data engineers que vienen de otras plataformas y migran a Databricks
- Quienes preparan la certificación Databricks Data Engineer
No es para ti si…
- Buscas solo teoría: aquí se construye en cada módulo
- Quieres un curso de ciencia de datos o de modelos de machine learning
// Inscripción
Databricks Data Engineering
Inicia el miércoles, 4 de noviembre de 2026 · 07:00 p. m. (hora de Lima)
Lunes y miércoles · del 4 de noviembre al 16 de diciembre
US$ 230.00US$ 300.00Ahorras 23%
- 36 horas de clases en vivo con los instructores
- 12 módulos prácticos, del Lakehouse a producción
- Proyecto end-to-end para tu portafolio
- Preparación para las certificaciones Databricks y Microsoft: guía y simulacro
- Certificado de participación Datahackers
Tarjeta o PayPal · pago 100% seguro
// Preguntas frecuentes
Antes de inscribirte
¿Necesito experiencia previa?
El bootcamp empieza desde los fundamentos de la plataforma. Te ayuda tener nociones de SQL y algo de Python, porque desde el módulo 2 trabajamos con PySpark y Spark SQL.
¿Incluye el examen de certificación?
Incluye la preparación para la Databricks Certified Data Engineer Associate y la Microsoft Certified: Azure Databricks Data Engineer Associate (examen DP-750): guía de examen, simulacro y estrategias para aprobar. El examen oficial se rinde directamente con el proveedor y se paga aparte.
¿Qué días y a qué hora son las clases?
Lunes y miércoles, a las 7:00 p.m. hora de Perú (6:00 p.m. México, 8:00 p.m. Bolivia, 9:00 p.m. Chile y Argentina), del 4 de noviembre al 16 de diciembre.
¿Las clases son en vivo?
Sí. Son sesiones en vivo con los instructores, donde puedes preguntar y resolver dudas mientras construyes.
¿Cómo puedo pagar?
Con tarjeta de crédito o débito. Desde Perú también puedes pagar con Yape; desde otros países, con PayPal. El pago es en línea y el acceso se activa al confirmarse.
¿Qué obtengo al terminar?
Un proyecto end-to-end para tu portafolio y el certificado de participación de Datahackers.
Inicia el miércoles, 4 de noviembre de 2026
Tu próximo rol empieza con un pipeline en producción
36 horas en vivo, 12 módulos y un proyecto real para mostrar en entrevistas.
Bootcamp
US$ 230.00