Bienvenida e introducción al curso

1

Iniciando con Big Data

2

Cloud Computing en proyectos de BigData

3

Introducción al manejo de datos en Cloud

4

Datos en Cloud

5

¿Qué nube debería utilizar en mi proyecto de Big Data?

Arquitecturas

6

Arquitecturas Lambda

7

Arquitectura Kappa

8

Arquitectura Batch

Extracción de información

9

Llevar tu información al cloud

10

Demo - Creando nuestro IDE en la nube con Python - Boto3

11

¿Cómo usar Boto3?

12

API Gateway

13

Storage Gateway

14

Kinesis Data Streams

15

Configuración de Kinesis Data Streams

16

Demo - Despegando Kinesis con Cloudformation

17

Kinesis Firehose

18

Demo - Configuración de Kinesis Firehose

19

Reto - Configurando Kinesis Firehose

20

AWS - MSK

21

Demo - Despliegue de un clúster con MSK

Transformación de Información

22

AWS - Glue

23

Demo - Instalando Apache Zeppelin

24

Creación del Developer Endpoint

25

Demo - Conectando nuestro developer Endpoint a nuestro Zeppelin Edpoint

26

Demo - Creando nuestro primer ETL - Crawling

27

Demo - Creando nuestro primer ETL - Ejecución

28

Demo - Creando nuestro primer ETL - Carga

29

AWS - EMR

30

Demo - Desplegando nuestro primer clúster con EMR

31

Demo - Conectándonos a Apache Zeppelin en EMR

32

Demo- Despliegue automático de EMR con cloudformation

33

AWS - Lambda

34

Ejemplos AWS- Lambda

35

Demo - Creando una lambda para BigData

Carga de Información

36

AWS - Athena

37

Demo - Consultando data con Athena

38

AWS - RedShift

39

Demo - Creando nuestro primer clúster de RedShift

40

AWS - Lake Formation

Consumo de información

41

AWS - ElasticSearch

42

Demo - Creando nuestro primer clúster de ElasticSearch

43

AWS - Kibana

44

AWS - QuickSight

45

Demo - Visualizando nuestra data con QuickSight

Seguridad, Orquestación y Automatización

46

Seguridad en los Datos

47

AWS Macie

48

Demo - Configurando AWS Macie

49

Apache Airflow

50

Demo - Creando nuestro primer clúster en Cloud Composer

51

Arquitectura de referencia

Clase pública

52

¿Qué es Big Data?

Aún no tienes acceso a esta clase

Crea una cuenta y continúa viendo este curso

Curso de Big Data en AWS

Curso de Big Data en AWS

Carlos Andrés Zambrano Barrera

Carlos Andrés Zambrano Barrera

AWS - QuickSight

44/52
Recursos
  • Es un servicio enfocado para Business Intelligence en cloud para análisis y visualización.
  • Cuenta con un cliente para dispositivos móviles.
  • Puede escalar hasta 10000 usuarios.
  • Incluye funcionalidades de machine learning para detectar anomalías y prevenir.
  • Se puede integrar con varios servicios dentro de AWS y servicios de terceros.

Aportes 10

Preguntas 4

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

AWS QuickSight es el servicio más dedicado a visualización dentro de AWS.
Es un servicio en Cloud de AWS enfocado en Business Intelligence para análisis y visualización de información.
Este servicio cuenta con un cliente para dispositivos móviles.
AWS QuickSight puede escalar hasta 10.000 usuarios, y su cobro es por demanda.

Características

  • Machine Learning: Por detrás, cuenta con un motor de Machine Learning llamado SPICE, que incluye funcionalidades como detección de anomalías, prevención, alertas, sugerencias de visualización, entre otras.
  • Visualización: Utilizando el API permite realizar el embebido de Dashboards en diferentes sistemas.
  • Integración: Permite integración con una gran variedad de servicios dentro de AWS y servicios de terceros.

Que seria lo mejor para traer información de microsoft sql server, hacer el ETL correspondiente y usar Quicksight para visualizar la información, es recomendable usar redshift y luego conectarlo a quicksight o se conectaria directo del output que tengamos de aws glue , que es lo recomendable para este caso? Saludos

Respecto a power bi report server hay alguna mejora o ventaja con este servicio que es a demanda?

Es un servicio enfocado para Business Intelligence en cloud para análisis y visualización.
Cuenta con un cliente para dispositivos móviles.
Puede escalar hasta 10000 usuarios.
Incluye funcionalidades de machine learning para detectar anomalías y prevenir.
Se puede integrar con varios servicios dentro de AWS y servicios de terceros.

QuickSight es el servicio mas importantede AWS para Business Intelligence

Amazon QuickSight is a fast business analytics service to build visualizations, perform ad hoc analysis, and quickly get business insights from your data. Amazon QuickSight seamlessly discovers AWS data sources, enables organizations to scale to hundreds of thousands of users, and delivers fast and responsive query performance by using a robust in-memory engine (SPICE).

SPICE
SPICE is Amazon QuickSight’s Super-fast, Parallel, In-memory Calculation Engine. SPICE is engineered to rapidly perform advanced calculations and serve data. The storage and processing capacity available in SPICE speeds up the analytical queries that you run against your imported data. By using SPICE, you save time because you don’t need to retrieve the data every time you change an analysis or update a visual.

The following options are available from the user profile menu:

Manage QuickSight – If you have appropriate permissions, you can access administrative functions such as managing users, subscriptions, SPICE capacity, and account settings.

Community – Choose this option to visit the Amazon QuickSight online community.

Send feedback – This is your direct connection to the product team. Use this simple form to report problems, request features, or tell us how you are using Amazon QuickSight.

What’s new – Find out what new features are available in Amazon QuickSight.

Language setting – Choose the language you want to use in the Amazon QuickSight user interface.

Help – This will open the official AWS documentation, which you can view online, in Kindle, or as a PDF.

Sign out – Choose this option to sign out of Amazon QuickSight and your AWS session.

Excelente !!!