• Microsoft Fabric está diseñado principalmente para usuarios empresariales y organizaciones, por lo que requiere una cuenta profesional o educativa para acceder a todas sus funcionalidades. Sin embargo, hay una opción para personas que no tienen una cuenta estudiantil o corporativa, en este sentido, sugerimos a las personas que no cuentan con estas cuentas, se creen una cuenta de Microsoft 365 con el dominio onmicrosoft.com en este enlace: Haga click aquí

– Los usuarios deben tener la posibilidad de poder habilitar la versión de prueba de Microsoft Fabric (prueba de 60 días) o tener la posibilidad de adquirir una capacidad de MS Fabric en Azure (capacidad F2 con consumo aproximado de 20 dólares por todo el curso)

• Este curso está pensado para profesionales de datos con experiencia en la extracción, transformación y carga de datos.
• Los alumnos aprenderán a diseñar y desarrollar patrones de carga de datos eficaces, arquitecturas de datos y procesos de orquestación.
• Los alumnos también deben tener experiencia en la manipulación y transformación de datos con uno de los siguientes lenguajes de programación: Lenguaje de consulta estructurado (SQL), PySpark o Lenguaje de consulta Kusto (KQL).

Perfiles

• Analistas o científicos de datos
• Analistas de Datos
• Ingenieros de Datos
• Arquitectos de datos

1. Ingerir y transformar datos.
2. Supervisar una solución de análisis.
3. Proteger y administrar una solución de análisis.
4. Preparación para las certificaciones DP-600 (Fabric Analytics Engineer Associate) y DP-700 (Fabric Data Engineer Associate)
5. Preparación para examen Microsoft Applied Skills DP-601 (Implementing a Lakehouse with Fabric) y DP-602 (Implementing a Data Warehouse with Fabric)

• Sesión 1: Introducción al curso y a Microsoft Fabric

• Exploración del análisis de extremo a extremo
• Arquitectura de Microsoft Fabric y sus experiencias: Data Factory, Synapse, Power BI
• Conceptos clave: workspaces, capacidades, dominios y lakehouse
• Laboratorio

• Sesión 2: Introducción a los lagos de datos y Delta Lake

• Qué es un Data Lake y cómo lo usa Microsoft Fabric (OneLake)
• Diferencias entre Lakehouse y Warehouse
• Introducción a tablas Delta Lake
• Exploración del formato Delta vs Parquet
• Laboratorio

• Sesión 3: Uso de Apache Spark en Fabric

• Introducción a Notebooks en Fabric
• Ejecución de código PySpark
• Lectura y escritura en tablas Delta
• Visualización de datos en Notebooks
• Laboratorio

•  Sesión 4: Ingesta de datos con Dataflows Gen2

• Qué es un Dataflow Gen2 y cuándo usarlo
• Orígenes de datos compatibles
• Transformación sin código con Power Query Online
• Escritura en Lakehouse o Warehouse
• Laboratorio

• Sesión 5: Orquestación y movimiento de datos

• Introducción a Pipelines en Fabric
• Triggers, actividades y condiciones
• Reutilización de notebooks en pipelines
• Integración entre experiencias (DF -> Lakehouse ->BI)
• Laboratorio

• Sesión 6: Diseño de arquitectura de medallas en Lakehouse

• Arquitectura de medallas: Bronze, Silver, Gold
• Organización de carpetas y tablas
• Políticas de retención y calidad de datos
• Laboratorio

• Sesión 7: Introducción a la inteligencia en tiempo real

• Qué es Eventstream en Fabric
• Conceptos de Eventhub, ingestión continua y transformación en streaming
• Introducción a Eventhouse
• Laboratorio

• Sesión 8: Almacenamiento de datos: carga, supervisión y seguridad

• Introducción al Data Warehouse en Fabric
• Diferencias con Lakehouse
• Supervisión de cargas, métricas de rendimiento
• Protección y roles en Fabric
• Laboratorio

• Sesión 9: CI/CD, gobernanza y administración

• Implementación de CI/CD en Fabric (DevOps y Git)
• Políticas de acceso y cumplimiento
• Supervisión centralizada con Admin Portal y auditoría
• Laboratorio

• Sesión 10: Diseño de reportes y UX avanzada en Power BI

• Diseño visual: layouts, rejillas, navegación y principios de storytelling
• Temas JSON y branding (colores corporativos, tipografías, formato condicional)
• Bookmarks, botones, drillthrough y tooltips enriquecidos
• Parámetros de campo y segmentación dinámica
• Accesibilidad, performance visual y certificación de visuales
• Laboratorio: dashboard C-level con mejores prácticas de UX.

• Sesión 11: Modelos semánticos y Direct Lake en Power BI

• Buenas prácticas de modelado (star schema, relaciones, roles)
• Modos de conexión: Import vs DirectQuery vs Direct Lake Optimización de medidas DAX (variables, contextos, time intelligence)
• Agregaciones y estrategias de particionado
• Laboratorio: modelo semántico optimizado y reporte con Direct Lake.

• Sesión 12: Optimización de rendimiento y costos en Fabric

• Capacidades Fabric: configuración, monitoreo y asignación de workloads
• Optimización de Spark (particiones, caché, lectura/escritura eficiente)
• Rendimiento en Delta Lake (mantenimiento y compaction)
• Power BI Performance Analyzer y técnicas de reducción de consultas
• Laboratorio: tuning de pipelines, notebooks y visualizaciones

• Sesión 13: Seguridad y cumplimiento avanzados

• RBAC en workspaces y elementos; dominios y gobernanza
• RLS/OLS en modelos semánticos de Power BI
• Etiquetas de sensibilidad y políticas DLP; integración con Purview
• Auditoría y monitoreo desde el Admin Portal
• Laboratorio: aplicar RLS, etiquetas y auditoría de accesos.

• Sesión 14: Analítica en tiempo real avanzada con KQL

• Diseño de Eventstream avanzado (particiones, ventanas, funciones)
• Bases de datos KQL y consultas para análisis de series temporales
• Dashboards de baja latencia y patrones de alertamiento
• Integración con Power BI para monitoreo operativo
• Laboratorio: pipeline de streaming con consultas KQL y visualización

• Sesión 15: Proyecto final end-to-end, defensa y preparación de certificaciones

• Arquitectura integral: Lakehouse + Warehouse + RT Analytics + BI
• Entrega ejecutiva: storytelling con datos y cuadro de mando C-level
• Despliegue con Git/CI/CD, checklist de seguridad y costos
• Simulacro de examen (DP-700, DP-600, DP-601 y DP-602): 40–60 preguntas
• Revisión de respuestas, resolución comentada y retroalimentación
• Defensa del proyecto final