Diplomatura en Analytics Engineer
El puente entre el análisis y la ingeniería de datos. SQL avanzado, dbt, modelado dimensional y buenas prácticas de software aplicadas al warehouse. Certificación IDSA + UTN.
Sobre esta Diplomatura
La Diplomatura en Analytics Engineer forma profesionales capaces de construir y mantener la capa de transformación y modelado del warehouse: el puente entre los datos crudos que produce la ingeniería y las tablas limpias que consumen los analistas.
El foco es el software aplicado a datos. El Analytics Engineer escribe SQL avanzado, versiona con Git, testea con dbt, documenta con linaje automático y despliega con CI/CD. Es el perfil que trae las buenas prácticas de ingeniería de software al mundo del análisis.
Es uno de los roles con mayor crecimiento relativo en el mercado data. Surgió en los últimos años como respuesta directa a la necesidad de profesionalizar la capa de transformación, y la oferta de profesionales formados todavía es escasa.
Se apoya en el tutor RAG 24/7 y en entornos reales de warehouse (PostgreSQL, DuckDB, BigQuery). No requiere experiencia previa, pero sí rigor técnico.
Cuatro etapas hacia el Analytics Engineering
Cada etapa suma una capa: del acceso a los datos al modelado, la ingeniería y las buenas prácticas de software aplicadas al warehouse.
Nivelación matemática, Python y SQL. Las tres competencias mínimas para trabajar con datos en cualquier organización.
Modelado dimensional (Kimball), ETL/ELT, orquestación y arquitecturas de warehouse. La base sobre la que se construye la capa semántica.
El corazón de la diplomatura: modelado con dbt, tests automáticos, documentación, linaje, CI/CD y colaboración con analistas.
Un proyecto completo de capa semántica: modelado, tests, documentación, linaje y despliegue sobre un warehouse real.
Qué vas a aprender, curso por curso
Cada curso se cursa y certifica de forma individual. Al aprobar los cinco más el trabajo final, se emite el diploma de la diplomatura.
Nivelación Matemática para Data Science
Derivadas, vectores, matrices, probabilidad y notación matemática aplicada a Machine Learning. Sin matemática abstracta: todo orientado a ciencia de datos, con Python y casos reales.
Python para Data Science
Del primer script al primer dashboard. Pandas, NumPy, Matplotlib y Dash. Los 4 verbos fundamentales de Pandas y la conexión con el análisis de negocio.
SQL para Data Science
El lenguaje universal de los datos. SELECT, JOINs, agregaciones, subconsultas y window functions. Análisis de cohortes, retención y funnels sobre datasets reales.
Data Engineering Fundamentals
Modelado dimensional, pipelines ETL/ELT, orquestación con Airflow, procesamiento con Spark y arquitecturas lakehouse. Los fundamentos de la ingeniería de datos moderna.
dbt y Analytics Engineering
El puente entre análisis e ingeniería: modelado con dbt, testing automático, documentación, linaje y CI/CD aplicado al data warehouse.
Tres orientaciones en Analytics Engineering
La orientación se define por el trabajo final y el énfasis en cada componente del stack.
Analytics Engineer
Diseño y mantenimiento de la capa semántica. El rol que conecta datos crudos con análisis de negocio.
Semantic Layer Engineer
Diseño de la capa semántica: definición de métricas, dimensiones y gobierno de definiciones.
Analista → Analytics Engineer
Perfil híbrido que viene del análisis y suma prácticas de ingeniería de software aplicadas al warehouse.
Los perfiles son orientativos. El alumno construye su especialización con el trabajo final y los proyectos del Laboratorio de Datos.
Proyecto dbt completo
Un proyecto integrador de capa semántica: modelado de fuentes, transformaciones con dbt, tests automáticos, documentación, linaje y despliegue sobre un warehouse real. Incluye presentación técnica y defensa ante comité.
- Duración: 17 horas distribuidas en 4-6 semanas
- Tutoría personalizada durante todo el desarrollo
- Defensa oral ante comité técnico
- Publicación en el Laboratorio de Datos del Instituto
Doble aval universitario
Certificación IDSA + UTN con resolución oficial y verificación digital de cada curso aprobado.
Qué incluye la certificación
- Diploma final con doble firma (Director IDSA + Decano UTN FRRQ)
- Certificado por cada curso completado en el camino
- Resolución oficial 920/2020 UTN Facultad Regional Reconquista
- Código QR de verificación digital
- Copia automática a la Facultad para registro oficial
- Acreditación progresiva: cada curso completado ya queda certificado
Los certificados se emiten al aprobar los quizzes y trabajos prácticos de cada curso.
¿Diplomatura o cursos sueltos?
| Aspecto | Curso suelto | Diplomatura completa |
|---|---|---|
| Duración por unidad | 15-30h por curso | 130h totales |
| Certificación | IDSA + UTN por curso | IDSA + UTN por curso + diploma final |
| Trabajo final aplicado | — | ✓ Obligatorio |
| Publicación en Laboratorio | — | ✓ Elegible |
| Stack completo de AE | Parcial | ✓ SQL + DE + dbt |
| Buenas prácticas de software | Parcial | ✓ Git + testing + CI/CD |
Dudas sobre la Diplomatura
¿Necesito experiencia previa en programación?
No. La trayectoria arranca desde la nivelación matemática y los fundamentos de Python y SQL. Solo se requiere matemática de secundaria y ganas de aprender.
¿Qué diferencia hay con un curso suelto de dbt?
Un curso suelto de dbt enseña la herramienta. Esta diplomatura construye el perfil completo: fundamentos de ingeniería, modelado dimensional, buenas prácticas de software y dbt como capa de transformación. El alumno sale sabiendo por qué hace lo que hace.
¿Qué herramientas voy a usar?
PostgreSQL y DuckDB como warehouses, dbt Core para transformación, Git para versionado, y GitHub Actions para CI/CD. Todo desde notebooks y entornos accesibles desde el navegador.
¿Cuánto tiempo lleva completarla?
A 10 horas semanales: aproximadamente 13 semanas (3 meses). A 6 horas semanales: 5 meses. El ritmo lo definís vos.
¿Cómo se cursan los cursos de la diplomatura?
Cada curso se cursa y se paga de forma individual. Podés comprarlos a medida que avanzás. Al aprobar los 5 cursos más el trabajo final, se emite el diploma de la diplomatura.
¿Qué diferencia hay con la Diplomatura en Data Engineer?
Analytics Engineer se enfoca en la capa de transformación y modelado semántico sobre un warehouse existente. Data Engineer cubre el stack completo: ingesta, procesamiento, orquestación, cloud y arquitectura. Si ya trabajás con datos y querés profesionalizar el modelado, Analytics Engineer. Si querés construir toda la plataforma, Data Engineer.
¿Este perfil existe en LATAM?
Sí, y está creciendo rápido. Empresas de tecnología, fintech, retail y consultoras están incorporando Analytics Engineers para profesionalizar su capa de datos. La oferta de profesionales formados todavía es escasa.
¿Qué puedo cursar después?
La Diplomatura en Data Engineer (con acreditación directa de DE y dbt) o la Diplomatura en Data Architect (con acreditación de DE).
Profesionalizá la capa de datos
130 horas con foco en SQL avanzado, dbt y buenas prácticas de software aplicadas al warehouse. Trabajo final de capa semántica completa y doble certificación IDSA + UTN.