Diplomatura en Data Engineer
Construí la infraestructura de datos que sostiene toda organización moderna. SQL, pipelines ETL/ELT, dbt, cloud y arquitectura de datos. Certificación IDSA + UTN.
Sobre esta Diplomatura
La Diplomatura en Data Engineer forma profesionales capaces de diseñar, construir y mantener la infraestructura que sostiene el análisis, el ML y la IA en una organización moderna. Pipelines, warehouses, orquestación y arquitecturas distribuidas.
El foco es la producción, no el notebook. El alumno aprende a mover datos a escala: modelado dimensional, ETL/ELT, orquestación con Airflow, procesamiento con Spark, transformación con dbt y despliegue sobre cloud. Cada curso tiene entregables que pasan o no pasan.
Es una de las trayectorias con mayor demanda y salarios más altos del mercado data. Todas las empresas que usan datos necesitan Data Engineers, y la oferta de profesionales formados sigue siendo escasa en LATAM.
Se apoya en el tutor RAG 24/7 y en entornos reales de nube. No requiere experiencia previa en ingeniería, pero sí rigor técnico.
Cuatro etapas hacia la ingeniería de datos
Cada etapa suma una capa: del acceso a los datos al modelado, la transformación, el despliegue y la arquitectura.
Nivelación matemática, Python y SQL. Las tres competencias mínimas para trabajar con datos en cualquier organización.
Modelado dimensional, ETL/ELT, orquestación con Airflow, procesamiento con Spark y transformación con dbt. El núcleo operativo del Data Engineer.
Despliegue en cloud, almacenamiento, cómputo, lakehouse, Data Mesh y diseño arquitectónico de plataformas de datos.
Un pipeline completo desde la fuente hasta el warehouse, con orquestación, transformación con dbt, tests de calidad y despliegue en cloud.
Qué vas a aprender, curso por curso
Cada curso se cursa y certifica de forma individual. Al aprobar los siete 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.
Cloud para ML y Datos
Fundamentos de cloud aplicados a datos y ML: cómputo, almacenamiento, redes, IAM, servicios gestionados y buenas prácticas de despliegue en AWS, GCP y Azure.
Arquitectura de Datos y Data Mesh
Diseño arquitectónico de plataformas de datos: Data Mesh, Data Fabric, lakehouse, gobernanza técnica, contratos de datos y seguridad.
Tres orientaciones en ingeniería de datos
La orientación se define por el trabajo final y el énfasis en cada componente del stack.
Data Engineer
Diseño y operación de pipelines ETL/ELT. El rol más demandado en empresas con datos a escala.
Data Platform Engineer
Construcción de la plataforma de datos: lakehouse, almacenamiento, cómputo y gobierno técnico.
Analytics Engineer
Puente entre datos y análisis. Modelado en dbt y construcción de la capa semántica.
Los perfiles son orientativos. El alumno construye su especialización con el trabajo final y los proyectos del Laboratorio de Datos.
Pipeline productivo end-to-end
Un proyecto integrador que cubre el ciclo completo: ingesta desde una fuente real, almacenamiento, transformación con dbt, orquestación con Airflow, tests de calidad y despliegue en cloud. Incluye documentación 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 | 190h totales |
| Certificación | IDSA + UTN por curso | IDSA + UTN por curso + diploma final |
| Trabajo final aplicado | — | ✓ Obligatorio |
| Publicación en Laboratorio | — | ✓ Elegible |
| Stack completo de ingeniería | Parcial | ✓ SQL + DE + dbt + Cloud + Arquitectura |
| Pipeline productivo en cloud | Parcial | ✓ Incluido en Etapa 3 |
Dudas sobre la Diplomatura
¿Necesito experiencia previa en ingeniería?
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 herramientas voy a usar?
PostgreSQL, DuckDB, Airflow, Spark, dbt Core, Iceberg, y servicios de cloud (AWS, GCP o Azure según el curso). Todo con notebooks y entornos accesibles desde el navegador.
¿Necesito instalar algo en mi computadora?
No. Los entornos de práctica se ejecutan en la nube o en contenedores accesibles desde el navegador. Solo necesitás conexión a internet.
¿Cuánto tiempo lleva completarla?
A 10 horas semanales: aproximadamente 19 semanas (5 meses). A 6 horas semanales: 7-8 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 7 cursos más el trabajo final, se emite el diploma de la diplomatura.
¿Qué diferencia hay con la Diplomatura en Analytics Engineer?
Data Engineer cubre el stack completo: ingesta, procesamiento, orquestación, cloud y arquitectura. Analytics Engineer se enfoca en la capa de transformación y modelado (dbt) sobre un warehouse ya existente. Si querés construir toda la plataforma, Data Engineer. Si querés especializarte en la capa semántica, Analytics Engineer.
¿Qué industrias demandan este perfil?
Bancos, fintech, retail, telecomunicaciones, salud, gobierno y cualquier organización con volúmenes de datos relevantes. También empresas de tecnología y consultoras de datos.
¿Qué puedo cursar después?
La Diplomatura en Data Architect (con acreditación directa de Cloud y Arquitectura) o la Diplomatura en ML Engineer (con acreditación de SQL, Python y DE).
Construí la infraestructura de los datos
190 horas con foco en pipelines, dbt, cloud y arquitectura. Trabajo final de pipeline productivo y doble certificación IDSA + UTN.