Curso práctico completo sobre Microsoft Azure

[Música] hola a todos hola a todos buenos días entonces si se me escucha emilio y daros las gracias por estar en este curso que vamos a conducir y uno se va a ir incorporando gente ahora les vamos a dar unos instantes mientras se incorporan vamos a darles 34 minutos Un poco y pasamos a contarlo de lo que vamos a hablar hoy y que ya os anticipó que va a ser todo muy muy práctico y también os animo a que las encuestadas preguntillas bueno pues nada vamos vamos con ello agradeceros la existencia qué sé porque yo

comentando con alguna gente que quería asistir que el haberlo hecho por la mañana la verdad es que como les coincidía con trabajo y otros Temas y tal cual es la complicado entonces bueno como tenemos previsto realizar otros otros bolsos más adelante relacionados con temas de big data de business intelligence open source de cloud analytics de herramientas de la talk y telsur etcétera a lo mejor esos los ponemos por por la tarde porque sí que me comentaba bastante gente que les sería más factible acudir no entonces lo comento porque por la mente también o lo hagamos

Así entonces bueno pues como os comentaba decir no antes hacemos estos workshops a mí me gusta bastante divulgar un poco pues todo lo que está relacionado con el tema the lines in the lies de analytics porque muchos otros ya sabréis no es decir realmente al final estas tecnologías son bastante a priori compleja luego no lo son tanto pero no por no tener una visión general y bueno en el caso de microsoft pues Hace unos años microsoft digamos en el tema del business intelligence y base de datos con sql server las herramientas que tenía estaba un

poquito de capa caída de hecho bueno pues había muchísimas otras tecnologías que estaban por delante tanto a nivel de nube como a amazon google o en el tema de business intelligence con clic que tabla está y etcétera pero bueno desde hace dos años aproximadamente un poquito más Por así decirlo se han puesto las pilas y realmente han desarrollado una arquitectura muy potente y además es que cambia día a día o evoluciona no prácticamente estamos viendo como casi es semana a semana incluso a veces diarias sacan nuevas funcionalidades de forma bastante agresiva no han hecho una

una inversión muy potente y bueno pues voy a mostraros un poquito qué es lo que vamos a ver en el curso Por aquí pues aquí aquí lo estáis viendo un poquito las cosas que vamos a ver vamos a hablar de lo que es el ecosistema de microsoft azure que no para de evolucionar no sé bien de muchos de vosotros conoceréis a lo mejor lo que más conocido nuevos power vino que realmente está copando prácticamente todos los departamentos de muchas compañías pero hay un sistema muy potente de punto de Vista de los datos sobre todo todo

lo que cabe dentro de lo que sería hacerse en apps analytics que luego veremos un poquito pues todo lo que tiene también incluyendo pues todo lo que es el gobierno del dato con el suburbio de + the machine learning resúmenes in learning y funcionalidades que que cada vez son más grandes no vamos como las paperas bueno digamos que proporcionamos microsoft quiere cubrir todo el espectro No incluso los temas relacionados con automatización con rca con power out o mail etc y claro todo vinculado dentro de lo que es la arquitectura de microsoft que es un poquito

lo que siempre en llevar un poco a su ámbito no la buena noticia luego veremos es que a diferencia de hace unos años cuando apostadas una tecnología por así decirlo estaba todo muy vinculado solo trabajar con ellos nuevos por Dentro azure tu puedes trabajar con otro tipo de tecnologías snowflake con un montón de de tecnologías que son complementarias y bueno digamos que vamos ir viendo un poquito de estas cositas que vienen aquí no como ya digo lo vamos a hacer todo con bastantes ejemplos lo mejor que tenemos con las herramientas o sistemas mostrando los ejemplos

y diciendo todo lo que se puede hacer con ejemplos reales y luego También pues la presentación y la documentación del workshop pues lo compartiremos con vosotros con todo el control que quiera y bueno ya extraer tenemos abiertos a responderos a cualquier duda me pregunta si os digo que muchas de las cosas que vamos a contar son muy muy muy muy recientes en circunstancias que está sacando microsoft que ha renombrado nuevas funcionalidades que está añadiendo con lo cual esto es muy novedoso y aunque Parezca extraño a lo mejor lo que contamos hoy pues de aquí a

mes y medio un par de meses ha cambiado ya digo que están evolucionando mucho la arquitectura también otro word sobre the claw de análisis pero que sepáis que ya digo como digamos que que la nube de azure no es una nube cerrada nos permite trabajar con otras muchas tecnologías no con lo cual nos abre mucho las posibilidades a mí que particularmente vengo y me gusta Mucho todo el tema de de software libre por bueno veréis que queremos alguna puerta muy grande no microsoft dio un cambio y hace unos cuantos años y realmente apoya también bastante

el tema de él del software libre y permite utilizar muchas herramientas sobre todo todo aquello vinculado con temas the machine learning analítica en realidad etc bueno que más os quería contar un poco de oficialmente antes de comenzar con un Montón de recursos que tenéis que suelo ir publicando entran con algunos compañeros y amigos bueno pues tenemos un un portal que se llama todo veis mejor algunos conoceréis podéis puntocom y aquí vamos publicando pues muchos muchísimos tutoriales videotutoriales etcétera lo que os animo a consultarlo porque vienen ejemplos que pueden ser digamos pues paso a paso como

poder utilizarlo por ejemplo aquí Recientemente ponemos un ejemplo hemos publicado pues bueno pues como poder crear una aplicación real time con azul y payton en este caso vemos que el real también sal porque cada vez se solicita más en la práctica más que real está en muchas ocasiones es ni a realtime con con un un pequeño margen de tiempo para aplicar algunas reglas de negocio pero bueno tecnológicamente es factible no de Cuerpos que sepáis que aquí en el todo 20 muchos artículos y como veis vamos explicando detalladamente paso a paso qué componentes de la arquitectura

utilizar y cómo puedo pues ir creando todo el proceso para trabajar y crear una aplicación real está y además bueno pues con ejemplos reales que luego pues tenemos datos pues de sensores que podemos probar que nos permite desplegar y voy a utilizarlo este es un ejemplo de los muchos muchísimos componentes que ya Veréis que forman parte del ecosistema de azure y que hacen es complicado conocer no incluso es muy interesante saber qué se puede hacer y qué no se puede hacer otro punto que también vamos a comentar hoy vamos a entrar porque yo creo que

os puede ser de utilidad el tema de los precios porque bueno siempre que vamos a plataformas en la nube uno de los grandes problemas con el que nos Encontramos es calcular el coste es decir nos como antiguamente yo por ejemplo pues trabajé en en oracle durante bastantes años entonces cuerpos tenías tu lista de precio por cada uno de los componentes de la base de datos de aplicaciones herramientas analíticas u otros componentes y bueno pues tenías tu lista de precios en función de colores de licencia de usuario y aunque podía ser una lista muy muy larga

pero podías Llegar a saber el coste que tenía de la licencia anual por equis años ahora ha cambiado todo eso no decir ahora tienes que tenerlo en cuenta no tienes una calculadora para cada una de las herramientas y tienes que tener también en cuenta en función del uso que le quieres dar lo incluso cuanto si tienes levantada la aplicación usar los fines de semana o no por las noches etcétera no hay otra serie de parámetros que es muy importante a la hora de ver el uso Que le das no a la aplicación no pues un

ejemplo de ello es la posibilidad por ejemplo de utilizar power hoy y en vez de que que nos da mucha flexibilidad cuando tenemos cientos o miles de usuarios accediendo a vamos a implementar previamente creando en el cual si lo manejamos bien podemos ahorrarnos bastante dinero que si compramos fuera mejor muchas licencias para todos los usuarios un ejemplo con Otros que os iremos contando un poco cómo se gestiona la parte del precio que es algo que habitualmente se preguntan cómo cómo poder hacerlo y bueno simplemente digo que hoy tan poquito es el tapón es el objeto

de entrar en detalle aunque comentaremos bueno pues aquí aparte lo que vamos a comentar bueno pues tenéis aquí información como ahora no vamos a hablar de acción turbio pero que sepáis que también en el portal de todo beige tenemos no pues ya Manuales de en este caso de pino y con un manual qué en español para que lo podáis editar un poquito la información que viene de microsoft pero siempre le gusta añadir un poquito en nuestro punto de vista sobre el caso de uso comparando también con otras herramientas pre existentes en el mercado para tener

un contexto no acuerdos con tal en data catálogo o Otras herramientas de data governance que pueda hacerlo entonces bueno pues aquí pues son treinta y tantas páginas no son documentos más o menos detallados que podéis también utilizar siempre colgamos muchos muchos contenidos no porque siempre un poquito lo que vemos muchas veces es que en las decisiones son lusos sobre estas herramientas se hacen muy apriorístico que vamos a utilizar microsoft pero luego nos encontramos con con problemas de cómo Trabajar con ellas en el día a día y a mí particularmente me gusta mucho divulgar este tipo

de contenidos de aquí lo tenéis no porque los proyectos de analíticos o de datos en general a diferencia de otros proyectos tecnológicos de aplicaciones más cerradas digamos que que requiere de un conocimiento muy importante dentro de las organizaciones es decir no se puede delegar oculta en alguien externo Hacerlo entonces cuanto más conocimiento tengáis las organizaciones son los propios consultores implementadores pues es mucho mejor que compartirlas con el resto de la organización y quizá esté este producto en concreto azul turbio separada está gobernando es el gobierno del de alto es quizá el ejemplo de aplicación que

más conocimiento debería tenerse en la casa incluso no sólo en los ámbitos tecnológicos sino lo que es también el área de negocio y muchas Ocasiones hasta la dirección de cómo implica que realizarán no con lo cual el proceso imponente de compartir y tener este conocimiento la buena noticia es que son [Música] herramientas que ya no son tan tan complejas como como antes no podemos tener toda la información que formamos más accesible no es algo que sea un arcano cerrado muy complicado aprender el tipo Está etc y bueno básicamente por terminar esta parte un poquito de

introducción también comentaros que bueno iremos haciendo haremos una pausa sobre las once y pico lo continuaremos con diferentes ejemplos que vamos a hacer pero para que veáis no por ejemplo aquí tengo es una entrada que que es muy relevante no que ya comentaremos más en detalle en el workshop de cloud analytics pero bueno aquí podéis ver un poco algunas de lo que son aplicaciones Analíticas en la nube no bueno pues synapse analítica red civic query snowflake y pues una comparación y con detalle qué ocurre no podemos toda la información de cuáles son los diferentes sistemas

de almacenamiento cómo funciona pero la realidad es que hasta que uno no baja y realmente lo prueba con datos haciendo benchmark comparativa no pues no tiene un poco la seguridad de que puede nosotros o yo me acordé en algún por algún proyecto Trabajando con bit query pues tuvimos muy buena buena experiencia en cuanto al rendimiento que no iba muy bien bien es cierto que ha ido mejorando hoy pero bueno te encuentras con algunas cositas en el caso de offline es una herramienta muy potente pero aquí sí que precisamente tienes que echar un ojo a la

calculadora muy rápidamente para no morir de éxito sino ver que funciona muy bien pero luego también cuando tienes que pagar mensualmente se te vaya un Poquito del cálculo ya contaremos en otros seguros trucos para optimizar un poco esa esa gestión y bueno en principio era un poquito la instrucción que quería hacer que supierais que todo el documento los documentos las demos etcétera veces tener disponible pero que sepáis que ya en el propio portal de todo bay como ha visto tenemos un montón de documentos material para compartir ya digo que un poquito también a los que

Nos gusta esto pues hay una parte de divulgación muy importante primero que nos gusta pero segundo y es que este tipo de iniciativas y uso de este tipo de tecnologías no se pueden hacer sólo con el conocimiento en uno de los lados digamos de del tecnólogo o de la persona que lo implementa etcétera no es decir toda la organización y todos los que intervienen en este tipo de proyectos iniciativas tienen que tener ciertos conocimientos Así que nada pues voy a cederle un poco los trastos a mi compañero raúl que si quieres un poquito ya digo

partiendo ya con con un poco el índice la documentación que tenemos e ir mostrando al principio vamos a dar un overview un poco teórico no mucho un poquito por encima para ti vale porque contra él pero ya digo que vamos a ir entrando en materia y con ejemplos prácticos Rápidamente lo que tenemos tenemos de todos ellos para para mostrar así que raúl 13 22 32 muchas gracias a todos y bienvenidos vamos a poner el esfuerzo de nación y bueno lo que conocéis más o menos en el bonito por qué parece que ella bueno aunque conocéis

un poco lo que es el temario vale simplemente por repasar la estructura en tres bloques uno primero de introducción donde hablaremos Un poco de lo que es la nube la economía de escala que nos oye hablar cada vez más de ello veremos luego que se hace cómo funcionan los pilares de la computación en la nube iremos pasando poco a poco y haremos no ver vio un poco del portal lo que ofrece ha sido para un poco a modo de introducción para que lo conozcáis y luego entraremos ya pues un poco la parte de dentro de

los servicios que se ofrecen por parte de así pues un poco Los servicios que están vinculados el mundo los datos un poco lo comentaba anteriormente e mailing haremos una pequeña pausa y luego vamos a hablar de lo que si nos analytics bueno pues al final es en la lengua de los datos veremos un poco lo que la arquitectura técnica en arquitectura funcional veremos ejemplos de lo que son los lines synapse y veremos algún ejemplo de ingesta de datos en tiempo real y luego Entraremos bueno vamos a comentar dos puntos bastante de bastante peso hoy y

más que nada porque parece ser que no se se tiende a plantear estrategias en las cuales pues se trate de implementar lo que es el gobierno el dato y lo que es más y también vale entonces bueno veremos un poco cómo interactúan estos dos partes con con synapse y luego en último lugar hablaremos de lo que es power plazo aunque no forma parte de así vale sí que tiene cierta vinculación por Pertenecer a lo que es el estado tecnológico de microsoft y bueno y porque es cierto que los sistemas analíticos muchas veces bueno pues no

solamente es power y hay para protección de datos sino que incluso el conocer o saber sobre la asistencia de programs y por auto mail no pueden ser de utilidad a efecto por ejemplo de suplir ciertas fuentes de datos que se tienen las organizaciones como son ficheros Externos por aplicaciones donde se puedan implementar pues reglas para lo que la introducción del dato etcétera etcétera bien pues yendo a lo que es el primer bloque de introducción y en cuanto a lo que eres la la computación a la nube pues básicamente la entrega de servicios a través de

internet existen varios proveedores pero bueno bien es cierto que todos escuchamos vamos hablar de tres Proveedores principales como son los que aparecen aquí que son microsoft con nación vale amazon con wc y luego por la parte de google como work cloud en cuanto a la computación en la nube bueno pues se ofrecen una gran variedad de servicios principalmente los que aparecen aquí vale lo que son los servidores almacenamiento redes virtuales y luego pues una amplia variedad de servicios relacionados con el análisis de datos principalmente Y qué características se ofrecen bueno pues las características que se

ofrecen son principalmente además de forma intrínseca estas que figuran aquí que es bueno pues la alta disponibilidad la posibilidad de hacer escalado y la la elasticidad la agilidad y la tolerancia a fallos bar y luego lo que es recuperación ante problemas que puedan surgir bueno pues por la redundancia que podemos aplicar en diferentes servicios Raúl por chip una cosita pero ahora que creo que antes de una vida comenta que podéis ir aún si os surgen dudas y tal que podéis ir comentando cualquier momento si es una cuestión así rápida pues la respondemos y si no

pues al final de cada bloque por más en detalle pues la comentamos de ellos espero que que esto es un poquito la gracia y que te preguntéis y por existir yo no sé escribir esa preguntas o cualquier cosa de la mejora posible os contestamos las Que no sabemos pues no lo apuntamos y luego os contestamos por venir de otra forma en el portal etc y siguiendo con lo que estamos comentando de la nube bueno pues si hay diferentes tipos de nube está por un lado lo que la nube pública donde bueno pues prima lo que

es una alta disponibilidad a la agilidad se paga por lo que se utiliza vale y no requiere hacer apenas mantenimiento vale algo de mantenimiento que hacer pero pero muy Muy básico no se requieren grandes conocimientos los técnicos avanzados y bueno es verdad que como punto negativo quizás bueno pues puede no cumplir con ciertos requisitos de seguridad muy específico que puede tener una organización de un montón y lógicamente bueno pues no se tiene el control de del hardware en cuanto a lo que es la nube privada aquí bueno pues lógicamente se tiene pelo conocimiento y control

de lo que es El hardware se controlan aspectos de seguridad porque lógicamente está todo en nuestra infraestructura requiere de un coste de hardware instalaciones y suministros como aspecto negativo también las capacidades calado pues son menores lógicamente y bueno pues eso nos obligan en ocasiones a hacer un aprovisionamiento de hardware que adicional que ya tenemos vale y luego Pues requiere de personal con conocimiento pues en lo que es administración los sistemas que podamos tener en nuestra infraestructura de infraestructura y bien es cierto que bueno y bueno la nube híbrida un poco viene a suplir las carencias

de una y de otra no entonces bueno es más flexible porque lógicamente da cobertura a los puntos negativos que podamos tener algo que publica en la nube privada permite ejecutar aplicaciones legacy en lo que La parte privada permite cumplir con requisitos de seguridad que sean más específicos como bien comentábamos antes y bueno lógicamente pues el mundo en que pueda ser pues más cara y que sea más complicada de manejar porque obviamente tenemos parte en la una parte en la nube pública y parte de lo que es la nube privada y lógicamente pues va a requerir

personal especializado en ambas cosas la pública y la nube privada Muy asociado lo que es el concepto a la nube y también está el concepto o la denominación de lo que es la economía de escala y un poco lo que es el concepto de la economía de escala básicamente lo que aparece ahí no es la capacidad de reducir costes y ganar eficiencia o dicho de otra forma y dicho con un ejemplo nosotros o una empresa pequeña de forma individual cuando adquiere el hardware lógicamente ese coste no va a ser el mismo que si lo adquieren

pues Proveedores como los que hemos citado hasta ahora microsoft amazon y google en los cuales pues van a comprar van a adquirir hardware pues en gran volumen y por tanto los costes de adquisición van a ser menores y lo van a poder propagar lógicamente a sus clientes no son beneficiosos clientes y todo esto porque bueno porque las empresas migran a una nube pues según así hay diferentes motivos aquí aparecen unos cuantos pero por Ejemplo el primero de ellos reducir la superficie del centro de datos lógicamente bueno pues habrá empresas que tengan un centro de datos

más pequeñito y habrá empresas que tengan un centro de datos pues de un dimensionamiento mayor donde se requiera una superficie en metros cuadrados pues y quizás de unos cuantos metros cuadrados donde va a alojar los servidores y donde además va a tener que proveer a ese espacio pues de sistemas De refrigeración que lógicamente pues van a llevar asociado su coste de electricidad etcétera etcétera y luego por otro lado otro de los motivos por los cuales emigran es por la productividad el personal no lo vea pero vamos a focalizar el personal de ti que está nuevamente

pues realizando tareas de mantenimiento y revisión vale de todo lo que la infraestructura entonces el hecho de pasar a la nube da lugar a que bueno Pues se centre más en tareas de optimización y lógicamente pues también sea partícipe de aquellas iniciativas que puedan llevarse a cabo en la organización bueno por citar un par de motivos más por ejemplo la escalabilidad lo comentamos antes para la nube privada es una de es uno de los puntos negativos y en este aspecto en la nube la verdad que en un momento dado es una organización pues tiene que

hacer un escalado Los proveedores de servicios a la nube ofrece garantía sobre ello y puedes hacer un escalado en función de las necesidades que se tengan y aquí bueno pues bien se puede hacer escalado porque se necesite mayor capacidad de procesamiento o mayor capacidad de almacenamiento o ancho de banda vale esto ya va un poco en función de la necesidad luego por otro lado comentábamos antes no la disponibilidad Entonces bueno hay empresas que ofrecen servicios a sus clientes que son servicios críticos donde hay que asegurar la disponibilidad de lo que son los servicios que ofrecen

etcétera bien pues los servidores no sanos los proveedores de servicios a la nube vienen a ofrecer y bueno pues un servicio de disponibilidad con un porcentaje bastante alto de acuerdo estamos hablando del 98 al 99 por ciento prácticamente entonces bueno pues es Bastante interesante y bueno aquí me he querido hacer mención no porque cada vez se habla más de lo que es el concepto de la nube y bueno pues el medio como en linkedin en foros en blogs etcétera no incluso bueno pues hasta en medios de prensa no entonces bueno como noticias así últimas que

he podido ir recopilando pues todos hemos oído hablar seguramente de lo que es unas plataformas analíticas de datos modernas entonces bueno en este Caso bueno pues parece que la nube propicia más la implementación de este tipo de plataformas y luego bueno pues esta fue la última que pude ver y por ejemplo pues parece ser que los institutos en el mundo educativo se está apostando por formar a los alumnos en computación en la nube vale porque bueno estaban considerando están viendo que es uno de los perfiles más demandados tener conocimientos en la nube y luego por

otro lado en este vídeo En este medio de registrar se indica que el 75% en la base de datos estarán hospedadas en la nube bueno hace unos años parece que había más reticencia a utilizar lo que son bases de datos que das la nube pero bueno parece que hoy en día hay cada vez más las empresas están dando cuenta que bueno pues se ofrece una capacidad que no se puede tener en un infraestructura primaria y luego vinculado un poco a lo que sonó En el mercado cloud estas hay varias noticias por ahí en la red

pero bueno si destacar lo que los principales proveedores de servicios en la nube como son microsoft google y amazon tienen copado lo que es el 63% del mercado y bueno esperemos que que cada vez haya más proveedores y lógicamente sea más competitivo los servicios que se ofrecen aquí bueno pues he querido también porque es interesante el poder Recoger y una comparativa de lo que se posee posicionamiento de los diferentes proveedores en cuanto a la infraestructura cloud y plataformas de servicios como puntos destacables bueno pues a ver aquí en lo que es el centro temporal en

la parte de la izquierda aparece de agosto 2016 en medio agosto de 2020 y en la parte de la derecha y julio de 2021 como puntos destacable pues el número de proveedores que aparecen por ejemplo en este cuadrante Vale y que dejan de aparecer pues posteriormente y se orden cuenta bueno como líderes están amazon web services y luego microsoft google llegó después pero bueno parece que ha entrado ya en lo que son como comentamos antes pro noticia que a la que hacía referencia como proveedor líder luego otro punto destacable es que por ejemplo ahora que

no aparece aquí en este en esta foto de agosto 2016 sí que aparece en agosto 2020 marey se mantiene en julio 2021 y luego también alibaba maneja alibaba cloud que aparece aquí en el cuadrante de agosto 2020 vale y sigue parece que una senda o parece que va encaminado a consolidarse como un líder junto con los tres principales proveedores de servicios en la nube y viéndolo en perspectiva y sobre bueno pues los pilares vamos a decir de lo que es la analítica A nivel de integración de datos y bueno tenemos aquí un cuadrante a nivel

de analítica a otro ya nivel del otro los momentos temporales bueno pues el primero es de julio 2000 2021 pero aquí como punto relevante bueno pues aparece en informática nos aparece por ejemplo oracle talent aparece microsoft pero no aparecen ni google ni amazon en el apartado analytics bueno pues aquí aparecen nuestras principales que Comentábamos anteriormente y algunos más de gran demanda como por ejemplo pues data brics pero dato pone cloudera aparece por aquí abajo y snowflake que aparece y también luego en la parte de y bueno pues todos seguramente que conozcamos no hayamos oído hablar

de las tres principales herramientas que las herramientas que Más se conocen que son por la parte de microsoft power by luego tableau y click bueno pueden ser tableau fue la primera herramienta en aparecer como en filosofía de data y escober y luego apareció por vía y clic bueno y bueno pues en el género lo que es click sense vale como herramienta de tipo de discovery para seguir la senda de power by y tabla en cuanto a lo que es a ser bueno pues al final es el conjunto de servicios de Computación en la nube por

parte de microsoft y parece que lleva un poco tiempo hablando de ello pero bueno viendo así un poquito las fechas que aparecen aquí ya han pasado unos cuantos años en octubre de 2008 parece que bueno todo surgió con un proyecto denominado project red 2 luego en febrero 2010 parece que el nombre ya cogió la forma de lo que se conoce pues actualmente windows así y luego en marzo 2014 pues ya vale se pasó a Denominarse como se conoce la actualidad vale microsoft máximo bien aquí lo que estamos viendo es un mapa de los diferentes servicios

que ofrece y ha sido como veis bueno pues aparece unos cuantos no aparecen todos seguramente este mapa no está no está actualizado vale si recogen los principales pero bueno por comentar algunos de ellos aquí vemos están agrupados en función de la finalidad de cada uno de los servicios En la parte de seguridad y gestión bueno pues se tienen un servicio como secret is center el portal de aseguró que después veremos todo lo que concierne a lo que es gestión de usuarios y grupos de nuestro dominio con este director y todo lo que concierne en la

parte de autenticación en el multi factoring la posibilidad de automatizar ciertas tareas con una seguridad omisión y luego por ejemplo con kibble bueno pues en almacenes de claves que nos Permiten mantener secretos certificados etcétera y que nos permiten bueno pues luego hacer lo que se despliegue y la integración entre los diferentes servicios de asur marketplace que es bueno pues en el medio a partir del cual nos proporciona pues todos los diferentes servicios que se ofrecen unasur y luego aquí un poco más abajo pues aparecen para lo que es la computación de Servidores la posibilidad de

generar máquinas virtuales con con sistemas operativos windows o linux contenedores luego en este grupo pues aparecen servicios que nos permiten ofrecer recursos para entregar contenidos rápidamente para software de juegos actualizaciones aplicaciones móviles etcétera por aquí bueno pues en este grupo aparecen algunos servicios relativos a La integración mediante lo que es la gestión de apis de apis y aplicaciones donde podemos definir cierta lógica que pueden ser de utilidad algunos servicios de computación a la nube como por ejemplo pones máquinas virtuales en escala de plata luego algunos servicios relativos al desarrollo de aplicaciones como pueden ser las

aplicaciones web y El desarrollo de aplicaciones mobile lapis luego por ejemplo también pues cabe la posibilidad de definir funciones por ejemplo en en un lenguaje como python que podemos invocar desde los pipelines donde se procesarán los datos etcétera algunos servicios de desarrollo como visual studio visual count y luego bueno pues si tenemos adoptado lo que son framework de desarrollo vaya dentro de la organización y se apuesta por asur Pues podemos utilizar así the box para poder bueno puedes utilizar canvas por ejemplo scrum para poder desde para hacer el desarrollo e implementación de los proyectos en

cuanto a lo que es más vinculado a la parte de los datos bueno pues tenemos diferentes servicios para lo que es el almacenamiento como base para data veis las cuentas de almacenamiento de de asur donde tenemos table esteros Sin opción el ities es donde con el segundo bloque que vamos a ver en la sesión de hoy y luego a nivel de inteligente bueno pues los servicios cognitivos de servicios cognitivos de asur donde bueno cómo podemos crear modelos para el procesamiento del lenguaje natural reconocimiento de voz analizar imágenes etcétera en la parte justo debajo pues aparecen

recogidos algunos servicios de analytics Y de yute como por ejemplo hd inside o por ejemplo machine learning que le podremos escribir analytics que comentaremos pues además con un ejemplo para ver cómo podemos hacer ingesta de datos en tiempo real en nuestra cuenta almacenamiento y también poder visualizar los datos en tiempo real mediante power bien vale algunos servicios de analytics también pues como la seguridad está factor y para definir pues pipelines Dónde vamos a hacer ingesta de datos de diferentes fuentes de datos y podemos pues aplicar transformaciones sobre ellos y luego bueno pues power vía y

en vez de que bueno pues es es útil pues cuando queremos ofrecer informes de power by en modalidad de software as a service integrados con nuestros propios desarrollos de acuerdo para ofrecer a nuestros clientes etcétera y aquí en la parte bueno Inferior aparecen algunos servicios relacionados con la parte de almacenamiento de lo que es el servicio para todo lo que es relativo a la red y crear redes virtuales vpn y algunos servicios para lo que son nubes híbridas como las que mencionamos anteriormente cómo funciona ha sido bueno pues a ver cuando creamos un recurso siempre

una de las cosas que debemos establecer aparte de nombrar el recurso Y la suscripción sobre la que queremos crear el recurso es la región vale y así está organizado en regiones aquí aparece en el mapa de las de las distintas regiones que hay disponibles además es un mapa que que se va actualizando y destacar que bueno aparecen o que son marcadas con el punto azul aquellas regiones que están disponibles a día de hoy y luego aquellas regiones que bueno pues se están en vías de de Disponibles y luego algunas regiones que permiten bueno pues tener

zonas de disponibilidad tendremos un poco que es eso aspectos importantes vinculados a las regiones no todos los recursos están disponibles en todas las regiones si la gran mayoría pero algunos no luego el coste puede variar de una región a otra por lo tanto es un aspecto que debemos tener en cuenta a la hora de crear un un recurso y luego la latencia Para que pueda ver a la hora de crear un recurso en un sitio bueno bien luego también comentar que algunos recursos permiten establecer redundancia entre regiones eso es útil bueno pues para organizaciones que

tienen presencia en diferentes partes del mundo se ha asociado a lo que son las regiones bueno pues comentar que están compuestas física y lógicamente por bueno pues localizaciones no Aquí lo que aparece bueno pues son distintas zonas a 13 y por cada zona hay uno o más data center vale entonces esto bueno pues asegura que nos permite replicar y sincronizar los datos entre los diferentes centros de datos y entre las diferentes sobre disponibilidad bueno al final un poco pues nos asegura el tener cierta o sea la disponibilidad necesaria ante pues Años que pudiera haber etcétera

o por ejemplo también vinculado a lo que son labores de mantenimiento que puede realizar el propio proveedor vale de forma transparente hacia nosotros en cuanto a los pilares de la computación en la nube bueno pues hay tres pilares principales el primero de ellos es el que tiene que ver con la infraestructura como servicio y bueno pues que está orientado a implementar el sistema de seguridad Ayuda a facilitar el trabajo en remoto además esto bueno pues es interesante y se ha visto que también está vinculado a lo que la transformación digital y que se ha acelerado

un poco por la situación que hemos vivido una situación pandémica y bueno pues también nos permite mantener la infraestructura de una forma más actualizada más modernizado se pueden por ejemplo en este caso modo ejemplo se pueden tener máquinas Virtuales con sistemas operativos windows o linux en el caso de plataformas como servicio que es justamente al pilar del medio bueno pues esto no es más que el facilitar herramientas para el desarrollo y la implementación y por tanto favorece la administración del ciclo de vida de las aplicaciones como ejemplos pues podemos considerar en el caso de así

asegura datafactory y así Veremos qué bueno nos ofrece nos proporciona lo que es si no se estudió como medio como herramienta donde vamos a poder gestionar e implementar los país lines etcétera etcétera y luego el tercer y último pilar es el de software como un servicio que bueno básicamente lo que hace es proporcionar nos dejamos disponibles ciertas aplicaciones a nivel empresa empresarial para su utilización Y que ecológicamente pues no requieren desarrollo algunos ejemplos que son comúnmente utilizados en las empresas por ejemplo fish 365 por guardias etcétera vinculado lo que es la computación en la nube

bueno pues en este diagrama aparecen cuatro columnas a diferencia de la diapositiva que veíamos anteriormente en la parte de la izquierda y separado por Esta línea aparecen bueno pues todo lo que concierne una arquitectura compré +9 privada luego a partir de esta línea divisoria pues tenemos lo que es la infraestructura como servicio de plataforma con servicio y software como servicio ya aparecen en color verde y azul pues aquello que nosotros gestionamos o aquello que gestiona lo que es el servidor el producto Pero aquí vemos diferentes bueno pues vamos a decir capacidad de almacenamiento de red

computación máquinas virtuales de los operativos aplicaciones datos y accesos lógicamente si estamos pensando lo que es una privada bueno pues todo lo gestionamos nosotros si vamos a lo que es en la nube bueno pues lo que funciona la infraestructura como servicio Parte la gestiona el proveedor cloud como es el almacenamiento todo lo que concierne a la red ya la computación y somos nosotros que vamos a utilizar lo que nos proporciona el proveedor en la nube para implementar o disponer de las máquinas virtuales en las diferentes máquinas virtuales de los estamos operativos las aplicaciones y nuestros

accesos y nuestros datos Lógicamente bueno pues aquí no nos tenemos que preocupar de lo que es el hardware así que nos tenemos que preocupar de mantener los sistemas operativos con sus actualizaciones y parches de seguridad al igual que con las aplicaciones cosa que no ocurre por ejemplo si nos vamos a lo que es el pilar del medio vale lo que es plataforma como servicio lógicamente aquí el proveedor o la nube nos ofrece o nos da con una mayor Gestión mientras que en este caso pues somos nosotros los que tenemos que gestionar nuestras aplicación en nuestros

desarrollos y también nuestros datos y accesos y como vemos el nivel es el último pilar software como servicio bueno pues prácticamente todo lo gestiona el propio de una nube a excepción de lo que son datos y acceso que eso es algo que tenemos que gestionar nosotros Bien y cuando una organización se plantea el paso a la nube lógicamente bueno pues lo primero que se para pensar y cómo pasó y qué coste va a acarrear esto no bueno pues hay un hay un concepto asociado a este este cálculo que es el coste total de la propiedad

que bueno pues permite determinar sobre un producto o sistema puntos como los que vemos aquí a continuación no los costes directos indirectos y también los beneficios Y para ello bueno podemos tener consideración ciertos puntos clave lo que la instalación configuración las garantías y licencias de computadores y programas esto es al final los servidores con su correspondiente sistema operativo las estaciones de trabajo con su sistema operativo la implantación y configuración de la tecnología en servidores y estaciones de trabajo y luego los dispositivos y software para establecer la comunicación Vale entre ellos mediante mediante redes otro de

los puntos clave es el gobierno de la tecnología porque bueno una vez que está adquirido lo que es el hardware las licencias y demás bueno pues tenemos que ser conscientes de que tenemos que establecer con determinada periodicidad las actualizaciones las migraciones de datos entre los diferentes sistemas que podamos tener y luego la integración con otros Sistemas de información que podemos disponer en organización además de estos puntos clave bueno pues es importante tener en cuenta el personal y la capacitación del mismo esto es bueno pues los usuarios la formación de los usuarios de los administradores el

tener dimensionado en función del tipo de organización un área de soporte técnico etcétera y a su vez pues también los costes a largo plazo es decir bueno pues es Cierto que todo esto una vez que se establece lo que es el hardware se pone en marcha se capacita a lo que son el personal no de la organización lógicamente pues también de los de ser conscientes de que en algún momento habrá que proceder a hacer el reemplazo o el mantenimiento de la tecnología y bueno pues habrá que considerar lo que son los costes de escalabilidad por

motivos varios que puedan propiciar lo que es el crecimiento de la organización Lo que la plantilla en el volumen de datos que podamos tener y bueno pues el que la empresa pase a formar parte de un grupo empresarial más grande y que también propicie pues el dimensionar en nuestra infraestructura de una manera distinta en resumen todo esto que he mencionado se traduce en lo que se denomina cab es que es el gasto de capital y el opex que son los gastos operativos vale hay más puntos vale pero bueno ha querido Recoger y hacer hincapié quizás

son los más relevantes y asociado esto que estamos comentando bueno pues ha sido poner a nuestra disposición que es una calculadora para lo que es el coste total de la propiedad que bueno se establece en estas tres fases que aparecen aquí definir las cargas de trabajo en segundo lugar ajustar un poco lo que son los supuestos y luego nos Proporciona lo que es un informe para poder nosotros ver por los diferentes capítulos el coste y la diferencia entre lo que supone el coste a nivel de tener nuestra infraestructura compre más o tenerlo en la nube

vamos a mostrarlo un momento para que lo veáis mediante esta página de aquí podemos iniciar la valoración y aquí como veis aparece lo que es el primer el primer punto es definir las cargas de trabajo aquí podemos bueno Pues añadir todo lo que concierne a nuestra infraestructura a nivel de servidores por ejemplo aquí tenemos servidor principal que bueno pues se trata de un entorno físico con un sistema operativo windows un licenciamiento estándar bueno formado por un servidor con un número determinado de procesador de procesadores por servidor núcleos por procesador y bueno un alumno y bueno

pues 16 guardado y aquí bueno pues un Poco lo que es la optimización en base al uso pues bien sea para cpu o memoria bueno aquí también tenemos por ejemplo recogido un servidor de aplicaciones con sus características etcétera y podríamos ir agregando los diferentes servidores que tuviéramos en nuestra organización a nivel de base de datos bueno pues podemos añadir tantas bases de datos como consideramos necesario aquí en este caso en este ejemplo estamos hablando de Que es un sqlserver pero podríamos hacer mención a cualquier otro tipo de otro tipo gestor de base de datos como

mysql postre en este caso estamos considerando que es una licencia de enterprise el entorno está formado por servidores físicos con sistema operativo windows etc y bueno pues aquí aparecen igualmente lo que son las características de ese servidor y en cuanto a destino bueno pues aquí Podemos establecer las diferentes algunas de las opciones que nos proporciona así para poder mover lo que es este servidor de se puede ser ver a la nube en este caso ya veremos después un poco los diferentes tipos estoy considerando una instancia a ministra de sql server y bueno estoy estableciendo un

poco pues ciertas características que son necesarias para esa instancia en en la nube ya nivel de almacenamiento pues Aquí se recogen pues un poco el tipo de almacenamiento que podemos tener tipo de disco diferentes capacidades un nivel de backup de un archivo velocidad de entrada salida y luego bueno pues algunas características o calificaciones en base a lo que es el ancho de banda que podemos tener si le damos al siguiente pasamos al segundo punto que es el punto donde ajustamos los supuestos y donde establecemos bueno pues por Ejemplo bueno también vamos a cambiar aquí lo

que es la unidad de medida su plan euro aquí lo que tratamos de establecer bueno pues ciertos aspectos como la cobertura de software assurance en el caso de sql server ciertos aspectos como por ejemplo el almacenamiento con redundancia geográfica comentaba antes cuando cuando hablamos de las regiones luego los Costes de electricidad y costes relativos al almacenamiento del personal de ti vale en cuanto a tarifa por hora de administrador de ti vale número de máquina aperturas que controlan o administra y luego en otros supuestos como los costes de hardware software etcétera vale entonces bueno todo esto

una vez que se establecen los diferentes parámetros podemos llegar hasta esta pantalla de aquí vale seguramente los parámetros que He marcado los los datos que se hayan disparado un poquito vale pero aquí podemos establecer el informe vale que nos da de salida podemos establecer lo que es el período de tiempo que vale la región en la cual bueno pues tendríamos alojado todo lo que nuestra infraestructura y bueno aquí podemos ver un poco pues mediante gráficas como vemos desglosado lo que es el cálculo en función de por qué si estamos hablando de centros de Datos redes

almacenamiento procesamiento de personal de ti ponemos bueno pues aquí como punto destacable la electricidad que figura aquí en lo que sería el entorno local no lo tenemos no aparece recogido en lo que es el coste total de una infraestructura avena sur vale y aquí en la parte de abajo pues un poco desglosado por las diferentes categorías dentro de lo que es calcular en hardware software electricidad base de datos Etcétera vale son informes que además lo podemos descargar compartir y guardar para tener a nuestra disposición bien volviendo con la presentación pues vamos a entrar un poquito

a ver lo que lo que concierne en el mundo del surf bien esto que estamos viendo aquí se corresponde con lo que es el portal galerías en la parte superior vemos los diferentes servicios que hemos abierto pues Recientemente en tipos de servicios y luego aquí en la parte central está volviendo por los diferentes servicios no se acuerdan recursos que hemos conozco hemos interactuado dentro de el portal y luego bueno pues aquí algunas opciones para navegar en las suscripciones grupos de recursos y herramientas y algunos enlaces de utilidad a parte de lo que es el portal

bueno Pues se puede generar el dashboard para poder configurar vale lo que es el acceso a los diferentes recursos como podemos ver aquí y luego también podemos incluso acoplar diferentes gráficas que nos permiten pues ver pues la capacidad de uso etcétera etcétera relacionado con esto no vamos a comentar también y es importante comentar que dentro de lo que es así se pueden tener diferentes suscripciones Nosotros vemos aquí tenemos dos suscripciones sobre cada uno de ellas bueno pues podemos ver y controlar lo que son los diferentes costes se cargan asociados pues a los diferentes recursos podemos

ver cómo se encarga un poco la que lo que es la evolución del coste de la suscripción etcétera vale incluso bueno pues podríamos acceder a un mayor Detalle para ver el desglose pues por el nombre del servicio por la ubicación por el grupo de recursos etcétera claro y pensando en que bueno pues la organización podemos tener un elevado número de recursos no hay un concepto que gira en torno y que forma parte de asur que son los grupos de recursos que nos permiten de alguna forma de agrupar los diferentes recursos que podemos tener Por ejemplo

en este grupo de recursos que tenemos aquí bueno pues tenemos dar de alta los diferentes recursos que vamos a ir viendo que en esta sesión algunos de ellos los hemos creado nosotros y otros se crean de forma intrínseca al crear determinado un curso por ejemplo aquí vemos que tenemos una cuenta de almacenamiento pues están aquí por ejemplo tenemos un recurso de tipo Machine learning que el cual en el momento de su creación crea de forma intrínseca pues estos otros recursos de aquí que estoy marcando ponemos alguno de aquí y luego bueno pues también aquí podemos

ver algunos recursos como por ejemplo el pool de ese puzzle dedicado que estaba vinculado a sinapsis que después comentaremos y vemos por ejemplo lo que es el recurso synapse un recurso de tipo iii o Teja un almacén de claves un recurso de pib y otra cuenta de almacenamiento todos los recursos que vemos aquí están creados en la misma ubicación para crear un recurso dentro de lo que se ha sido bueno pues tenemos diferentes opciones voy a mostrar lo que sería crear una un recurso a partir de lo que es el portal que siempre es más

gráfico entonces bueno para crear un recurso simplemente podemos hacerlo a través del grupo de Recursos le damos a crear y aquí por ejemplo vamos a crear kibble que se crea de forma rápida siempre que vamos a crear un recurso cuando aparece aquí un overview una descripción los diferentes planes aquí un poco información relacionada con el uso y luego bueno por revisiones que se hayan podido realizar le damos a crear y aquí bueno nos aparece la información Que debemos establecer para crear el recurso en primer lugar uno de los aspectos que debemos de establecer es la

suscripción a partir de la cual vamos a crear el recurso luego lo que es el grupo de recursos en el que vamos a hacer nada vamos a crear el recurso el nombre aquí la región que es uno de los aspectos que comentaba anteriormente y luego bueno pues aparecen otras Propiedades que pueden ser son relativos al recurso que estemos creando en un momento determinado podemos bueno todo es va a ser un asistente en este caso le podemos dar aquí a siguiente y entonces establecemos lo que son las políticas de acceso para acceder a lo que es

el recurso aquí establecemos lo que concierne a la conectividad de red para que el recurso sea accesible a todas las redes a Determinadas redes que establezcamos nosotros oem points privados etcétera luego cabe la posibilidad de establecer lo que son la etiquetas sobre los recursos a efectos de que luego podamos buscar los recursos a través del buscador que aparece en la parte superior y podemos bueno pues que agruparlos todos y por último bueno pues una vez que hemos establecido toda la configuración aquí lo que aparece bueno S se realizado lo que es un proceso de validación

y en el momento que esa variación se pasa le damos a crear y aquí como vemos nos aparece en la parte superior una parte de notificaciones pues un mensaje indicando que se está procediendo a hacer lo que se le pide el recurso tarda unos segundos ya está creado desde aquí podríamos ir a Lo que es el recurso y luego otra de las posibilidades es que podemos a partir del recurso creado añadir este este esta definición que tenemos aquí del recurso para lo que es nuestra librería de templates para posteriormente crear de nuevo el recurso con

una con esta configuración si es que lo borramos etcétera etcétera esto que acabo de comentar podemos que aquí a lo que es el recurso como vemos siempre bueno pues Aparece esta barra de menú a la parte de la izquierda y aquí aparece un poco lo que son las las opciones de el recurso y aquí vemos por ejemplo el bloque de actividad aquí establecemos lo que solo el control de acceso a lo que sea el recurso las etiquetas que hayamos podido definir los eventos y buena información relativa a la configuración que se llama por su poco

en lo que podemos definir dentro en este caso dentro de lo que es el almacén De claves que son claves secretos certificados las políticas de acceso etcétera y luego normalmente bueno siempre o casi siempre asociado a cada recurso aquí tenemos esta opción de por template vale que veíamos anteriormente para que en un momento dado como decía podamos añadir esta definición algo a lo que nuestra librería de templates esta librería está accesible a través de esta opción de aquí yo por Ejemplo en este caso pues tengo guardados estos dos elementos esta de aquí se corresponde con

lo que es una plantilla para crear un recurso de tipo secure reserva como podemos ver por podemos evitarlo y podemos ver bueno pues un poco lo que es la definición en este caso del temple donde tenemos pues algunos parámetros como por ejemplo el nombre del servidor el recurso en el que se va a crear etcétera En la localización etcétera y bueno asociado a esto pero lo interesante es que también podemos en un momento dado no pues rápidamente desplegar lo que es este recurso básicamente faltaría por establecer lo que es la suscripción en el grupo de

recursos el grupo de recursos la localización ya está establecido en la definición del propio template aquí podríamos porque está definido como parámetro en el Nombre del servidor y bueno aquí pues el mensaje de advertencia indicando lo que lógicamente purgar por crear el recurso se va aplicar lo que es un coste bien más cosas a comentar bueno es el marketplace veáis un poco los diferentes tipos de servicios que pueda haber lógicamente muchísimos pero bueno lo interesante de esto es que si en un momento dado Queremos curiosear y queremos tratar de crear un recurso pues siempre podemos

venir aquí en marketplace y a través de las diferentes categorías que aparecen podemos localizar ciertos recursos por ejemplo en caso de mary tics aquí aparecerían pues todos los recursos que tenemos a nuestra disposición para por ejemplo pues ha sido un h de insight howard ya y en vez de elastic search etcétera vale a nivel de base de datos bueno pues igualmente no aparecerían por Ejemplo pues sin opcional y tics mongodb etc y también interesante bueno pues saber que aquí podemos encontrar por ejemplo snowflake para poder desplegarlo en lo que es y así por ejemplo otra

de las bases de datos analíticas como vertical de burgos vale bien siguiendo con por la presentación bueno como comentaba hemos visto un poco así Comentar que además hay otra serie de herramientas por lo que la gestión sobre así como por ejemplo poner lo que debe ser power sun la navegación por sal lo que es la aplicación como por ejemplo la noche de acción cloud y también podemos gestionar y controlar los recursos a través de la ciudad bien si recordáis anteriormente mostramos lo que era un mapa de diferentes servicios y vemos que estos estaban agrupados un

poco por la Diferente finalidad que ofrecían y haciendo una extrapolación de esos servicios para aquí lo que estaba mostrando y recogiendo es bueno un ejemplo de arquitectura de servicios asociados a lo que son los datos más a nivel de ingesta pues tenemos para lo que son datos en streaming así uribe en jab para lo que son datos en modo batch y bueno pues se puede utilizar de datafactory mediante los pipelines Luego a nivel de almacenamiento se tiene a seguridad tal x tórax y a partir de la información que está soportada sobre la tarea gestora podríamos

explorar las verdes y national y tics de las diferentes capacidades que luego veremos para luego bueno para poder representar las o visualizar las de una forma más gráfica a través del power 10 a su vez bueno pues la información que está soportada en En data ley que es ingesta a través de estas fuentes de datos puede ser utilizada para preparar y entrenar modelos y mediante bueno pues a sus mochilas ning o mediante el señor data brics para luego ofrecer esos modelos mediante dejándolos disponibles mediante servicios sin tener que jugar net a service o por ejemplo

almacenar la información en cosmos de aves y así bueno que ésta pueda ser consumida a través de nuestras Aplicaciones bien en cuanto a vamos a pasar a ver algunos servicios tipos de recursos que forman parte de las vinculadas a los datos en el caso de azure sql bueno pues hay diferentes planes e uno de ellos es utilizar la máquina virtual de asur vamos a verlo otra vez de aquí Una de las opciones es utiliza la máquina virtual virtuales de de asia donde se puede entonces aquí bueno pues ya un poco en función de lo que

necesitamos podemos acceder a diferentes imágenes donde tenemos las diferentes versiones de ese puede ser ver pero de la versión 2010 en enterprise estándar etcétera a algunas más antiguos como 2017 también disponibles aquí lógicamente en este caso estamos Hablando de infraestructura como servicio interesante comentar que aquí existe la posibilidad de utilizar nuestra licencia que pudiéramos tener a nivel de organización y bueno pues está también orientado a bueno pues lo que son migraciones de lo que forma parte de nuestra arquitectura infraestructura empresa a lo que es la nube y luego por otro lado se tienen instancias administrador

de sql Aquí tenemos diferentes tipos de recursos como la instancia única o para lo que es esta nubes híbridas de acuerdo a las diferentes opciones en este caso bueno pues también está orientado esta opción para lo que son migraciones el paso de compras a la nube y luego por último lo que son bases de datos sql y aparecen las diferentes opciones donde bueno pues tenemos que tener un servidor De veis como punto de acceso y luego podemos crear lo que son bases de datos únicas que están pues orientadas a pues satisfacer un poco la necesidad

que podemos tener cuando somos capaces de predecir para decir el dimensionamiento que queremos tener vale no varía el transcurso del tiempo y sin embargo en la base de datos en modalidad de elastic pool pues estamos orientadas a bueno pues un uso más variable Bueno pues porque en determinados momentos necesitamos una mayor capacidad o una menor capacidad es un poco en las diferentes opciones que se ofrecen volviendo sobre la presentación aparte de la opción de asturias y huele bueno pues comentar que tenemos disponibles otros tipos de bases de datos también podríamos alojar una base hatomaya sql

pongo de pobre maría debe Como no debe y además en algunos casos con un mismo con un mismo enfoque mediante instancia administrada etcétera otro de los servicios que se ofrecen vinculados a lo que son data services en acción bueno pues cuando tenemos nuestro propio ecosistema basado en código abierto podemos utilizar que ha sido el caché insect en este caso bueno en el momento de crear el recurso pues en función de Una necesidad podemos utilizar diferentes tipos de clúster tenemos por ejemplo para lo que es el almacenamiento apache hadoop para el procesamiento para atrás para apache

caché veis kafka etcétera bueno esto es interesante para en el caso de que tengamos el ecosistema nuestra infraestructura compre más y queramos bueno pues pasar a la nube porque nos haya podido quedar algo a casa En el caso de bases de datos sql cuando tengamos necesidades podemos utilizar así ver como se debe qué bueno pues es una base de datos no sql administrada para el desarrollo de aplicaciones ventajas principales bueno pues que ofrece diferentes apis en función de la necesidad que podamos tener desde mongodb casandra greim link table etcétera importante también que nos garantiza una

Velocidad relativamente alta me parece es un recuerdo más de 10 milisegundos vale entonces bueno es un aspecto a tener en cuenta permite lógicamente pues el desarrollo de aplicaciones ha simplificado está preparado para situaciones críticas porque es una base de datos que bueno pues tiene asociado lo que es el aspecto de redundancia en la nube entre regiones y luego también es interesante saber que permite mantener la integración con Nación' synapse lo que vamos a ver aquí son diferentes arquitecturas modernas de datos aquí no vamos a comentar diferentes arquitecturas para ilustrar un poco cómo podríamos dar respuesta

a diferentes capacidades la que estamos viendo aquí bueno pues ofrece capacidad machine learning aquí en la parte superior izquierda vemos un poco lo que sería un fuentes de datos pueden ser de autor no estructurada como Fichero de blog fichero por ejemplo imágenes audios y vídeos etcétera y luego información estructurada que se corresponde con la la información que podamos tener en nuestras aplicaciones de negocio mediante la ingesta de almacén haríamos la información en nuestra seguridad está ley de generación 2 y esa información estaría disponible para luego poder analizarlo a través de Lo que en sí no

sean alix a partir de la información que puedo ver que está accesible o se puede analizar desde sin observar lee tics se puede visualizar a través de power by mediante informes que podemos construir y además podemos construir y entre los modelos de predicción mediante asur machine hablé de que luego podemos desplegar mediante cubo carnets y poder bueno pues proporciona la información y que ésta Sea accesible a través de aplicaciones que podamos tener en nuestra organización en este otro caso estamos ilustrando bueno pues una arquitectura moderna de datos orientada a lo que es el análisis en

tiempo real en este caso como se puede ver en la parte superior tenemos información estructurada y aquí en la parte inferior tenemos información no estructurada que se puede recoger de Sensores o dispositivos y ot y luego por ejemplo pues también información asociado a asociada a eventos etcétera mediante y benja en este caso haríamos lo que la ingesta de datos en el total al igual que debe suceder por este lado mediante bailes de analytics un efecto interesante como como podéis ver es que synapse forma parte de las arquitecturas modernas de datos entonces está cubrir nuestra está

cogiendo peso en este tipo De arquitecturas luego y la información que se soporta en emoción aquí podemos utilizarla para servirlo a través de sinop sional y tics y sobre ella e implementar modelos tabulares utilizando analysis services para luego poder montar los informes con pocos bien esta información podemos utilizarla también para crear modelos de predicción que Entrenaremos mediante lo que es apache spark y dejarla disponible en cosmos debe para nuestras aplicaciones en tiempo real como veis me lo pasaban diferentes recursos con diferentes finalidad en función de un poco lo que queramos realizar en este otro caso

estamos representando en una arquitectura basada orientada lo que se emociona miento datos empresariales Tenemos los mismos tipos de fuentes de datos que vimos anteriormente aquí como se puede observar pues tiene más peso todavía sin opcional y tic's porque bueno a través de los pai lines se haría lo que la ingesta lo que sea su verdad gestoras esta información estaría bueno pues disponible para implementar modelos de de predicción a través de apache spark para servirlos a través del synapse sql y analysis services Y bueno luego bueno pues la información que no que no se utilice para

predictivo pues se puede lógicamente analizar a través de lo que es synapse analytics de igual manera para dejarla accesible con los informes de pongo bien en este otro caso bueno pues la única variación respecto al de arquitectura anterior es que estamos almacenando información en base de datos sql un cosmos debe y dejándolo Disponible a través de aplicaciones sap para aplicaciones web visto esto pues claro todos estos recursos tienen un coste asociado etcétera entonces bueno pues así nos deja disponible lo que es la captura la calculadora de precios aquí es importante vale no tratar de encerrar

lógicamente lo que es el coste de los recursos de la infraestructura que queremos plantear vale pero bueno sí que es orientativa Como podemos ver aquí tenemos un poco los productos organizados pues en función de la disponibilidad si son orientados a procesos a redes almacenamientos etcétera y esto es estas arquitecturas que vimos anteriormente están accesibles aquí van en este en la página donde por ejemplo no podemos ir seleccionando la arquitectura que queremos un momento determinado y además bueno pues nos Permite a partir de la selección que hayamos hecho establecer lo que es el coste de la

misma como vemos aquí pues recoge las diferentes piezas que veíamos en arquitectura que vimos anteriormente vale aparecer sin opcional y tic's analysis services pongo ría y en vender y luego se los cuenta el almacenamiento obviamente nosotros podemos bueno pues no utilizar alguno de los servicios que aparecen aquí por ejemplo Analysis services y bueno pues podríamos no utilizarlo podríamos quitarlo de nuestro presupuesto un segundo y bueno ahora y luego podemos establecer lo que en la configuración de cada uno los servicios por ejemplo en el caso de asesinatos analytics una de las cosas que siempre está asociado

a todos los recursos en la región entonces vamos a cenar por ejemplo pues europe luego el nivel de Rendimiento en este caso y luego bueno pues aquí vamos viendo en la parte justo debajo vamos viendo pues en función de las diferentes capacidades y las diferentes opciones para poder configurar toda nuestra arquitectura interesante bueno pues hacer mención a lo que es el el rendimiento de lo que es el funcionamiento de el perdón del grupo de secuela dedicado que en este caso bueno Pues aparece la mínima pero lógicamente pues podríamos irnos algún dimensionamiento mayor que como veis

aquí bueno pues aparece lo que es el coste mensual una de las cosas que no he cambiado es para que nos aparezca lo que es la división que como veis pues va cambiando lo que sea costo mensual lógicamente aquí nos está poniendo como referencia temporal De partida lo que es un mes de utilización pero bueno todo esto podríamos ir ajustándolo en base a hora por ejemplo en lugar de 730 horas pues 200 horas que casi sería un 18 por 51 más o menos luego es verdad que puedes si vamos a un escenario temporal de tiempo

podríamos ajustar vale y podríamos establecer opciones de ahorro como lo que aparecen aquí por defecto no está conseguir considerando ninguna vemos que el pago por uso pero Por ejemplo podríamos establecer lo que es una nueva reserva de tal forma que no está aplicando pues un ahorro del 37% vale o de tres años de reserva que sería pues un 65 por ciento vale es una de las de las características que tiene en cuanto a configuración de costes y luego bueno pues se puede lo que es establecer lo que sea el almacenamiento un poco nos ceras si

queremos redundancia geográfica o no luego si vamos a utilizar pues el de Spark para lo que es el crear modelos de predicción o hacer cierto tratamiento de transformaciones sobre los datos en establecer pues el número de instancias que vamos a utilizar y el tamaño del clúster y luego por ejemplo pues también se puede establecer lo que son y aspectos relativos a lo que es el procesamiento para los pai lines bueno pues relativos a las ejecuciones de actividad movimientos de datos Ejecuciones de actividad o lo que sea integration round time vale el auto hospedado y el

que se utiliza para conectar a fuentes de datos son premios etcétera entonces como veis bueno pues es bastante configurable todas las opciones sabemos si somos conscientes de que es algo complejo vale pero bueno no se trata de tener un coste o no se trata de buscar un coste fijo establecido bien ya por terminar con esta parte A parte de las arquitecturas que vimos anteriormente bueno puedo comentar que existen otras arquitecturas que además microsoft deja disponibles y que se pueden bueno pues tener de referencia pues en función de la necesidad que se tenga como se puede

ver bueno pues como unas 561 están organizadas por categorías por ejemplo pues relativas a bases de datos o relativas a inteligencia artificial y the machine Learning o por ejemplo de análisis entonces por ejemplo podríamos podríamos acceder hasta de ésta de aquí y por cada una de ellas por él es un poco se ponen las posibilidades de los casos de uso lo que la arquitectura y muestra una explicación una descripción de los flujos de datos que forman parte de la arquitectura propuesta los componentes que formarían parte de esa arquitectura y bueno pues Información asociada de vinculada

a lo que es la arquitectura que justamente hayamos seleccionado entonces bueno la verdad que puede ser un referente en un momento dado si uno tiene dudas acerca de cómo plantear ciertas o las respuestas a ciertas necesidades que se pudieran tener y bueno con este con esta diapositiva de aquí cerraríamos lo que es el primer bloque bueno pues vamos a continuar con el Segundo bloque de la sesión de hoy con synapse analytics vamos a primera a ver un poco qué es synapse analytics su arquitectura y luego vamos a ver algunos ejemplos de uso bien por poner

en contexto un poco la situación asur antes de la aparición de señor ser bueno pues sigue teniendo los recursos unos tipos de servicios pero bueno ofrecía diferentes servicios para diferentes finalidad por Ejemplo se ofrecía data factory para los pipelines para el almacenamiento de los casares tórax y también ofrecía password otan huesos con sinapsis que ofrecimos menos en 2019 2020 por ahí lo que se hizo fue bueno pues integrar bajo un mismo entorno y nombre diferentes capacidades de integración o emoción a miento etc como vemos aquí en la parte de esta positiva la parte de la

izquierda que al Final lo que se persigue en que synapse sea el epicentro madre de cualquier plataforma analítica basada en azul y lógicamente que se integre con el ecosistema de aplicaciones que se tienen en la organización qué bueno haga uso de los datos que se comparten a través de los diferentes recursos la información se puede explotar por medio de power bien Y además se puede ofrecer capacidad predictiva con el uso de asur machine lab y como aparece aquí entonces en azul sin apps no es que reemplazaría datafactory etcétera sino que integra bajo un mismo entorno

diferentes capacidades como como he comentado en la parte de la derecha aparece lo que es si no se estudió o workspace que ahora pues bueno iremos viendo para ir conociendo lo en cuanto a la arquitectura técnica los Componentes que forman parte de ella solo que aparecen en pantalla de abajo hacia arriba vemos que la parte inferior aparece lo que es la seguridad está like storage que es donde se van a soportar los datos luego a nivel de integración se ofrecen diferentes servicios para lo que es la gestión la seguridad para la monitorización de el uso

de los diferentes diferentes capacidades que ofrece synapse Y luego trae consigo diferentes ron times para lo que es la parte analítica en el caso de sql se ofrece lo que es sql en modo dedicado y luego sin servidor ahora después veremos un poco las diferencias esta capacidad lo que sí no es sql bueno pues ofrece para transar que se cuele en escenarios de procesamiento bats streaming y también procesamiento interactivo y apache spark bueno pues lo Ofrece capacidad de procesamiento big data utilizando bien python escala punto net etcétera bueno como como acabo de comentar se ofrecen

diferentes lenguajes para interactuar con los containers disponibles en synapse sql python punto net java escala y todo se ofrece bajo una única experiencia que es analytics sin orse analytics estudio esta otra arquitectura es similar a la Anterior solo que bueno se incluye lo que es la data explorer que proporciona capacidad para consultas interactivas sobre datos de telemetría y datos de los principalmente de momento parece que está en modo preview entonces entendemos que la capacidad está en cierta manera la limitación entrando un poco a ver cada una de las partes de la arquitectura Mencionaba antes que

en cuanto a sql se ofrecen de dos modos de funcionamiento para dos tipos de pool el pool dedicado y el pool sin servidor ambos dos bueno como vemos ofrecer lo que es una arquitectura similar en el caso del pool dedicado se tienen control un nodo de control para lo que es la comunicación con por parte del usuario y las aplicaciones y se utiliza Lo que es un motor de procesamiento máximo paralelo de tal forma que distribuye entre los diferentes nodos de computación pues las diferentes consultas que se puedan plantar el almacenamiento está soportado en el

sur storage y comentar que por un recurso de synapse podemos crear varios pool de sql dedicados este aspecto no sucede o está esta Posibilidad no se tiene con lo que es el pool sin servidor esp sql creemos en la parte de la derecha por instancia de sinop se de forma intrínseca se tiene lo que es un pool sin servidor únicamente no se pueden crear más en este caso bueno el nodo de control lo que hace es distribuir la consulta entre los diferentes nodos de computación la diferencia entre uno y otro pues es que la computación

es administrada y asignada por microsoft Aquí nosotros no gestionamos no establecemos absolutamente nada en el caso del pool dedicado si nosotros establecemos de antemano el dimensionamiento de ese ese pool dedicado para ello se va a ver mejor un segundo que url procedemos a lo que es la calculadora de precios de la idea su sinopsis analytics Aquí en tabla de precios y nos vamos a almacenamiento de datos y aquí vienen un poco los diferentes niveles niveles de servicios para lo que son pool de sql dedicado bueno el mínimo es esta este nivel de servicio del cielo

y se basa en la unidad de medida es data warehouse unit bueno pues un poco varía entre uno y otro rey capacidad de computación de almacenamiento etcétera y como vemos aquí por cada uno de cada Uno de los niveles de servicio tiene un pago por uso asociado y que además como ya comentamos anteriormente en el caso de hacer una reserva a un año o tres años pues puede beneficiarse de un ahorro de un 37 por ciento o de un 65 por ciento silva juego más para abajo y vamos aquí al final de la lista vemos

este nivel de servicio de 30.000 ce que tiene pues un coste por ahora más elevado lógicamente vale bastante más elevado Volviendo sobre la presentación bien una de las el objetivo principal de ese puzzle del puzzle se cuele sin servidor es que permite es un servicio interactivo que permite crear consultas sql sobre ficheros que tengamos en el almacenamiento en el data lake y además para el funcionamiento de sinop se analytics se requiere el disponer de una cuenta almacenamiento la data light generación 2 entonces lo Que nos permite es lanzar consultas sobre ficheros csv porque para que

tengamos almacenados a nuestro data ley bueno manera bastante fácil como después veremos lo beneficio bueno pues que soportan cualquier herramienta o librería para lanzar consultas sql y permite una sincronización automática con tablas de tablas desde spark y como he comentado antes antes no requiere pues infraestructura ni reserva de Recursos previa simplemente se ha pagado por la ejecución de las consultas que se realizan y luego si recordáis cuando mostramos la arquitectura técnica bueno pues una de las de los rom times' es también el spark vale en este sentido pues podemos crear lo que son puzzles park

donde podemos a través de los parques y sql lanzar consultas interactivas o podemos implementar preparar y entrenar el Modelos de predicción mediante spark emery y luego también pues mediante gráfica quise abordar porque es computación de grados en este diagrama de aquí vemos lo que sería un flujo de datos donde se recogen todas las capacidades o fases por las cuales pasarían los datos dentro de arquitectura por un lado se tiene lo que es la ingesta de datos preparación transformación y enriquecimiento Para luego llegar a lo que es el servicio y posteriormente visualizar los datos mediante los

elementos gráficos o los informes que hayamos implementado en power dj a nivel de fuentes de datos y extrayendo nos un poco de lo que sería el tipo de la fuente de datos la ingesta se haría mediante los bailes designarse importante también destacar que lo que es el almacenamiento bueno pues reside en en mendata lakers trocha com La ingesta se hace mediante los bailes de snap set para luego poder preparar los datos mediante la combinación del pool se cuele sin servidor y los países no ser o bien utilizar el pool de spam a partir de la

información preparada bueno pues podríamos transformar o enriquecer lo que son los datos que hayamos ingerido mediante la combinación de el pool sql dedicado y los peines de signos o bien Mediante el uso de spark el pool sql sin servidor aquí un poco pues depende de la necesidad que se tenga utilizaremos una opción y otro y luego proporcionar se proporcionaría lo que es el servicio de los datos mediante lo que es el pool de sql dedicado o el pool de sql sin ser sin servidor para luego conectar medel de por vida y poder analizar la información

en cuanto a los bailarines de De sinopsis y lo que está sobre datafactory que sería un poco en el elemento común es importante comentar que hay similitudes hay muchas similitudes si alguno de vosotros habéis trabajado ya con datafactory pues seguramente las vea y si pasaste a trabajar con los países de schmelzer como similitudes bueno pues ambos ofrecen capacidades de integración de datos sin código y nos vamos Definiendo los países lines en base a las actividades que vamos llevando a lo que es el país le luego se basan en los mismos conceptos y mareque los servicios

conjuntos de actos actividades y las internaciones es en esencia es prácticamente igual decirlo y luego la mayoría de las actividades de seguridad de factory que ya se pueden encontrar en sinapsis no todas pero por ejemplo uno de los Casos es power core y que actualmente no está disponible en los bailes de synapse verdad pues comentaremos bien en cuanto a diferencias algo que está disponible de esta tabla que aparece aquí bueno pues no está esta modo previo lo que es la integración con aquellos procesos que hemos podido implementar utilizando se puede salvar integración servicios luego No

se pueden compartir integration room time en el caso de shin optional y tics sí que se puede hacer en el caso de la seguridad a factores destacable también como comentaba el soporte para power query si queremos pensar igual que hacemos transformaciones en los informes de power by power core y en el caso de asegura de tal factor ya está disponible para poder hacer aplicar transformaciones Eso actualmente está disponible en era sobre todo del factory pero no está disponible aquí el señor shannon y tic's en ambos casos se dispone de templates para poder utilizar en ambos

casos se tiene integración con ya hace un tiempo una litis pero bueno poco a poco parece ser que está animando las diferencias y están cada vez más alineando uno y otro Y luego a nivel de monitoring pues no se puede hacer monitorización de de jobs de spark en el caso de asur y datafactory pero si en el caso de no ser porque snap se lleva integrado lo que es la la definición la posibilidad de crear jobs de smart bien en cuanto a arquitectura funcional bueno aquí se ha querido ilustrar con un ejemplo lo que sería

un poco el flujo operativo a ver las organizaciones es Verdad que ha cambiado un poco el enfoque no lo que respecta a lo que es el servicio de datos ya no se busca tener el dato preparado y listo para su consumo que también pero sobre todo en lo que se busca es tener la disponibilidad del dato para que en función de las iniciativas del negocio bueno pues se pueda tomar es proporcionar el dato conforme a esas necesidades que se recogen dentro de esa iniciativa de el Anuncio entonces bueno pues requiere lógicamente en función de cada

iniciativa el poder trabajar el dato para dejarlo disponible las arquitecturas modernas de datos no sólo ofrecen mayor capacidad tecnológica sino que también ofrece más versatilidad en este caso bueno pues aquí se recoge un poco lo que sería la solicitud de un usuario de negocio en el vídeo pero pues lo que haría sería recoger esa solicitud y verifica Conforme a la misma si el dato está disponible en la plataforma analítica bien en el dato lake o bien en el sistema de data warehouse vale entonces lógicamente si el dato está disponible la respuesta preparando el informe necesario

para el usuario del negocio y proporcionando la información puede ser que el dato esté disponible pero no esté conforme lo está solicitando el usuario de negocio entonces va a requerir que se Entienda la necesidad la solicitud y bueno pues a través de los ingenieros de datos y de los científicos de datos pues habría que trabajar en el dato hasta dejarlo disponible de acuerdo es una de las de las ventajas que ofrecen también este tipo de plataformas lógicamente puede ser que la iniciativa pues también no no no requiera datos que actualmente no están disponibles Entonces bueno

pues lógicamente en el género de datos tendrá que hacer la ingesta del dato correspondiente y para llevarlo a través de las diferentes capas que forma parte de la plataforma hasta llegar a dejarlo disponible en el bueno que son los sistemas de almacenamiento para luego poder dar respuesta a la solicitud es un poco más o menos en esencia un poco lo que las plataformas modelos de datos ofrecen no Bien vamos a hacer bueno con su novio sobre synapse estudio para ello vamos a ir a la plataforma bueno vamos a acceder al grupo de recursos en el

cual tengo ya todos los recursos creados para como comentaba anteriormente bueno aquí en la parte de la izquierda tenemos todos los accesos organizados en la configuración relativos a la gestión de costes monitorización etcétera Accedemos a lo que sinapsis workspace no debemos entrar en lo que es la opción de ver view bueno pues tenemos en la parte superior e información que bueno pues la información principal en el grupo de recursos al que pertenece el estado la región la suscripción y luego también bueno pues aquí podríamos ver si tuviéramos añadidos las etiquetas correspondientes de los tags y

luego en la parte de la derecha bueno pues tenemos lo que es el usuario Administrador de sql con el cual accedemos a los 11 y aquí tenemos importante en nuevos puntos de acceso para conectar desde cualquier bueno pues a herramientas a la tipo máxima el estudio en el data studio para conectar a los diferentes pulver secuela vale aquí tenemos por ejemplo el pool de sql dedicado y aquí el pool de sql sin servidor bien y luego ahora veremos vale Que a través de snap se estudió los pool de realities por ejemplo están disponibles también vale

a través de estudio para que no aquí vemos los puntos se puede hace aquí tenemos este pool de spark etcétera bien para entrar a lo que es el dinero se estudió mediante esta opción de aquí en overview podemos acceder y bueno lo que vemos nada más acceder es la home destino opcional y tic's a través de esta del Entorno marino workspace tenemos esta dos opciones de aquí relativa a lo que son datos toda la parte desarrollo e integración monitorización y gestión vamos a empezar por esta parte de aquí vamos a empezar por poner por la

parte final y así un poco lo que vamos a ver es bueno un poco como que es como se corresponde esto que voy a mostrar con lo que es la parte de teoría que vimos anteriormente como vemos aquí está todo organizado por Secciones lo que son los pools de analytics conexiones externas integración seguridad etc entonces por ejemplo en el caso de los pool de analytics vemos que tenemos dos de dos tipos uno de tipo sin servidor y otro de tipo dedicado si recordáis lo que dije anteriormente es que de tipo sin servidor en el momento

en el que nosotros creamos el recurso sino que se crea de forma intrínseca vale no podemos crear más de este tipo Sin embargo desde dedicados podemos crear más como veis bueno pues aquí aparece este que este tipo de tamaño de w100 vale si nosotros quisiéramos crear alguno le daremos aquí a new y aquí en la información básica estableceremos lógicamente lo que es el nombre y luego un nivel de servicio a nivel de servicio que podemos ajustarlo en función de las necesidades a través de este esta barra de aquí como Vemos en función de la del

nivel de servicio que seleccionamos aquí ya nos está marcando lo que es el coste por hora es lo que vimos anteriormente la tabla de precios de este servicio y luego lógicamente bueno pues se pueden añadir usar se pueden establecer lo que son otras configuraciones para los relativos a lo que es la fuente de a todos un poco la colección vale para las bases de datos podemos crear etiquetas vale y luego ya bueno pues una vez Llegamos a este último paso estaremos en disposición de poder crear lo que es el recurso conforme a la configuración que

hayamos establecido cuando nosotros creamos este recurso aunque lo hacemos a partir de aquí de snap se es algo que está accesible también en el grupo de recursos veis que tenemos signarse por aquí y tenemos el pool de sql dedicado vale en cuanto a pool de pulsos de analytics Bueno pues tenemos el apache estar por aquí que aquí ya tenemos creado un pool me gusta en ejecución y está bueno y optimizado para el uso de memoria es de un tamaño bueno pues aquí de cuatro vectores con 32 gigas y tres nodos en el momento de crear

lo que es el pool de spam establecemos de igual manera lo que la configuración vale establecemos un poco lo que es el tamaño del nodo como vemos aquí posee diferentes tamaños El small medium tiene un poco que podamos tener y luego interesante es la posibilidad de poder configurar lo del en forma auto escalado bueno es decir nosotros sí lo habilitamos con una autoescala donación marcada establecemos el mínimo número de nodos que queremos que tenga el clúster o el número máximo de 12 que tenga el cluster sin embargo si nosotros marcamos que no queremos auto escalado

o Sea ya con un tamaño fijo pues simplemente vamos a establecer el número de nodos que queremos que tenga el pool en cuestión y luego bueno pues igual que ocurría vale en el caso de de sql aquí tenemos un poco las diferentes opciones de configuración vale pues para pues para usarlo automáticamente luego la versión de spar que queremos ver qué que vamos a Utilizar etcétera los tags y bueno por último la posibilidad de crear lo que es el pool de spam en cuanto a los pool de data explorer como comenté anteriormente bueno pues algo que

es tan previo y que se utiliza orientado a utilizarlo para la logse y telemetría principalmente en la parte de conexiones externas si vamos aquí bueno pues tenemos aquí he Configurado los distintos servicios que interactúan con los cuales se interactúa desde sinapsis por ejemplo tenemos lo que es el servicio o la vinculación al servicio de hacer una singular ning también está el propio sinapsis analytics lo que es el pool de sql dedicado también está vinculado lo que la cuenta almacenamiento que si recordáis anteriormente que comenté que en el momento de crear synapse es un requisito O

sea es a la contratación a miento de generación 2 debe estar previamente creado y luego también el almacén de claves aquí en donde también establecemos lo que es la vinculación o la conexión power bien aún a un workspace determinado vamos a tener los diferentes informes y luego también está este servicio vinculado que lo tengo creado porque bueno les puede mostrar un ejemplo de Pay lines y flujos de datos en el cual el origen de los datos es una base de datos de se puede ser ver que esta compra máis vale este en este caso bueno

pues se está utilizando este integration runtime vale este nuevo auto hospedado para poder conectar desde el servicio a la base de datos en eso pones aquí bien aquí en esta sección también está disponible lo que es la conexión La cuenta de la cuenta de a surtir view después veremos cómo veis bueno ya está conectado está vinculado vale y ahora podremos ver en algún ejemplo cómo podemos trabajar con virgin y un poco lo que puede llegar a ofrecer a nivel de integración bueno pues aquí no tenemos ningún try de trigger creado pero bueno básicamente lo que

lo que hacemos es establecer pues la periodicidad manejo la automatización de los procesos Que se definan dentro de sinapsis del pay line lógicamente podemos establecer los podemos crear los de diferentes tipos bien mediante esta opción de programando de programación para que inicia en un momento determinado se ejecute en una determinada periodicidad y luego por ejemplo se puede establecer que un pai lines se ejecute con una determinada recurrencia a los 15 minutos Cinco minutos etcétera también bueno pues se puede lanzar pai lines en base a eventos que se produzcan en la cuenta almacenamiento por ejemplo cuando

un fichero se deja disponible en una determinada ruta para proceder a lo que la ingesta de autor de ese fichero para que se establecería por esto de lo que concierne a la suscripción la cuenta donde está Almacenado el fichero y luego también se podría bueno pues lanzar un país line en base eventos bueno pues custom vamos a decir eso bueno pues por ejemplo su mundo pulsa 1 vale eventos estén los que se produzcan lo cual la verdad es que aporta bastante y ofrece bastantes posibilidades de lanzamiento de pailettes bien Dentro de esta categoría de integration

y aquí están bueno pues los distintos room times este primero que hay aquí disponible se crea de forma intrínseca a la hora de crear el recurso de snap ciani tics y este de aquí es el que se corresponde al coste con el nodo auto hospedado que tengo yo he instalado desplegado lo que es mi en mi máquina para poder conectar a lo que es la base de datos de segunda server que comentamos anteriormente Bien aquí en nuestra sección bueno pues se establecen los diferentes controles de acceso credenciales luego en esta otra sección de librerías de

código bueno pues lo que hacemos es subir aquellas librerías que queramos utilizar en los el spark poder en referencia a las un poco por las necesidades que podamos tener en cuanto a procesamiento y preparación Y entrenamiento de modelos y luego por último como comenté también se tiene la posibilidad de integrar lo que es synapse analytics con lo que es un repositorio de jett bien esto en cuanto a lo que es la gestión en el apartado de datos bueno pues aquí tenemos dos opciones todo lo que concierne a lo que es el workspace pues lo que

es el pool de sql dedicado y luego en este caso por ejemplo tenemos pues un pool de Sql sin servidor para una base de datos bien a comentar que asociado lo que es workspace y así está trabajando y está en modo previo lo que es esta modalidad de lake data veis bueno esto viene un poco a ofrecer la posibilidad d mapear los distintos datos que pudiéramos tener en un data lake Es decir una organización cuando decide implementar un data ley lo que hace es bueno pues ser in gestando datos ficheros de tera y es verdad

que un poco bueno lo que pierde es esa posibilidad de relacionar cierto ciertos datos que haya emocionados en ese ataque entonces como veis aunque está en modo previo pero bueno aquí lo que se están generando son distintos bueno pues modelos en función un poco del sector que va dejando en abierto Tenemos aquí y continuamos seleccionamos automoción vemos que en la parte de la izquierda pues aparecen diferentes categorías son en definitiva pues por así decirlo diferentes objetos que se podrían corresponder con los ficheros que tenemos almacenados en nuestro a táriq y que nosotros podríamos ir marcando

y seleccionando para establecer esa correspondencia cada uno de estos objetos bueno pues se pueden también Configurar van a decir aquí como veis si nada se nos propone para este ejemplo de castón una serie de ficheros para con una serie de campos para los cuales podríamos cambiar él en la estructura marcando aquellos campos que quisiéramos etc y luego bueno porque no también a partir de esta tabla de vuestro objeto de casto men podríamos tener disponibles bueno pues en otras relaciones que quisiéramos otras estructuras de me vale en otras tablas Siguiendo con el apartado de datos bueno

pues en cuanto a lo que son por los servicios vinculados que mencionamos anteriormente tenemos accesible lo que es la cuenta almacenamiento de nuestro data lake storage a partir de esta opción de aquí no le vamos a synapse y como veis bueno aquí aparecen una serie de carpetas valen coparon application a efectos un poco de estructura las Diferentes capas de datos y luego por otro lado se tiene lo que son los data sets qué bueno estos datos sets los tenemos que definir y por las actividades que vayamos generando en los país line vayamos incorporando los pai

lines de la parte integración que después veremos entonces bueno yo aquí se pueden organizar como se puede ver pues un poco lo que son datos sites blatter sets relativos a lo Que es es verdad tarea y data sets relativos a lo que es el puzzle sql dedicado puede atar sets relativos a lo que es el origen de fuentes la fuente de datos en cuanto a la parte de desarrollo bueno pues aquí podemos crear diferentes scripts tipos de script de sql de custom por il en waits para lo que es data explorer notebooks le parc sobra

para flujos de datos definición de jobs Informar de power guía y etcétera bueno aquí tenemos ya creados algunos ejemplos que después veremos unos data flows y hay relativo a la parte de integración bueno pues aquí lo que se hace es crear se pone organizar como veis en carpetas en carpetas los diferentes país lines que bueno pues necesitemos para hacer la ingesta de datos y todo lo que es el flujo De actor dentro del el sistema dentro de snap sé bien por último en la opción de monitor bueno pues podemos ver pues un poco lo que

es el uso que se hace de los diferentes servicios las consultas que se lanzan los megas que se devuelven los datos que se procesa en el aceite normales en el caso de spark igualmente podemos acceder y ver bueno pues todo lo que concierne al uso que se haya podido Hacer de ese pool de spam de consultas peticiones desigual ya que se habían podría organizar los tiempos la duración lo que la petición es sí que se ha realizado por tanto bueno podemos tener un un control de toda la actividad que se lleva a cabo dentro de

ese mes en una de las cosas que no comenté anteriormente es que en el caso del pool de sql sin servidor lo que es el coste se hace o no se Establece en base al uso que se hace las consultas que se realizan y los datos que bueno pues es tarde vuelven vale entonces bueno debemos de dar con cautela a la hora de utilizar ese pool y sql sin servidor de tal forma que si vemos que hay alguna cosa que va a requerir pues una un uso frecuente tratemos de llevarlo al pool de ese puzzle

dedicado para hacer uso del mismo y no incurrir en costes excesivos por la parte del puzzle sql sin servidor Bien hasta aquí bueno pues un poco lover view de lo que es sin opcional y tics vamos un momento a la de positivo a lo que la presentación y vamos a ir viendo diferentes ejemplos vale entonces de momento lo que vamos a ver primera instancia son algunas capacidades que ofrece sin apps analytics en este sentido por ejemplo si vemos aquí a la data mediante esta acción de aquí podemos acceder a la galería de fuentes De datos

que deja en abierto es un microsoft y por ejemplo mediante este aquí como podemos ver aparecen diferentes opciones datos de este muy socorrido aquí en este caso estamos haciendo a datos de una centralita de llamadas de la ciudad de boston actualiza con determinada frecuencia que el formato es el formato en el que se se soportan los datos en parquet y aquí bueno os ofrece información Asociada a la fuente de datos y un muestreo de los mismos entonces el momento que añadimos este data set vemos que dentro de lo que es el apartado de datos nos

aparece esta opción de aquí a su bloque storage mediante la cual podemos acceder a lo que es esa fuente de datos de igual manera por el hecho de haber integrado esta fuente de datos aquí en manage si llevamos al internet services Vemos que está recogido lo que es esta conexión estando bien volviendo sobre los datos como comentaba este en este caso este fichero está almacenado en formato parque entonces una de las capacidades es que nosotros podemos lanzar una consulta se cuele sobre este fichero vale sobre esta fuente y mejor dicho y poder explorar información destacable

de Aquí bueno pues destacable es que bueno como veis se hace un selector froome con esta función open rousset podemos bueno y mediante estos parámetros establecer lo que la conexión al origen como se puede observar en este caso no se está accediendo a un fichero paquete en concreto sino que se está haciendo a un conjunto de diferentes ficheros paquetes por eso en el comodín bien podemos lanzar esta consulta de aquí que como Veis está lanzando los sobre el pool sql sin servidor y bueno sobre la base de datos más tarde por aquí y de alguna

forma estamos viendo que bueno pues está recogiendo el tipo en el tamaño podemos guardar lo que es el script y acabamos de lanzar y aquí como vemos bueno pues ya nos aparece el resultado en formato de tabla pues como campo ese tipo de acto el subtipo o la fecha en la que se ha Realizado la llamada categoría su categoría estado etcétera vale entonces bueno pues una de las cosas que podemos hacer aquí es por ejemplo hacer una agrupación y de establecer vamos a dar mostrar un cuento de las llamadas por categoría entonces también una de

las posibilidades que tenemos es aparte de ver el resultado en formato de tabla Podemos verlo mediante gráficos normalmente podemos configurar aquí mediante mediante estas opciones de aquí estableciendo pues lo que es la parametrización la columna que se corresponde con las categorías y bueno los valores que aparecen está sobre las posibilidades que tenemos en el caso de y destinos y luego otra de las posibilidades bueno pues es el poder Ejecutar notebooks entonces para ello vamos a utilizar uno de los ejemplos que ya trae consigo vamos a [Música] para utilizar uno de los ejemplos que aparecen aquí

para explorar datos con spark aquí bueno importante tener en cuenta que me está desplegando un spark pues aún puede spark si no me equivoco ahora parte del que ya tenía se está Desplegando otro como se puede salvar a nivel de desarrollo voy a presentar lo que es el notebook que vemos aquí en pantalla e bien es este de aquí no le vamos a decir que vamos indicar que se ejecute utilizando este punto es parte de aquí el lenguaje que se está utilizando es python en este caso bueno pues este este notebook en aquí lo que

hace es Conectarse a una fuente de datos aquí simplemente bueno va a presentar un poco lo que es el esquema de data frame en el cual hemos importado de los datos y luego por último para que iba a presentar van a hacer una consulta utilizando es porque se cuele agrupadas los datos mediante el conteo de los pasajeros y haciendo un par de cálculos como la Distancia media y la suma de la distancia total y luego bueno pues aquí como podemos ver se puede a importar ciertas librerías como más blanda luego representar la información y aquí

podemos añadir no vamos a ir ejecutando a cada una de las celdas este de aquí un poquito mientras vamos a ir añadiendo el código que quería añadir Para crear una base de datos de spark el resultado almacenarlo en la luna vamos a el atajo frame escribir en esta moza de otros picamos el nombre de la base de datos y ponemos el nombre de lo que la tabla a ver si ha ejecutado ya lo haciendo arriba está levantando lo que es el pool por eso tarda un poquito más al inicio mmm Ya iniciado la sesión y

está la ejecución el progreso de tratar mal en estar ejecutado ejecutamos esta parte de aquí que lo que hace de mostrarnos el esquema aquí ejecutamos bueno creamos un nuevo data frei no a partir de la agrupación que hemos indicado anteriormente pero no porque todo segundos el volumen de datos es elevado tenemos debe tardar un poquito Vemos que nos ha presentado él es un display del data frame en formato tablet en este caso buenos 11 la representación a través de más pronto y luego por último vamos a encontrar esta parte de aquí el trozo de código

código d hemos estado sentencia para crear la base de datos almacenar el resultado del data frame la tabla que hemos especificado aquí Como un parámetro se ha ejecutado venimos a datos y aquí en workspace books seguridad 3 aquí ha quedado la base a todos spark con nuestra tabla ya lista para consumir los datos bien pues bueno con esto visto otra de las capacidades que ofrece synapse manera para continuar vamos a ir un Momento a la diapositiva para mostrar otro ejemplo este es el ejemplo de notebooks que acabamos de ver y ahora lo que vamos a

ver es bueno un ejemplo de ingesta de datos en tiempo real en este diagrama como se puede ver vamos a utilizar un simulador de robert bi que va a enviar datos al sur en este caso bueno pues los componentes los los servicios que se utilizan son jet hub Qué es el punto de conexión a través de un dispositivo que se define el propio servicio y luego a través de hacer stringer y tics yo vamos a definir bueno pues lo que es la entrada de los datos y hacia dónde queremos que vayan los mismos por un

lado se escribirán los datos en el en una seguridad tareck y también vamos a enviar los datos a lo que es un informe de power white que crearemos bueno un panel concretamente bien para ello Vamos a ir aquí este es el simulador que tenemos repeat como se puede observar aquí aparece este connection stream donde vamos a establecer por el punto de entrada de los datos bien volviendo a lo que es el grupo de recursos vamos a acceder a ella te deja a este recurso que tenemos aquí dentro de lo que la configuración de Este recurso

bueno lo que es la parte de gestión se establece lo que son los dispositivos todo es bueno aquí en este caso tenemos creado un dispositivo es este de aquí vamos asociado este study y donde se tiene lo que es el string de conexión con el que va a ser el valor que vamos a establecer nuestro simulador de tal forma que si le damos aquí a ejecutar Ya ha empezado a enviar datos a ese a ese recurso que veíamos antes por otro lado si recordamos la arquitectura tenemos este componente de aquí de asur stream analytics yo

en este caso bueno es un servicio que tenemos por aquí y el cual ahora mismo está parado vamos a iniciarlo para que empiece para recolectar datos a partir del simulador mientras tanto Que es importante de este servicio de string analytics la topología a ver por un lado se establece lo que es el input que como hemos visto antes en el diagrama se trata de él y otras marcas está de aquí aquí lo que establecemos bueno pues es el elliot en concreto establecemos lo que es la clave de acceso y luego también establecemos el formato en

el cual no va a venir los datos de entrada En este caso van a se basó en formato jason y con un link o dean o tf8 bien por otro lado si recordáis en el diagrama teníamos dos salidas una a lo que es el data lake y otra lo que es por power by entonces en este sentido en el caso de bloques tórax lo que establecemos a nivel de configuración bueno pues es lógicamente lo que es la cuenta almacenamiento establecemos también el patrón vale una ruta y el patrón en el Cual el cual se va

a utilizar para y almacenar la información ahora le mostraré y luego lo que es el formato de fecha para que en este caso como estamos viendo en formato año mes día y le estamos indicando también que lo que es el formato en el cual se almacena información sea formato parquet eso lo tenemos lo podemos ver bueno a través de lo que es esta herramienta de asur storage explorer si accedemos a lo Que la cuenta almacenamiento en cuestión aquí en synapse y vamos aquí a no tengo aquí en application sensores vais a partir de esta ruta

que es la que está especificada en el patrón bueno pues lo que hace es almacenar información en base a lo que es la fecha en sí entonces en primer lugar aparece el año no va a aparecer mes y aquí estamos viendo los diferentes ficheros parquet en los cuales se está almacenando la información Vamos a comentar mientras tanto porque he asociado a lo que es la topología se pueden crear aquí consulta para testear consulta para testear la entrada y la salida de los datos en este caso como podéis ver aquí tenemos como input el equipo que

mencionamos antes que vimos antes y luego como outputs los dos que vimos pues entonces fijaos que estamos haciendo un select asterisco in tuvo en la salida y from de La entrada de lo que sale el punto que tenemos aquí y por otro lado en este caso para lo que es la otra salida que la de power by en el ring to se hace sobre ese pool que hemos definido no lo ha comentado a nivel del output de por guardia y bueno aquí lo que establecemos es el workspace en el cual vamos a tener lo que

es el conjunto de datos bueno que no tenemos vamos a conectar un momento a power white Si venimos aquí tenemos como podemos ver este conjunto de datos en el cual vamos a ir recibiendo los datos directamente desde el sensor vamos a ir momento aquí vamos a ver no ver bien si ya ha empezado entendemos que sí para recibir datos me pareció ver antes por la consulta que sí por la fecha que tenemos aquí 16 normales vamos a ver si este está hoy está parado Se había dado en un segundo que inicio mientras tanto vamos a

ir creando un panel que va a tener como origen ese conjunto de datos que comentaba vamos a añadir aquí lo que es el la fuente de datos en tiempo real hacemos esa nación hago lo que sea el conjunto de todos para esto elegimos como tipo de Visualización una tarjeta y agregamos lo que es el valor de la temperatura pero que está generando bueno que podemos configurar un título y demás nada y vamos a añadir también otro icono basado en datos de en tiempo real utilizando el mismo conjunto de datos y vamos a utilizar un gráfico

de líneas Cuándo este lo que es el momento temporal y como valor de la temperatura debemos aplicar y vamos a ver si ya ha terminado de iniciar este recurso ya estará bien y aquí en el over bien podemos partir en entradas o salidas norén sigue enviando datos y más allá vemos que ya está empezando a recoger Datos elliot y a través de él yo de stream no está pasando a lo que es el conjunto autor de power bien y a su vez si vamos a la herramienta que veíamos antes bueno seguramente aquí para el día

de hoy día 16 ya está empezando a generar ficheros como estamos viendo aquí bien siguiendo con los ejemplos vamos a Pagar stereo y otra de las cosas que justamente lo comenté y lo vimos con un ejemplo de uno de los conjuntos de datos que ofrece microsoft es bueno pues lógicamente la capacidad de explorar ficheros parker no en este sentido desde aquí no habrá llegado generó más ficheros pero sí relacionados por ejemplo este día yo tengo aquí varios ficheros Y si vamos así y vamos aquí a los datos a lo que nuestra cuenta almacenamiento pensé yo

por eso poder de aquí directamente puedo lanzar una consulta se huelen todo esto porque el servidor se cuele sin servidor el paso por el servidor me ofrece esta capacidad en este sentido si observamos el parámetro que tiene la función open rousset hace Referencia un fichero parque pero bueno si nosotros quisiéramos lanzar esta consulta sobre un conjunto de ficheros parker directamente no le podríamos bueno pues lanzarlo de igual manera disparen y bueno porque no podríamos ordenar los resultados usted aquí que se llama la reagrupación de este volvemos atrás Bueno vamos a lanzar loas y con esto

y esto me faltan pero no es tan impuesto el nombre de la columna una vez etc lo que quería era mostrar los datos ordenados por la fecha de la hora de procesamiento a efecto de poder ilustrar esto de forma gráfica como un poco se puede ver que nos Faltaría establecer pues lo que la frente la categoría para la columna y veríamos un poco lo que es el bueno pues distintas la unidad de medida como la temperatura la humedad bien para mí continuaron viendo los ejemplos vamos a volver por aquí antes bueno comentar que ya lo

emilio el Ejemplo que tenemos publicado en todo beige para cómo hacer solucionar es real time con el señor y payton en este otro ejemplo vamos a ver bueno como como es cargar datos desde una fuente de datos se puede salvar o clemens hasta lo que es que el pool de sql dedicado hasta lo que antes se conocía como asegure data warehouse en este diagrama lo que estamos viendo es que lógicamente tenemos cierta parte Lo que la fuente datos hombre mais y a través de él modo auto hospedado que tengo mi equipo puedo llegar a conectar

a lo que la fuente de datos que tenemos aquí en este externo luego la parte de eso tenemos este elemento de aquí bueno este lo que sé no sé dónde hay definido es una serie de pipeline i en la parte inferior lo que es el almacenamiento en asia data lake aquí Bueno hemos querido pues plantear un escenario pero aquí tenemos dos capas en la capa del lago de datos una capa vamos a decir para los datos en road donde se almacena los datos del fichero csv y luego mediante alta flows pasamos la información de los

datos de aquí a lo que es el nivel de aplicación almacenando los datos en parquet todo esto el estado por un país la en principal que invoca esto para yendo aquí la ingesta de trabajo de Transformación y de carga la ingesta sea que recupera la información de aquí para llevarla a la capa ro luego de transformación invocado flujos de datos y por último el país line de carga que lo que hace volcar los datos en el puzle se puede dedicar pues con este ejemplo que tenemos aquí si vamos aquí a lo que la hacen de

integración como comentaba anteriormente vamos a ir cerrando algunas cosas que tenemos por Aquí tenemos bueno pues este páis line que está compuesto de estas tres actividades las que están aquí están disponibles pues a nivel de synapse la posibilidad de invocar a notebooks a procedimientos almacenados y luego para lo que este movimiento de transformación de todos la posibilidad de copiar datos a ejecutar flujos de datos Vale ejecutar bueno pues consulta sobre la ciudad explorer invocar bueno el notebook que estén definidos sobre data breach luego por la parte de hd inside van a ejecutar bueno pues el

procesamiento es par que tenemos definido dentro de algún recurso de tipo h de inside luego por ejemplo a nivel de bueno pues general en la posibilidad de crear variables Obtener meses de datos hacer los caps relativa a la parte de interacción y condicionales poder establecer filtros dentro de los bailarines y luego ejecutar bucles sus condiciones cif etcétera entonces en este caso bueno pues en estos países que aparecen definidos aquí seleccionando por ejemplo este de aquí de extracción básicamente en lo que es la configuración simplemente hacemos mención a lo que es El pay line [Música] que

queremos ejecutar en este país line seis buques se utilizan actividades de tipo pirata cada uno de ellos bueno pues hace referencia hablo que es un soft que es un set anteriormente se menciona que para ciertas actividades hay que definir los nuevos data set fuente y destino que es en este caso Bueno pues se trata de este data set src 6 que si vamos aquí con la opción de datos este data set hace referencia a lo que es el la conexión externa de sql server que tengo propones aquí bueno pues establece lo que es el esquema

del fichero parámetros en caso de que tuviera bueno en este caso en lugar de hacer referencia a lo que es una tabla Concreta se puede establecer como aparece aquí lo que es una consulta para hacer referencia bueno pues habrán determinados campos etcétera luego a nivel de lo que es el destino de igual manera se establece lo que es el data set destino que en este caso pues es un data set que hay en el tema definido y estructurado aquí dentro de esta carpeta y como vemos bueno pues se corresponde con la capa ro Dentro de

la capa ron en directorio 6 vale y en este caso se trata de un fichero csv bueno en el paso d de copi data también se establece lo que son el mapeo entre la fuente y el destino pero esto mismo bueno pues sucede para cada una de las diferentes tablas que aparecen aquí recogidas en este baile y luego por seguir con el siguiente país line que es un poco de transformación y De movimiento de todos en la capa en lo que es el kata lake bien si accedemos a él estamos viendo que este país line

está compuesto por dos data flows nos vale bastante sencillos en este caso bueno pues ésta cogiendo los distintos ficheros csv generando una clave sonrojada y en este caso guardando la información en formato parque manera a partir un poco de lo que Es la configuración que se está estableciendo aquí vale el mapping els y como vemos aparece por aquí y luego el otro data flow que es este de aquí básicamente está cogiendo la información de ventas que tenemos en formato csv está recogiendo los datos de clientes productos territorio etcétera aquí la fuente es el fichero parquet

que ya tenemos por qué está haciendo look Apps para poder bueno generar un conjunto de datos resultante y va a almacenar también en formato parquet dentro de la capa application que veríamos en el diagrama anterior una vez hecho esto bueno pues lo que es el último país line lo que hace directamente es el fichero parquet tenemos aquí volcarlo a lo que es en el pool de sql dedicado que tenemos Vinculado a nuestro synapse vale de tal forma que si vamos a por ejemplo al management o estudio y vemos por aquí tenemos los datos cargados de

forma que yo no demorar un poco la ejecución interesante destacar de aquí y bueno pues todo lo que tiene que ver con los flujos de datos realmente lo que se está invocando por debajo es el pool de spark vale para ejecutar el procesamiento sólo conoce de forma intrínseca Bien una vez hecho esto bueno pues informe por ver un ejemplo vamos a abrir power bien a partir de aquí desarrollo vamos a ir a por bien y aquí vamos a crear lo que sería pues un data set está la opción aquí seleccionamos lo que es el pool

sql dedicado le damos aquí a éste fichara descarga y esta fecha la descarga Está viendo aquí como vemos ya me está permitiendo conectar a lo que es el las tablas que tengo definidas dentro de ese pool de sql dedicado tenemos gastos la forma que le damos aquí en cargar le damos una práctica quien está en esta otra ventana del formato import y ya tenemos aquí bueno pues nuestro modelo para poder directamente Un segundo poder directamente ya quitar la información de acuerdo pero como veis bueno está todo está todo integrado podemos guardar este informe este informe

que guardamos aquí en el servicio estaría posteriormente disponible hemos acordado guardar local pero lo publicado Pero que faltaría pero publicamos en este espacio de trabajo que es el que tenemos y vinculado a synapse de tal forma que ahora sí podamos acceder a nuestro informe de acuerdo ya podamos pues introducir nuevas nueva gráfica nueva visualización es etc valen bien Antes de continuar con la siguiente ejemplo bueno comenzar aquí básicamente ya hemos probado lo que se lee como lo que es un servidor público dedicado y para ver por ejemplo cómo conectar a un pool de sql sin

servido y una de las cosas que podemos hacer es crear una tabla externa vale de tal forma que Retomemos aquí si lo que quería hacer vamos aquí a esta carpeta de 6 en productos por ejemplo aquí en lugar de bueno puedes estar generando la consulta se cuele o guardando la en un script podemos crear una tabla externa lo cual bueno pues nos facilita luego la posibilidad de poder hacer otro tipo de cruces en este caso bueno me está haciendo referencia como se puede ver a lo que es la ruta a la cual está el fichero

parque que estoy Utilizando vamos a continuar le decimos bueno pues el nombre de le damos el nombre de la tabla y bueno aquí podemos crear automáticamente o bien utilizando un script tenemos aquí abrir el script entonces bueno vemos qué nos muestra lo que la definición por un lado estaría lo que es el formato del fichero externo que tendríamos que Crear vamos a seleccionar la base de datos para que nos permita ejecutar lo tenemos aquí en esto sobre the master no me dejan está creando lo sobre otra base de lo que tengo sobre el pool entonces

bueno directamente lo que me ha hecho ha sido crear el formato de fichero externo que en este caso como se puede ver es de tipo parque luego referencia a lo que es la fuente de Datos externa que en este caso es en lo que es el data lake en la sur data lake y aquí lo que crea es la tabla externa bueno con este formato y utilizando como como parámetros luego utilizando de base lo que es el fichero parquet la fuente datos externa y el formato de fichero están o tal forma que luego ya es

tan sencillo como poder venir aquí lanzar la consulta ya tendríamos bueno pues ese punto de acceso para poder acceder a A ficheros en forma todo parque lo cual la verdad que es bastante facilita bastante el tratamiento de los datos no en cuanto a más ejemplos bueno de la parte d sin ser ya hemos visto un poco todos y me gustaría hacer mención un poco por encima es que bueno en el caso de utilizar o conectar desde power de ahí hay que Tener en cuenta bueno pues un poco los diferentes casos de uso que pueda haber

simplemente esta carga de como facilitaremos la presentación bueno en el caso de utilizar directo implica que por cada elemento visual se desencadene una consulta sql vale y eso lógicamente en el caso de por qué es el pool de sql sin servidor hay que controlar es importante tener en cuenta por el tema los costes luego entre csv y parquet como también punto a destacar es Que en el caso de cese uve cuando accedemos a ese tipo de fuente de datos estamos accediendo a lo que es el conjunto datos completo mientras que cuando estamos haciendo un fichero

en el formato parquet dado que tenemos la definición del formato vale pues podemos referenciar a columnas específicas del fichero sin necesidad de traer todo lo que es el fichero como tan mal entonces bueno parece que de todas las opciones Que aparecen aquí recogidas las mejores pues son lógicamente trabajar con datos agregados siempre que sea posible y a ser posible en modo modo import bien por la parte de vido bueno pues aquí comentar que sobre el concierto data governance que es algo que que es una parte de la estrategia que están adoptando muchas organizaciones así que

básicamente hay cuatro puntos principales no voy a hablar de todos y cada uno de ellos pero voy a utilizar la Palanca para hablar luego de turbio en el caso de la data para berners bueno pues es importante tener en cuenta lo que es el framework vale que queremos bueno pues aplicar o seguir en 61 gamma o cualquier otro luego las personas que fueron parte y los roles que fueron parte de esta estrategia que van a ser partícipes de la misma y la estrategia a nivel de organización Todo esto acompasado mare y soportado en tecnologías que

nos permitan hacer gobierno en el dato y en este sentido vale ya me sirve un poco para hablar de per view' aunque aquí aparece lo que es el roadmap de preview a efectos de que un poco se pueda ver pues con que actualmente está integrado un poco a nivel de lo que es clasificación that are in ages etcétera y se puede ver también un poco con otras vamos a decir fuentes de datos para que Previsión entonces en el caso de vivió vamos a vamos a ver un poco cómo está integrado con consignarse al igual que

por ejemplo en el caso synapse pues tenemos aquí este enlace para acceder a lo que es el entorno si recordáis anteriormente comenté a través de la opción de administración y por las conexiones externas que ya está integrado sino se confirió entonces bueno como Punto destacable es que bueno aquí a través de el dato map se pueden crear diferentes conexiones en cada una de estas cajitas que hay en la parte de arriba son colecciones y ahora mismo solamente ha creado creada una colección y sobre cada colección lo que hacemos es añadir los diferentes registros las diferentes

fuentes que pueden ser pues muy muy variadas principalmente de de asur pero como Podemos ver también por aquí un poco más arriba se puede hacer también integración con tiene cierta integración con fuentes de de amazon bien dentro esta colección que tengo aquí como veis he añadido creo que es power bien he añadido synapse Y también lo que está está lake para llegar a hacer esto lo que se requiere hacer es controlar el acceso de tal forma que yo pueda leer sobre este servicio tenga permisos pero una de las cosas que se deben hacer para poner

esto en marcha para hacerlo operativo es el escaneo de las fuentes nosotros pongamos por ejemplo está a este recurso de aquí la vamos a nueva fuente bueno por ejemplo está aquí 30 está lake si le damos a continuar Por lo que vamos a establecer es sobre qué contenedores queremos hacer lo que es el escaneo los diferentes escaneos y vamos por ejemplo aquí a vide times una vez que se realizan podemos controlar aquí los escaneos se han realizado podemos ver también pues los diferentes assets que se han descubierto vale y también que se han clasificado y

bueno estos escaneos lógicamente se pueden planificar bueno yo Esto que estamos viendo aquí lo ejecutado una vez esta mañana pero lógicamente se puede planificar para que se ejecuten con un determinado una determinada periodicidad ejemplo pues todos los días o todos los meses y así sucesivamente e interesante de aquí bueno pues por elmer 8 de integrar per view' y si no se nos da la posibilidad de poder a través del buscador de aquí arriba Buscar bueno pues que los datos van por ejemplo si vamos aquí a 6 pues no van a aparecer aquí todas las opciones

para todos aquellos resultados casi con la búsqueda que acabamos de realizar y luego es más podemos filtrar los porque bueno aparecen como veis diferentes tipos de objeto podemos por ejemplo seleccionar a aquellos que se correspondan con ficheros como ficheros Como tal son los que tenemos aquí hago lo claro me saca esto me mejor esta nueva cota más y está mejor bien y podemos a ver pues eso por ejemplo los distintos ficheros vale que están vinculados a ese término que acabamos de buscar aquí aparece bueno pues lo que es el fichero csv que aparece una capa

ro el fichero parquet que aparece la capa application y bueno pues por aquí también aparece el nombre Customer dentro del fichero parquet de seis vale entonces por ejemplo si pinchamos aquí en este elemento de aquí bueno podemos lógicamente editarlo para establecer pues una descripción podemos establecer bueno pues las clasificaciones que consideremos oportunas luego también los términos que no tenemos ninguno pero los términos en los santos términos que se correspondan con este fichero parquet y luego por ejemplo a nivel de esquema Pues podemos establecer aquí porque hablo de las columnas por ciertas ciertos atributos como los

valores de clasificación términos tipo de datos etcétera volviendo a esta opción de aquí a lo que es la visualización de este set bueno pues aquí en overview si tuviéramos clasificaciones asociadas lo haríamos aquí al igual que lo será el términos importante bueno pues ver la la colección a la cual está asociada y Luego la jerarquía dentro de lo que es afición a parker pues aparece la cuenta almacenamiento el contenedor etcétera la ruta centro bien siguiendo con las diferentes opciones que aparecen aquí bueno pues aparece lo que son las propiedades y el esquema volvemos a ver

y luego lo que es el data línea de acuerdo tira en este caso bueno pues toma como punto de partida aquí no vemos el detenimiento completo Porque para verlo completo accediendo a lo que es el la fuente hombre mais debería de tener otro integration time con auto esperado en otra máquina no puede reutilizarse al mismo vale pero bueno aquí lo que aparece son los distintos bueno lo que es el fichero parquet final como vemos aquí lo que aparece es también en él el flujo de datos que se utilizan para cargar este fichero Parquet y aquí

vemos este flujo de datos que utiliza diferentes ficheros parquet y también este fichero cs-1 transforma qué y si recordamos en el ejemplo que se mostró anteriormente el paso de ficheros de csv a parker se hacía mediante otro flujo de datos que es este de aquí vale ahora bueno puedes mover los datos bien más cosas que hay asociadas a per view' bueno pues por Un poco destacar algunas cosas bueno a nivel de lo que es gestión pues aquí es donde establecemos las conexiones por ejemplo al servicios de seguridad al factoría en el caso de que no

tuviéramos nuestros datos luego estos y estas dos opciones está el modo preview pero bueno interesante por ejemplo en comentar a considerar que aquí tenemos la posibilidad de crear nuevas nuestras Propias clasificaciones y nuestras propias reglas de clasificación de tal forma que cuando hagamos el escaneo a cada asset cada columna pues la atribuye a la clasificación correspondiente y luego en la búsqueda pues podamos y hacer búsquedas incluso por los valores de clasificación y por la parte de turbio pues poco más que comentar ya lo siguiente sería pasará A lo que es sinapsis jazzuv machine lamming voy

a dar paso a mi compañero jose antonio que es uno de los científicos de datos que forman parte del equipo pues antonio sí presentaciones todos me voy a encargar como de la parte que se ve antes si justa torio se te escucha vale se ve También no sí sí comenzamos bueno pues nada para empezar mi parte creo conveniente pues muy brevemente pues repasar rápidamente que es machine learning para los que estén más desubicados entonces pues claro no es cuestión de presionar de algo que ahora mismo no se tiene presente entonces que sería machine learning no

todos y que a lo mejor es más habitual Escuchar pues que es inteligencia artificial no inteligencia artificial por si esa calle es aquella es aquella parte de la informática no que trata de emular el comportamiento humano con capacidad de autoaprendizaje capacidad para tomar decisiones por sí sola no machine learning entraría en lo que viene siendo un subconjunto de la inteligencia artificial entonces es básicamente machine learning se trata de un conjunto de reglas ya Sean estadísticas o o puramente por reglas que permiten tomar una decisión una decisión que puede ser una predicción cuando se habla de

machine learning se piensa siempre que es predecir pero no siempre machine learning es predecir porque tenemos otros casos como por ejemplo cuando se trata de hacer una clasificación con y tú tienes una serie de imágenes no quieres calcular que si la imagen que tienes entre manos es un perro o un gato Para qué quiero hacer eso no sé si yo puedo hacer lo mismo soy una persona de 6 y la foto es un perro bueno pues esto es porque cuando veis que profesar pues tienen mil imágenes próximo pero no es tan fácil hacerlo para ti

pero para un ordenador lo hace en cuestión de segundos entonces eso no es tanto una proyección pero sí que es una automatización de la clasificación luego tienes otras cosas como la regreso lineal en donde luego casos de uso Práctico la vida real menos en el entorno nuestro no es tan habitual pero sí que por ejemplo tienes modelos como la resolvía o parecidos donde no es tan importante predecir pero si es saber cómo afectan ciertos predictores a una variable objetivo o target que tú quieras analizar entonces míchel en mí aparte de predecir son otras cosas luego

en su conjunto está demasiado instante y blair ning cuando se acaba el entorno de la estadística donde tienes mucha Población que analizar cuando uno ya tiene toda la paula la población pues ya sabe que las hipótesis estadísticas donde intervienen bastante de una manera muy fuerte en manchay learning pues se dejan a un lado y se habla de daimler y es donde intervienen las redes neuronales de los niños porque suelen ser estructuras muy profundas de capas neuronales imaginaos con eso como un montón de funciones lineales un montón de Revisiones lineales donde hay funciones de activación de

funciones que no son lineales para la salida de ser uno de esos híper planos que se van estableciendo por el medio es que explicarlos rápidamente así de difícil pero bueno tiller ning sumen redes neuronales vale entonces el centro de machín learning esto sobre una de las cosas que ofrece precio azure no tiene aprendizaje supervisado aprendizaje no supervisado y Re informe learning esta es la más típica o la que más se tiene presente porque se trata de un conjunto de datos con etiquetado por ejemplo el conjunto hay un conjunto de datos muy típico que es el

iris y un conjunto de flores que tienen unas determinadas características y es en base a estas características pues se trata de inferir clasificar esa esa flor que tienes entre manos también tienes un aprendizaje no supervisado que sería pues la tarea de cuando tú no Tienes ese etiquetado de alguna manera quieres agruparlos el cómputo de datos que tienes entre mano por ejemplo la segmentación de clientes tú tienes una serie de clientes pero no tienes como etiquetarlos pues recurre al aprendizaje no supervisado esto viene de la mano con el análisis de clase lo que ocurre con el

análisis de clase es que muchas veces pues la práctica luego no se utilizan técnicas de proyección en las técnicas de proyección pues sirven para ayudar a Darle sentido a esa clusterización en el caso de que tú a grupo los clientes pues te interesa saber de cada grupo de clientes qué sentido tiene ese grupo y para eso se recurre es decir cuando cuando tú hablas de aprendizaje no supervisado hablamos de análisis clustering y siempre van de la mano con análisis de proyección de reducción dimensional luego por último se informe el learning que es una técnica muy

potente pero requiere de poder Reproducir los experimentos algo que no es muy habitual porque por ejemplo si estás tú en una en una clasificación de morosos para un banco no quieres clasificar un préstamo con cuánto éxito va a tener para reproducir eso significa asumir unas pérdidas que uno no está dispuesto a tener no ese experimento entonces pues es normalmente suele ser más más factible hacer aprendizaje supervisado imaginemos esto como el ejemplo típico que hay de super mario Bros no donde se estableció una red con unas recompensas no se repite el proceso varias veces del videojuego

no y entonces lo que se busca es maximizar esa recompensa de tal manera que el proceso va aprendiendo dentro de machine learning hotel lo típico que esto es lo que veremos a continuación está el aprendizaje supervisor y aprendizaje supervisado como ha comentado hace un rato dentro del aprendizaje supervisado esta Clasificación y regresión --clasificaciones cuando se trata de predecir una variable que es categórica y regresión cuando se trata de eso que es momento por ejemplo el caso de el caso de por ejemplo clasificar el estado de un préstamo en el futuro pues en una clasificación binaria

va a tener éxito no va a tener éxito en el caso por ejemplo de prensa y por ejemplo el precio de una vivienda bajo los ciertos regresar es en función de la ciudad en La que está uno para hacer por ejemplo análisis de variables esto se aclara un valor de regresión una clasificación o sea un un modelo de regresión porque la variable objetivo sería por ejemplo el precio la vivienda que es numérica no es una clasificación que requiere un tratamiento un poco distinto vale hay muchos muchos casos de usos lo más típico pues es bueno

vamos a contar algunos por ejemplo En la detección del fraude la clasificación de préstamos que he comentado antes por ejemplo en la traducción automática clasificación de imágenes aunque se suelen separar por ejemplo del caso de lo que es la clasificación se separa lo que es por ejemplo traducción automática clasificación de imágenes suelen ser siempre lo mismo clasificación y regresión al fin y al Cabo es lo mismo lo que pasa que se requiere de un tratamiento tan distinto que se le llama de una forma distinta por ejemplo en análisis de sentimientos no deja de ser una

clasificación donde los inputs o en texto y se transformar una matriz numérica que después se procesa para establecer una clasificación de si por ejemplo un mensaje es positivo o negativo vale entonces qué ocurre con azure ml synapse synapse como tal y no tiene Integrado dentro un ecosistema de ml sino que está aparte pero sí que se le han añadido unas capacidades de machine vernet entonces por ello lo que vamos a hacer es pues comentar un poco que es una machine learning y luego reflejar cuáles son esas capacidades que se han integrado pero realmente lo que

está haciendo por detrás synapse es utilizar el área de trabajo de azure machine learning Bien afirma sin leer ning pues es un proceso que siete dobles versos que prácticamente lo tiene todo para lo que viene siendo viene siendo la tarea de maxim learning tiene escalabilidad puedes establecer con bueno lo veremos puede establecer ciertos tipos de máquinas no que te permiten escalar en función del procesamiento que estés llevando a cabo durante el entrenamiento tiene ese data stories puedes Aparte poderes puedes conectarte a cualquier pastor y de otros servicios data ley que un bloque stories y luego

puedes orquestar los flujos de machine learning y registrar y gestionar esos modelos que has entrenado monitorizar los no aparte de establecer ciertas métricas con las que puedes evaluar si el modelo es bueno o no y luego incluso despegarlo la que se establece pues una resta en point a la que puedes hacer consultas ya sea en tiempo real real Time inferencia o puedes hacer por ejemplo batch inferencia de forma asíncrona vale las características principales de azure machine learning aunque ya las he comentado vamos a hacer en hacer el repaso un poquito más específico es una plataforma

basada en la nube para que administrar y publicar modelos de machine learning es una plataforma como servicio doble del resort que como comentaba hace un rato No es machine learning estudio hay una especie de plataforma previa a machín learning pero que al fin y al cabo lo que hizo azure después crear una nueva que tiene todo lo que tenía más de learning estudio que es la clásica y aparte añadirle otras características en definitiva lo que te ofrece pues te ofrece la posibilidad de manejar notebooks código en un código python esto es por si uno que

esté más experimentado una Versión que estemos experimentando con el desarrollo de modelos pues quiere hacer algo más específico o más avanzado y no quiere utilizar el country o el asistente de por ejemplo auto ml o el design air hacer ml te ofrece dos asistentes con los que tú puedes guiarte a través de esa interfaz de usuario y por debajo te va creando una capa de código que luego si no quieres puedes consultarlo y luego pues aparte poder gestionar Todos los inputs y podéis gestionar todos los recursos computacionales no pares tienen los pipelines con los que

gestionas también el design air en los despliegues las tareas de mantenimiento etcétera vale esto es el procedimiento tradicional en azul para ml fijaos que esto es un poco lo que es y no sé también pues quiere resolver tenemos un montón de vinculaciones azure machine learning pues tienen que Estar pues también vinculado con todo esto atrás de datafactory que va por un lado pues un hacer era tal que va por otro entonces pues lo que se pretende es sin llegue a cero y machine llega a formar parte de acciones synapse pues lo que se ha hecho

es agrupar todos los servicios esenciales y luego sin llegar a incorporarlo pues darle unas capacidades ml que te permitan trabajar modelos de machi learning pero desde dentro a partir de azure machine Learning aunque no selecciona menos pero sea por el cognitivo services porque afirma chi learning de lo que se encarga desde los básicamente esencialmente lo que se encarga desde los procedimientos ml clásicos que vienen siendo pues clasificación regresión y series temporales luego hacer y colitis services pues tiene otros servicios como de análisis de sentimientos detección de anomalías donde intervienen ya pues ln procesamiento de lenguaje

natural y Visión computacional entonces pues vamos a ahora mismo a visitar fml este sería nuestro afore ml se puede hacer desde el portal entonces voy a ir comentando brevemente por qué es cada cosa y luego pues ejemplificar un poquito qué es el auto ml y el design air y me pasaré a lo que viene siendo synapse para explicarnos pues cuál es la relación que tiene sinapsis con este entorno de trabajo Bueno al principio tenemos home donde lo que tienes pues es un recursos recientes que se ven por aquí ahora mismo aquí los tienen por ejemplo

run se compute mismo pues tengo vinculado el pool de spark y una máquina virtual de un solo nodo y bien bueno y notebooks medio automatizado design air que lo tienes todo clic en su pues la ela para también en la parte el apartado de autor vale entonces pues empezamos en principio tenéis el apartado de autor donde tienen Los no busques o comentado antes que pues trabajar pues con un país o no con r tienes el procesamiento de auto ml estos son el design air estos son dos servicios que te ofrecen un asistente sin tener que

recurrir al código puro cada uno con sus ventajas y sus desventajas mientras que auto ml simplemente decirle a la máquina oye procesa método hazme una propone una serie de modelos nos somete a una competición y el que haga Mejor las predicciones pues es el que me vas a devolver después tienes designers designers sueles tener tienes que tener claro ya el modelo que quieres utilizar porque aquí no se hace una competición aquí lo que esto te ofrece es bueno pues claro el modelo que quieres utilizar y tienes un poquito de idea de lo que viene siendo

machine learning pues mediante un diagrama visual tu eres capaz de desarrollar con un esquema un modelo yo esto en mi caso al menos yo lo Utilizaría de base para luego desarrollar sobre ese mismo siguen viendo al código porque auto bueno tiene unas ventajas design simplemente se encarga de clasificación regresión y series temporales mientras que designen series temporales como tal no se encarga y luego sí que tiene algo de análisis de sentimientos y no sé si bueno algo de redes neuronales cosa que automática teme l tiene también pero pero por Ejemplo ese andén no tienes él

es temporal no tratan de una manera distinta pero básicamente la diferencia es que éste es visual esto es un proceso automatizado y aquí tienes que tener claro el modelo que tienes que utilizar ahora tendré unos ejemplos luego tienes un apartado donde se trata de todo lo que es la gestión relativa a los modelos que estás tú construyendo en esta parte de autor donde tienes los data sets es decir el imputaba a partir del cual se Va alimentar en nuestros modelos de the machine learning puedes establecer conexiones a todo lo que tú quieras por ejemplo aquí

están establecidas conexiones a sinapsis conexiones a bloque story o importarlos desde local al fin y al cabo si no importas de local lo que te hace es generar te una en el bloque stories asociado al recurso de ml pues te genera una copia y no tienes ahí almacenado tienes los experimentos esto básicamente Es para una cuestión de orden mental porque lo que tú haces es por ejemplo si vas a tratar un problema en concreto pues lo que procurase es pues si vas a plantear más de uno o dos o tres modelos pues los agrupa en

un experimento para tenerlo de forma ordenada entonces tú accedes a el experimento y en tu experimento tú tendrás una serie de modelos asociados a ese experimento es una cuestión de orden mental vale luego unos pipelines donde puedes ver pues las Cuestiones de ejecución style and draft se asocia dos por ejemplo a al design air un entrenamiento y una diferencia grabaremos rápidamente y bueno y los modelos a partir del auto ml y a partir del design air se generan modelos por ejemplo el auto ml tiene muchos modelos y el ganador pues es el modelo que se

por ejemplo se establece aquí por ejemplo para predecir préstamos como es este caso tú tienes un Modelo resultante de toda la competición pues el que ha ganado que lo tienes aquí y luego pues en point es decir se establecen los puntos de acceso para poner en despliegue el modelo el modelo en cuestión vale luego aquí tienes en gestión pues de recursos estableces la máquina que tú quieres tienes cuatro tipos de máquinas computec instant sis es como una especie de máquina virtual que te ofrece unos ciertos servicios como por ejemplo en júpiter line y tener El

visual estudio de estudio i y se trata de un solo nodo este no es escalable y luego tienes compute clúster que básicamente es parecido al cómputo distance es que azure recomienda utilizarlo para realizar para realizar el entrenamiento este sería más o es para hacer pequeños ensayos y éste sí que es escalable aquí puedes tener más de un nodo y puede ser ejecutar de forma escalable y luego Tienes también los clúster de inferencia en este caso es para cuestiones de despliegue del modelo y viene asociado normalmente alfred fournets vale y luego los ataques cómputos aquí se

te vinculan pues si tú los taldes la vinculación de un servicio como por ejemplo en demo synapse si tenéis levantado si tienes levantado un cluster de spark ahí pues vienes aquí y te aparece aquí reflejado este ese que está vinculado al servicio de designar seco Vale para mostrar simplemente un ejemplo sencillo de que sería auto ml por encima supongamos que tengan tenemos un conjunto de datos del santo canceló tenemos un conjunto de datos por ejemplo los que son préstamos vamos vinculado desde el blog stories tiene su identificador de préstamo identificador del cliente el estado del

préstamo aunque sería por Ejemplo de que no ha pagado o que ha pagado y una serie de características que te interesan de cara a precios pues si sigues en préstamo en el futuro pues va a ser reembolsado como como uno espera con éxito tenemos puntuación del crédito los ingresos anuales que son variables que ayudan a determinar pues soy en esta cierta persona que volviera a pedir cierto préstamo tiene probabilidades de devolverme el préstamo entonces pues Sería el experimento se trataría después de construir con esto es un modelo que mediante la inserción de estas características te

permita predecir con cierta probabilidad el estado en el futuro de ese préstamo con una persona que viene y tiene por ejemplo una puntuación de 741 estos son puntuaciones de establecidas por por bancos y por ejemplo que ingresa 22 millones 231 mil 882 euros pues oye se espera que paguen O básicamente tiene que es dueño de su propia casa pues se espera que para entonces pues uno viene sería tan fácil como venir y decir oye quiero un nuevo modelo de auto ml entonces empieza a preguntar por ciertas características que luego se establece una capa de código

por debajo entonces lo que primero que te pide pues lógicamente es el input que dices oye yo quiero construirlo con con este conjunto Que se acabo de mostrarnos como entrenamiento le das el siguiente toma su tiempo y te dice pues nada vamos a configurar la ejecución te dice oye quiero es vincular que este modelo como se había explicado antes aún algún experimento en concreto por ejemplo el experimento de préstamos porque esté analizando los préstamos donde hay muchos modelos y muchos procesos o crear o no pues puedes darle A crear uno nuevo entonces después puedes establecer

un nuevo experimento y te dice oye cuál es la variable que te gustaría predecir por ejemplo en nuestro caso pues oye me gustaría predecir cuál es el estado del préstamo y luego por ejemplo te pregunta el tipo de computer que tiene con qué quieres utilizar tu puede utilizar el instance como se había dicho el clúster este aunque va más enfocado a los ensayos en El clúster que os dije que es escalable y que azure lo recomendó utilizar los entrenamientos no significa que no pueden utilizar el instance también lo puedes utilizar bien entonces pues seleccionas uno

y dentro de la tipología de cómputo instance puedes seleccionar algunos de los que tengas levantados la siguiente y entonces te pregunta esta variable porque te ha preguntado la variable qué quieres predecir pero luego te pide Hoy en esta variable que es lo cuál es la tarea que tú quieres calcular aquí que quieres llevar a cabo pues clasificación regresión por ejemplo for cash 36 en este caso sería una clasificación porque queremos clasificar el préstamo con su vida más es una variable binaria pues una clasificación siempre después elegimos clasificación fijaos que tiene una opción que te bendice

oye qué quieres permitir el deeb learning para que pues está alejado de Alguna manera auto ml relacionado con redes neuronales en este caso esto tiene una desventaja cuando se establece sin nivel triple ambiente te toca a ti y hacen el cálculo de los tests no te permite hacer auto test durante el procesamiento de la ejecución la tienes que medir tu los resultados por ti mismo después le das a que quieres una clasificación vienes aquí le dices oye Qué tipo de validación quieres pues si uno conoce un poco de esto pues ya por su localización cruzada

o variación cruzada de montecarlo data splitting train validation split observa la decisión 30 set alguno que elijas tu vale en fin y luego pues aquí si quieres ser proporcionar uno por ti mismo la parte esto es la variación y esto es el test después de que se ha construido el modelo la Validación y test vale le das a finish esto lo que haría levantar el proceso no lo vamos a hacer ahora aparte ir una cierta a unos ciertos parámetros que puedes escoger como por ejemplo la manera la duración del proceso como mínimo te exige media

hora por eso debéis que los procesos duran al menos media hora y entonces si te metes lo que verás es que en este proceso de auto ml uno que por ejemplo levanta llevamos este es de vuelos de unas decisiones Temporales vamos a ir al de en homs que es el que os estaba ilustrando entonces vienes aquí entonces lo que hace es levantarte pues eso un montón de algoritmos pueden ser también el mismo pero con diferentes parámetros porque lo que te está haciendo es levantando un grid cents y lo que va a hacer es someterlos a

la competición por ejemplo en este caso la métrica que es escogido ese lado vale el área bajo la curva rock entonces cuál es El que ha ganado pues por ejemplo un modelo en simple es que ha llegado a 0 81 luego aparte tienes data las cuestiones de pre procesado porque aparte auto me la parte de calcular te lo que viene siendo el mejor modelo también te hace de tareas de pre procesado de forma automática lea un poco lento aquí en este caso pues lo que te hace son tareas de por ejemplo calcular t si los

datos están balanceados porque puede Ser normalmente si un banco en este caso con los préstamos va muy bien puede ser que tenga mucha gente que paga y poca gente que no paga entonces pues ahí hay un claro desbalance en el entrenamiento después de lo que fuere ml pues tengo calcula te dice o ya que hay un desbalance o y procura crearte una técnica de pre procesado con la que solventar este problema porque si no los modelos que salen te salen o no sé qué sucederá dentro de la conexión Porque si no te salen los datos

sesgados luego aparte pues también te calcula si tienes identificadores midiendo la cardinal ida de la columna mira ya sale vale pues por ejemplo aquí pues te dice que ha empleado variación ha detectado que hay un desbalance o los datos aquí en este caso que la mirado y te ha hecho bien no se han descubierto desbalance en los datos luego pues te dice oye hemos detectado valores nulos vamos a hacer realizar algunas técnicas De imputación es decir si son de un valor por por ejemplo que no importa con la técnica de la moda en caso de

que sean string son un caso aunque sabe que es el numérico este utiliza la media y luego por ejemplo el exponente analiza si hay algún identificador de tal manera que diga oye esto es un identificador esto no me aporta valor predictivo y lo descarta y también hay alguna opción por la cual tú coges y ya previamente le dices oye esta variable no la utilices Porque sé que es un identificador bien entonces pues este sería el modelo que ha ganado en este caso si quieres más información pues te puedes meter dentro y calculas por por ejemplo

metrix propone una matriz de clasificación o sea una matriz de confusión perdonando se mide la precisión y el recall la curva rock sabemos que cuanto más cerca al punto 01 pues mejor y nada este sería el proceso auto ml si quisieras desplegarlo pues tienes que venir aquí y Despliega este proyecto real también port vale luego designen voy acelerando un poquito en design es básicamente esto es lo que hemos comentado se trata de construir con court free es decir sin código también pues modelos de machine learning los expongo rápidamente el caso se centran mucho detalle aquí

tienes un ejemplo uno en el que se ha trabajado con la oms con el ejemplo hemos enseñado antes para hacer clasificación pero mediante él designers entonces pues veis Que se trata de una forma visual desarrollar el modelo en el que empiezas le dices oye aquí te de calcular bueno aquí te detectan con los tantos sets que tienes vinculados se trataría de arrastrar el del homs que es en nuestro caso el que estamos utilizando luego selección de columnas donde quieras pues por ejemplo aquí descargas de descartarla los identificadores aquí le dices oye identificador long es una

killer freaks él es decir nombre Utilices porque su identificador de road puedes aplicar también transformaciones y sql no de tal manera que aquí lo que se está viendo es que estoy segregando entre una entre un estado de la variable y otro para hacer imputaciones luego aquí hace realizar las imputaciones se pueden hacer imputaciones tanto con el paso que te ofrece designers como un paso de payton script en el que puedes trabajar hasta con dos data frames En este caso luego aquí se unen esos dos data frames una vez se ha hecho ya la imputación de

valores aquí haces split data para utilizar un 80 por ciento para el entrenamiento y un 20% para lo que viene siendo la validación aquí en un paso que se llaman train model lo que dice se oye en este entrenamiento claro requiere dos inputs requiere pues el entrenamiento que es un 80 por ciento el 80 por ciento sale por aquí para entrenamiento y el 20 por Ciento sale por aquí que esto se utilizará como variación entonces el 80% viene al paso train modding y dices oye qué modelo quiere es por ejemplo pues una clasificación binaria por

ejemplo random forest ya incluso puedes establecer una especie de malla great search para que vaya evaluando distintos parámetros y distintas combinaciones vale entonces entrenas le das a ejecutar tendrás que dar las admite Y luego publicar bueno para que aquí lo que hace es cuando ya entrena el modelo viene con split ata y el 20 por ciento junto con el modelo entrenado te lo que mide cuán bueno es el modelo y y aquí aquí aquí de mí de las puntuaciones perdón te agrega una columna con los resultados y aquí es donde se realiza la evaluación del

modelo Tienes un montón de algoritmos de maxi learning de los que clasifican regresión en regresión clustering clasificación y si nos venimos aquí esto es una parte que no la recordaba por ejemplo text analytics matrices palabra contexto aunque puedes construir las características de grado a partir de texto que puede ser también construir y técnicas de ln y computer vision también Esa transformación imágenes incluso lo tienes aquí pues redes neuronales res net y laden set o sea que también algo algo no tiene mucho pero tiene algo de triple reto entonces básicamente puestas he comentado ya tengo lo

que hay aquí ya que tiene otras partes menos interesantes como esto porque aquí por ejemplo puedes crear data la blind si no tienes un conjunto de datos etiquetado pues por ejemplo de etiquetar imágenes Preguntas de que esto no es lo habitual porque aquí no vas etiquetar imágenes aquí te permite en materia de etiqueta la imagen y texto esto estoy un poco descontextualizado de lo que viene siendo las tareas que podrán hacer realizan aquí pero pero bueno aquí está si quieres realizar esto también puedes hacer creo que eran incógnitas services son un servicio parecido para entonces

esto es lo que brinda a azure machine learning entonces esto es Lo que va a utilizar sinapsis si nos vamos al sinapsis esto sería synapse lo primero que tienes que hacer para poder utilizar hacer machine learning es levantar un clúster de spark esto se levanta muy rápido te tienes que asegurar genera uno pero bueno en este caso pues si seleccionas el más pequeño que hay solamente para ilustrar no voy a lanzarlo simplemente voy a enseñaros que aquí en cuando eliges la versión de apaches par tienes Que elegir la versión 24 porque es la que permite

realizar entrenamiento no puedes elegir los tres uno si no te saldrá un error entonces descartamos cambios y qué es lo que necesitamos lo primero que necesitamos alegar que ya estaría todo pues unido en una sola pieza porque ya sabemos que no termina de una integración del todo hacer en el es una capacidad similar a veremos una vez que agregas el Que agregas el clúster de spark pool tienes que venir aquí y te aparece una opción machine lerner entonces tú puedes y predecir con un modelo antes de eso que sería como lo entrenas vale pues lo

entrenas lo primero que tienes que crear es una tabla de una tabla de spam vale entonces lo que ven tendría este universe aquí tienes aquí por ejemplo si lo tienes depositado aquí si no existen otras maneras de hacerlo pero si tienes de Puesta en el data ley pues vienes tienes aquí una parte road y tienes tus accesibles con los que quieres entrenar y por ejemplo oye esto es el conjunto de lo nuestro es enseñado antes quiero predecir con esto no es vendrías aquí y dices news parte vol / automatiza todo de golpe de poner la

dirección a la que tienes que acceder el formato si quieres por ejemplo pues aquí hay un inconveniente qué bueno que la Plantilla que te ofrece azure pues no te no te infiere el esquema tendrás que poner aquí también en fer esquema en el esquema porque si no que lo trae todo como string y entonces a la hora de entrenamientos es un problema y te generaría esta esto cuando tú lo ejecuta seleccionando previamente pues el start porque quieras esto te generaría una tabla aquí en este caso por ejemplo leones training y con esto tú ya puedes

Utilizar la opción de match y el elearning vale esto esta opción sino recordó mal sólo te aparece cuando tienes la vinculación del servicio con azure mail es decir es necesario que hagáis esto si no no vais a poder tenéis que venir aquí entonces pues hacer la vinculación con el servicio de email que os acabo de enseñar tienes aquí y poner es un match in learning para continuar el ig es la suscripción y eliges pues el Recurso que tú quieres una vez lo realizas la vinculación pues lo compruebas que funciona bien la conexión y tendrá esto

aquí conforme jazz vinculado en el área de ml entonces cuando vienes aquí tú tienes dos opciones entrenar un nuevo modelo o predecir con un modelo comienzo el primero con predecir con un modelo por qué porque aquí es una de las cosas que añadido también azure que es que puedes entre utilizar un modelo pre Entrenado por ejemplo detección de anomalías o análisis de sentimientos por ejemplo una persona que sea que tenga un estatus importante pues por ejemplo prevención la reputación en twitter construye un modelo de análisis de sentimientos detectar los twitters y dice oye me está

yendo bien o no me está yendo bien por ejemplo políticamente no vale pues esto lo que luego de hecho cuando le das estoy utilizando un modelo que no sea un computador que no tenga Que ver con ello pero bueno es para extras simplemente las opciones que salen para esto necesitarías pues por ejemplo un corpus o los datos con una columna que tenga unas frases y unos ratings por ejemplo obtenidos a partir de twitter pero después tienes que seleccionar el servicio de acción el cognitivo servir 6 que no tiene nada que ver con el modelo de

ml crossing señaló antes y te dice oye elige la lengua no esto por lo que te hace seguramente Bueno es parecido a lo que pasa con haven face no sé si lo conocéis es un área donde se depositan ciertos modelos pre entrenados los famosos modelos como verte roberto que se han construido algunos con la wikipedia cantidades ingente de datos que lo que permite realizar transfer learning es decir tú construyes el modelo pero previamente ya te viene pre entrenado con cierta información es decir el modelo que te viene no es aleatorio como ocurre con el Ml

clásico sino que ya te viene algo aprendido y lo que termina de hacer después es especializarse pero con tu conjunto de datos para entonces aquí por seleccionarse el idioma porque es importante no no es lo mismo puedes entrenar con un modelo que se ha construido en inglés que se ha construido en español claramente aunque se puede hacer también y bien esa sería una opción y luego puedes construir con un nuevo modelo No perdona construir peinan y un model aquí es donde salen las opciones que son muy parecidas a las que yo he enseñado antes en

el área de m él te dice oye qué quieres clasificación regresión o tensiones porque este texto vienes aquí la clasificación elegirías la columna que quieres decir en este caso a un estatus seleccionas el cluster de es para qué quieres vas a continuar oye no quiero que entrene más De media hora porque para alistar aunque no lo voy a lanzar simplemente quiero enseñar es una cosa no eliges la métrica con la que quieres utilizar nunca se recomienda la cura así porque es más susceptible de sufrir por el desbalance o por ejemplo yo que sé aunque wait

si ésta hubiera la hace un score porque pues mejor veis aquí que te sale un apartado de hoy ni en x model compatibilidad en el espacio de acciones Inap se te requiere que los modelos que construyas en el aforo ml sean nn x porque esto es porque todos los modelos que se crean pues utiliza una bolsa de facebook una bolsa de librerías por ejemplo tensor flow by torch que eras un montón seguir leer un montón entonces claro lo que pretende nn x es decir bueno pues vamos a reducir cualquier modelo que salga del área de

ml pues a un formato común que sea capaz de entender si no sé si no sería más Complicada la integración entonces lo que viene es porque se necesita esto porque si tú no le das aquí deseable vale o sea si no le das enable perdón si está siendo según no te va a parecer luego la opción en el servicio dedicado de sql para poder realizar las predicciones entonces es muy importante que tú le des enable desventaja aquí es que los modelos de series temporales no tienen la opción de o en nx solamente los de clasificación

y regresión aunque Bueno esto no es un obstáculo total porque siempre puede utilizar los notebooks para siempre es suplir pues las carencias que pueda tener en lo que nos está ofreciendo fuera en cualquier caso siempre están en constante desarrollo y esto siempre va avanzando en el momento aparecerá vale entonces pues supongamos que hacemos esto y qué es lo que te hace azules inapcet pues te ofrece un notebook con un clúster asociado Con un puente spark asociado y verás que aquí tenéis todo el código que se ha creado por debajo mediante mientras después de nosotros haber

utilizado la asistente cada vez que elegimos una opción pues se asigna aquí la les asigna aquí se asignará aquí todo el código no sabes decir por ejemplo habíamos elegido el lunes datos pues aquí aparece el eibor columna con long status que también habíamos escogido en clasificación y aprecia que todo cuánto Tiempo limitar le hemos puesto 0.5 media hora pues aquí se cargan todas las librerías se cargan al conjunto de datos nos está llamando por ejemplo a la tabla de spark toda la configuración y está aquí veis que se importa la librería el ranking de nx

vale entonces esto porque no tenéis necesidad realmente de utilizar esto esto es por si queréis añadir algo más porque como es un servicio que bueno no tiene muchísimos años pues no está Suficientemente al mejor estable y por si tienes alguna consideración más que tú quieras añadir pues te vienes aquí con el código y si entiendes un poco estás un poco versado en este tema pues añades algún parámetro más y eso es que yo quiero que esto sea así si no siempre tienes el asistente que bajo unos ciertos parámetros por defecto con cierta holgura para que

tú elijas ciertas cosas pues te permiten hacer el modelo que ocurrirá cuando tú empieces a Ejecutar aquí esto no hace falta que lo ejecute es desde aquí lo podrías haber ejecutado antes de lanzar el notebook pues esto te envía toda la información al área de ml y te aparecerá aquí s te genera primero un data set automáticamente ya un poco lento ya que aquí lo podéis ver los datos es por ejemplo que tengo ahí que son las tablas de spar que teníamos Vienen aquí y se te genera en tu espacio pro pistolita que viene asociado

a al área de ml de 7 general conjunto de datos quienes van a requerir utilizar para luego emplear el ml y después se te genera también el proceso automáticamente aquí podéis ver que se ha generado en los procesos asociados al modelo cuestión en este caso sería este emocionados es este género nombre por defecto aquí y este sería el proceso en que se ha levantado Vale si venimos aquí ver si puedo enseñar y podemos ir rápidamente vienes aquí ahora mismo no sé dónde pero bueno podéis ver en una parte que se establece un formato nn x

vale entonces cuando se termine de ejecutar esto de hecho podéis ver una cosa a ver si podemos veis que completar que cambia en función de dónde las lanzado si los lanzas dt si no se te pone local si lo lanzas desde el propio vélez pues en función de la máquina que Hayas utilizado en stands con bit cluster etcétera entonces una vez has terminado de construir esto en tu servicio de synapse se queda el modelo ahí que es lo que tienes que hacer ahora muy importante se trata de automatizar esto entonces lo que vas a hacer

es tener un servicio dedicado de sql donde tú tienes tus tablas tienes tus tablas y aquí pues lo que harás es cargar un conjunto de datos un conjunto de datos Seleccionaron las cuentas tendrás un conjunto de datos con el que tú querrás realizar las predicciones una vez que has construido el modelo entonces pues a ver si está un poco gente un poquito más la conexión de internet pero después aquí lo que harías es depositar evidentemente si la columna si la columna es que para montos que no sea nuestro apagado Es tan bueno aquí tendría depositado

el conjunto de datos si la columna evidentemente casa predecir simplemente los predictores entonces aquí te sale la opción de maxim learning dedic with a model a ver si esto sí que me lo cargan vaya por dios bueno aquí te saldría veis que está vinculado el servicio de ml ya que tendrían los modelos que ha detectado que son enlazar ml con formato o nn x entonces tú le das a ese modelo En cuestión y te pedirá que puedas crear una vista o un procedimiento de sql de tal manera que automáticamente si no se te crea un

procedimiento que puedes automatizar en un proceso y si por ejemplo te van llegando aquí datos de forma automática te van llegando datos aquí de forma automática que te van generando predicciones de forma automática y que puedes visualizar desde power bike qué pena que no pueda ahora yo Enseñaros como creados entonces amira males pues ahora ha decidido vale entonces por ejemplo fijaos previamente claro tenemos que crear en la tabla entonces primeros enseñó como como cargan a tabla sería simplemente pues crear un esquema no y después cargarlo desde donde no tengas túneles tories esto aunque ves que

hay mucho código en azul y te ofrece la posibilidad de generarlo de forma automática de hecho vienes aquí le dices Bul bul cloud tienes aquí esta ley desde el servicio de históricos que tú quieres el contenedor localiza dónde está el conjunto de datos y deba crear automáticamente el código que quieres para cargarlo y si es que no lo has hecho ya previamente con datafactory que sería luego en un proceso pues normal en lo que se harían un cargarlo directamente contra está factoría en el proceso principal pero bueno si quisieras hacer una prueba Rápida puedes cargarlo

de forma automática aquí entonces vienes le das aquí y te das a predecir con nuevo modelo detecta que estos dos modelos han sido construidos en el área de azure ml con formato o en nx y seleccionas el modelo este me vais a permitir que lo haga con este mejor porque éste es más pesado y tarda más es un modelo parecido simplemente este modelo en vez de predecir en la clasificación el Préstamos de represión y lo que hace es predecir en función de unas variables de entrada pues predecir la tarifa de que le va a costar

un taxi es un modelo tonto pero bueno para ilustrar lo que quiero sirve porque este carga rápido vale entonces venimos aquí le dais a continuar ahora o se establece un mapeo esto es muy útil porque la tabla no tiene que tener la estructura fiel a lo que viene siendo el modelo sino que podéis tener Más cosas en esta tabla entonces dices oye esta columna se corresponde con esta o sea este proyector se corresponde con este este con este este con este que he estado con estos escritores te pregunto también cómo quieres llamar a la variable

palabra a la variable de predicción por defecto a invariable auto 1 pues le pondrías por ejemplo tarifa del viaje en este caso le das a continuar entonces te dice oye vamos a generar un Procedimiento quieres una vista a nuestro caso por ejemplo un procedimiento de sql y te dice vamos a cargar el modelo lo que te hacía antes es que si previamente synapse cuando habíamos construido el modelo te lanzaba el modelo a la tarea de hacer ml ahora lo tiene que recuperar este está diciendo llevamos al cargar el modelo no la al menos la metadata

en una base de datos en una tabla en una tabla de la base de datos entonces vienes aquí Y le dices oye voy a crear una nueva y por ejemplo en el esquema de ml le dices pues por ejemplo models porque aparte del modelo está en cuestión bueno ya existe lo tenéis ahí no voy a llamarle model store para que pueda ejecutar lo que no entre rock entonces vienes aquí no y te dice aquí se va a almacenar aparte de este modelo muchos más modelos es decir cualquier otro modelo porque si por eso te da

la opción de hoy existen table quiero que Me porque luego es ahí a la de esa tabla con la que contra la que va a consultar para realizar las predicciones y vienes aquí y dices oye y como quiere llamar al procedimiento pues por ejemplo no haya más predict máxima la fricción de transcripción del taxismo se va a poner entonces le dais a de playmobil y open script y esto te va a generar automáticamente todo el procedimiento Que para que luego lo puedas utilizar de forma automatizada por ejemplo con nata factor 2 le das a deploy

es que pone aplauden de móvil y te lo está cargando en el data lake llamando previamente a la cml y te crea automáticamente el procedimiento que se va que puedes utilizar con la función prédica para realizar las predicciones con un previo ejecutado y con un ejecutado aquí para que lo veas En el mismo momento entonces vienes aquí y aquí en models buenos y ahora quien aparece pero podemos refrescar para que vais a ver teneis model 2 y aquí es donde va a aparecer la información de nuestro modelo que acabamos de cargar si le damos a

por ejemplo selector rose ahora deberían seguir la información del modelo a un poco lento pero ya estamos hablando esto sería Cuenta aquí veis que identifica el modelo el identificador el nombre de el nombre del modelo a la hora que se creó y bueno ciertos los esquemas etc son las variables que ha utilizado la información necesaria del modelo que aquí en el procedimiento va a utilizar aquí es dónde está intentando estar consultando contra la tabla de modelos diciendo oye el modelo que quiero es este ínter genera las predicciones esto una vez tú tienes aquí Se te

almacenaría el procedimiento y aparecen en el ejecutado bueno vale pues con este procedimiento es con el que realizaría las predicciones y básicamente ese es el resumen de las capacidades de buena parte tienes otras capacidades que terminó ya con esta diapositiva tienes la posibilidad de explorar los datos tanto como con el servicio Servirles de servicio servirles de sql que te ofrece como con la posibilidad de ejecutar de ejecutar la exploración a través de notebooks de con el motor de spark tour y luego pues el modelado yo os he enseñado scott free que es la parte automatizada

de ml que es la sencilla y luego pues está la parte cognitiva services también detección de anomalías y análisis de sentimientos aunque éstas no son las Únicas también te permite utilizar con it in ser cognitive services pero ya sin el asistente de un montón más de procesos como por ejemplo en la aplicación de imágenes que terminando ya y ya está y bueno y luego por último el despegue del modelo que lo habéis en el requerimiento xilonen y que models y también lo puedes pegar a través de apaches parkour y estas serían las ventajas pero bueno

que también deciros Que no solamente se basa en el asistente sino que también podéis construir modelos con las librerías de emily sparkle melee que es una capa que por encima inm el spark que es una capa que ha construido especialmente microsoft m el spark sobre están aquí en microsoft y está sobre código y esto sería todo muchas gracias consultorio bueno nosotros gracias gracias si os parece bueno había previsto hacer una pequeña pausa por antes de ver aparte de Bradford pero bueno si os parece pues continuamos de acuerdo comparto pantalla bueno pues comenzamos cuando continuamos con

el tercer bloque y último de la sesión de hoy que está más relacionado con cuatro form en cuanto a power play for seguro que habéis escuchado hablar de power games vuelo que lo Conocéis o seguro que utilizáis en nuestras organizaciones día a día gran día pero bueno forma parte como origen forma parte de lo que es la plataforma en power en el microsoft la cual está formada por una serie de componentes con distinta finalidad y que son también realmente interesantes para para tenerlos en cuenta en algún momento como ya sabemos power vía y bueno pues

en la herramienta por excelencia por los Proporciona el dato que bueno pues permite conectarse a diferentes orígenes de datos y crear los informes dinámicos para proporcionar bueno pues todo lo necesario para la toma de decisiones en el caso de programas bueno pues es un entorno mala es un componente que nos permite crear aplicaciones no empresariales aplicaciones para lo que es una organización en forma global sino Aplicaciones bueno pues más orientadas a ciertas necesidades que pueda haber por parte de un área como un departamento concreto de la organización en las cuales bueno pues lógicamente nos va

a permitir conectarlos a datos y también definir cierta lógica para cubrir esas necesidades concretas del negocio lo interesante de esto es que bueno pues yo sé que no se requiere utilizar código para implementar las aplicaciones con problemas En el caso de power out o mi bueno pues es la herramienta que permite crear definir e implementar flujos de interfaz de usuario automatizados además de la manera bastante ágil en definitiva bueno estamos hablando de una herramienta que podremos considerar de bpm de binner process management y al igual que sucede con programs con power bien pues en este

caso tampoco se necesita y luego veremos algún ejemplo tanto de Popular como de power de ultimate y por último power virtual agent que fue digamos la herramienta al componente último en incorporarse a todo lo que es el ecosistema de power plazo permite crear de una manera bastante ágil bots ahora bueno pues establecer comunicación entre clientes o empleados qué que tengamos igualmente es una interfaz que es visual no requiere el implementar código y ya bueno pues si se quiere algo más específico lógicamente habría que Utilizar los servicios de así con las capacidades que ya ofrece entrando

comentando un poco de power en cuanto a lo que la conexión a datos bueno power by es una componente dentro del power profe que va con la cual se va liberando una versión cada vez y bueno aparte de dotarla de nueva funcionalidad también es cierto que se van incorporando cada vez más o se han ido incorporando cada vez más posibilidades de conectar a diferentes Orígenes de datos en la actualidad hay más de 100 aquí aparece pues unos cuantos ejemplos de dolor aquellos que son relativos a la conexión a ficheros en excel fichero de ficheros csv

xml jason luego a un compendio bastante interesante de bases de datos como secure server y oracle y mysql posible y luego alguna más específica como teradata cómo snowflake bertica también y por supuesto como ya hemos visto vale Y pues también tenemos la posibilidad de conectar en los diferentes servicios que ofrece así vale tanto a lo que es inapcet cómo va a ser todo de sql y cuenta de almacenamiento etcétera luego también permite conectar a diferentes servicios más particulares como por ejemplo los los que están relacionados con dinamics google analytics por aquí y pues acaso son

pocos que no lo parece va a aparecer algunos también más en este en esta otra Diapositiva como bueno por ejemplo pues encender es que aparecen por él con conexiones a jordà está brics o por ejemplo por microsoft etc en cuanto a la conexión a la conexión de datos bueno pues cabe destacar los tipos de conexión básicos que trae la herramienta ahora hay algunos auguramos que permite alguna algún tipo de conexión híbrido vale mezclando directory por ejemplo con un link en el caso lo que vemos aquí bueno en filas Aparecen los distintos tipos de conexión madrid

director de import aquí en esta primera columna por lo que trabaja ese tipo de conexión cada una de ellas y luego vamos a ir viendo en estas dos columnas donde se soportan lo que son los datos el modelo es algo que se ha implementado sobre el conjunto de datos y luego la parte de visualización que obviamente está siempre recae de power y en el caso de La conexión bueno pues trabaja principalmente con analysis services bueno bien sea es bueno sea el análisis service 6 o el mismo servicio el equivalente en el servicio de acción en

este caso tanto en los datos como el modelo reside en sql server analysis services y lógicamente a través de lo que son consultas utilizando el lenguaje de dax 1 mx podríamos bueno por lógicamente Conformar todo lo que son las visualizaciones del informe de power que en el modo directorio del tipo de conexión director y bueno pues está orientado a conectar a diferentes sistemas gestor de base de datos como pueden ser pues el eso puede ser ver lo que son instancias de sql en la nube nación buenos al jaén etc en este caso los datos residen

en el sistema gestor de base de datos relacional y luego lo que Es el modelo bueno pues se generan power by a través de consultas sql les lanzan sobre el origen para luego montar los informes en el en el caso del modo importa el tipo de conexión y bueno pues aquí se soportan todas las fuentes de datos incluida la amistad no sabrás los tipos de conexión vamos a los orígenes anteriormente citados y en este caso a diferencia de directorio en conexión vemos que todo lo que es relativo tanto a los datos como El modelo y

la visualización recae del lado de power gay ya digo que en función un poco las necesidades con vistas a tener una mejor performance y demás cabe la posibilidad de utilizar bueno pues conexiones híbridas para hacer tener un mejor tiempo de respuesta el aporte de modelado bueno en lo que respecta a pues volvía a hacer hincapié en la importancia de modera lo que se muestra en pantalla Bueno pues es en la parte superior el modelo que se corresponde con el origen de datos el sistema transaccional donde aparecen muchísimas tablas viendo aparecen un montón de relaciones también

entre ellas bien hay por lo que poco también vemos hay mucha tendencia de forma errónea a implementar los procesos power break sin prestar atención a este aspecto vale y lógicamente por el modelos al final se terminan complicando en exceso etc Bueno pues eso merma un poco las capacidades de la herramienta y un poco de cubrir las necesidades que tenga se tengan por parte de la organización y ese mismo modelo que aparece en la parte superior es el mismo modelo que aparece aquí de la parte de abajo simplemente lo que has hecho ha sido bueno pues

transformar la información para cargarla en un modelo final donde obviamente Se tiene un menor número de tablas y es mucho más sencillo y siempre más entendible por negocio y por qué es importante bueno pues porque nos permite crear una estructura sólida que represente el proceso que se quiere llegar a analizar a partir de lo anterior bueno pues también lógicamente facilita lo que la definición de las necesidades que se tengan del uso de datos que se le quiera dar etcétera y lógicamente pues ahorro a tiempo vale ni Dinero ni meses después en tratando de ver cómo

el origen de datos podría ser quizás adaptado para dar una respuesta por parte del informe de visualización luego también es interesante saber que reduce los errores y mejora la integridad de los datos y obviamente así nosotros partimos de un origen hemos aplicado la serie transformaciones y si lo hemos hecho bien vale bueno pues hemos tenido que asegurar que la integridad del dato Es la que la correcta lo que tiene que ser un acuerdo y luego bueno pues el hecho de tener un modelo pues ahora el ejemplo que vimos anteriormente redunda en que aumenta la velocidad

y el rendimiento por tanto hacemos hincapié en que se hace mucho mucho hincapié por aquí en blogs y demás es importante modelo en cuanto a visualización bueno pues claro la herramienta power bien pues acaso de lectura conozca lógicamente y Otra de posee una serie de capacidades de objetos de visualización consigo bueno ha ido aumentando en se incorpora de alguna en las diferentes personas que se han ido liberando pero no obstante lo interesante de esto es que bueno podemos podemos obtener más objetos visuales a partir de lo que es el marketplace como vemos aquí y bueno

que en función un poco la necesidad que se tenga pues podemos filtrar en función de si Buscamos un componente de tipo analytics o de filtrado de datos o bueno pues para representar capis etcétera estos objetos que aparecen aquí bueno en lo que es el marketplace también aparecen recogidos y quería hacer mención a este mapa vamos a hacer el momento ahí hasta esta página donde podemos ver un mapa con todos con todos los objetos visuales que hay disponibles para power bear y Que además esto es importante también es el prestar atención a sí bueno pues el

componente está certificado por microsoft o no de tal forma que bueno pues podemos tener la certeza de que bueno pues va a funcionar de manera correcta y el informe pues no se nos va a romper interesante de aquí bueno pues aparecen bueno clasificados por preferencia de microsoft certificado como certificado por power by y luego podemos ir entrando En cada uno de ellos vemos un poco lo que es el evento un poco lo que es el nombre del producto una breve descripción y luego también podemos consultar ver si ese componente es libre o es de pago

etcétera etcétera vale entonces bueno incluso también esto que aquí vale los que aparecen en blanco que parece que no hay nada pero si también son objetos visuales como los que vemos por aquí bien siguiendo un poco con la parte de Power game por mencionar algún ejemplo ya mostró algún ejemplo de esta parte y que se vea un poco la capacidad de la herramienta vamos a acceder a un informe que tenemos publicado en el servicio bien lo que tenemos aquí es un informe que bueno está planteado para que se pueda navegar por él mediante este menudo

de navegación por ejemplo aquí en en esta opción de Calidad voy a explicar previamente a que se recoge en esta en esta en esta informe y son datos asociados a lo que es la calidad del aire en la ciudad de madrid entonces bueno hay diferentes representaciones básicamente el indicador principal es el índice de calidad del aire como vemos bueno pues hay información representada de diferentes formas aquí bueno con este con esta visualización de Aquí vemos que además esta información se está actualizando uno de forma no en tiempo real pero sí con una determinada frecuencia y

bueno como particularidades se están recogiendo los datos de diferentes estaciones que hay en toda la ciudad de madrid entonces podemos centrar el foco en una determinada estación de tal forma que podemos actualizar los diferentes objetos visuales en el mapa queremos que Ya se centran en esa ubicación de esa estación y bueno luego podemos ver aquí pues el índice de calidad del aire por horas y magnitud en lo que respecta a lo que es el dióxido de nitrógeno y el ozono y una gráfica pues donde podemos ver un poco la evolución del índice de la calidad

del aire hoy y también del mismo valor para como veis bueno pues son navegables los informes el problema luego aquí en esta en esta otra visualización bueno pues Aquí lo que estamos mostrando son principalmente evoluciones vale de igual manera se tiene en las estaciones como elemento de filtrado y luego también bueno pues en las diferentes magnitudes vale de calidad al aire aquí lógicamente lo que hacemos es mostrar y bueno pues un espectro temporal más amplio para que si no recuerdo mal esto coge datos de 2019 en el 2019 vivimos aquí toda la evolución De lo

que ese índice de calidad del aire y de la temperatura para que ser la magnitud que aparece aquí es relacionada podríamos seleccionar otra magnitud para poder por relacionarla en los diferentes elementos visuales vale y así bueno pues tener más información y luego por ejemplo en esta otra donde se están mostrando pues no se pueden analizar las distintas magnitudes vale De las diferentes partículas que forman parte y determinan lo que es el índice de calidad entonces bueno aquí en la parte inferior vemos una media del índice de calidad del aire por contaminante pues por favor no

dios sigue nitrógeno 17 etcétera y aquí podemos ver pues una una media de las distintas medidas para sobre el transcurso del tiempo de cuarto en formato de tabla podemos seguir profundizando y navegando por la Información esto un poco en cuanto a lo que es visualización en power e tengo por aquí algún ejemplo más pero bueno casi prefiero pasar a pura y mostrar bueno hablar un poco con un ejemplo que son las power y mostrar un ejemplo para que se vea el funcionamiento bueno ya hemos comentado previamente al inicio de este bloque de manera muy resumida

qué es lo que nos permite hacer Pobra una buena manera es tratar de entenderlo con un ejemplo entonces en este caso vamos suponer que nuestra gente con nuestra empresa y bueno pues gestiona datos presupuestarios en un fichero excel vale seguro seguro que que algunos de los que estáis aquí pues podáis tener una experiencia similar ahora que justamente estoy poniendo como ejemplo o puede haber o conozcáis no a muchas otras organizaciones donde donde sólo se Haga así de esta manera entonces claro es verdad que los ficheros excel pues ya sabemos un poco qué es lo que

implica no es que no tenemos no podemos implementar mecanismos controles de calidad del dato etcétera entonces seguramente estemos de acuerdo en que si rápidamente una aplicación y podemos queremos creamos una aplicación para poder introducir el dato construye considerando las reglas de negocio las reglas de calidad de datos necesarias y aquellos mecanismos Que nos permitan tener una mejor calidad pues obviamente será mucho mejor y será una una fuente de datos mucho más fiable para todo lo que es en la plataforma que podamos creando en el caso de power apps bueno es permite tener contempla una serie

de plantillas prediseñadas por ejemplo para hacer encuestas de satisfacción de empleados para hacer una Gestión de inventario para gestión del presupuesto pues se puede crear a partir de una plantilla lo que es una aplicación de service test para que bueno todas las posibilidades aparte un poco de lo que ya de por si se ofrece entonces voy a mostrar un ejemplo es un ejemplo que está basado en una aplicación para una empresa que fabrica productos que son cámaras digitales drones Etcétera vamos a mostrar pantalla por aquí si milito bien bien esta empresa bueno tiene diferentes fábricas

varía en cada fábrica desarrolla un determinado tipo de producto entonces cada una de las columnas que aparecen aquí en la aplicación bueno pues se corresponde con una de las fábricas que tenemos por aquí vamos a la Derecha para cámaras digitales drones otro tipo de accesorios vamos a la izquierda y si observáis a la parte de la izquierda en la parte inferior aparece una serie de indicadores que nos marcan un poco el tiempo efectivo de uso de los equipos en las líneas de fabricación y luego por ejemplo pues yo que sé días sin accidentes el número

de empleados y vemos que y bueno pues estas fábricas de aquí tienen este este indicador en verde vale pero lógicamente Estamos viendo de aquí este indicador está en rojo bueno pues vamos a ver vamos a entrar en esa fábrica para ver un poco dónde se produce el error como veis aquí aparece un mapa donde se recogen las distintas áreas no creo que es la planta de fabricación y vemos esta distribución donde aparecen diferentes líneas de producción línea de producción 312 entonces ya Vemos que hay pues algún problema warning que aparece pinchando aquí podríamos ver que

en el en el transportador este pues es donde parece ser que existe el problema accedemos a los detalles y accedemos a la otra a otra página en otra ventana de la de la aplicación donde vemos los diferentes componentes que forman parte de esa línea de producción y vemos qué bueno nos aparece aquí Bueno justamente en este en este dispositivo el problema no es guarden bien estos elementos que vemos aquí estas gráficas son informes de power white lo interesante de esto es que los componentes de power platform están entre ellos integrados mal entonces podemos desde una

aplicación de power que vemos a una aplicación hecha con por apps y lanzar un auto continuo hecho con pólvora del tomate o podemos en breve un Informe de power bien vale o incluso incrustar dentro de un informe una aplicación ya que esto un poco como lo que éramos un poco articular bien asociado esto que estamos mostrando aquí bueno pues vemos que en esta gráfica se está representando una evolución del consumo de energía y vemos que siempre están más o menos son los mismos parámetros pero justamente aquí al final es cuando se produce una caída del

consumo de energía Si vemos un poco el valor que tiene por próximo a 10.000 vale y si vamos por aquí hasta que era hasta el final que vemos que tiene un valor entonces bueno pues en este caso la persona que está haciendo la aplicación puede acceder a un nivel de información conocer un poco lo que son las características técnicas de ese elemento en el cual se ha producido el fallo observa un poco lo que son las Características técnicas y podríamos ver en la línea del tiempo ver en qué momento justamente se ha producido el problema

bueno entonces vemos que en esta fecha en esta hora se ha producido una excepción pueden ser una excepción que no se puede manejar vale con un código de error por mente acto seguido podríamos como veis dentro de la propia aplicación en beber por ser bots derecho con los oyen de poder profesor y bueno Puedes lanzar aquí nuestro mensaje vale para ver un poco cómo podemos hacer establecer una mayor eficiencia en un segmento que no nos indica que tenemos que configurar una determinada un determinado valor con un con un valor por el valor que queramos y

acto seguido esto lo ponemos en conocimiento un poco de lo que es el canal de soporte para que actuar en consecuencia Y en principio esto sería un poco el ejemplo vale viendo está tomando en consideración está esta aplicación qué cosas se pueden hacer con un pobre bueno aquí lo que estamos viendo es el es el entorno de desarrollo de apps store web bueno aquí en la parte de la izquierda tendremos las diferentes opciones y y bueno aquí estamos viendo en esta opción lo que es el árbol de componentes que hay que forman parte de la

Aplicación que justamente hemos visto anteriormente aquí estaría si todo lo que es el canvas y en la parte de la derecha lo que son las propiedades de cada uno de los objetos se mostrará las propiedades de aquel objeto que hayamos seleccionado bueno al igual que hemos visto que power vía y tiene bastantes capacidades en lo que es conexión a datos de igual manera podemos ver aquí en la Fuente de datos que podemos acceder cuál a diferentes fuentes de datos mole como veis unas cuantas e hemos comentado que anteriormente en cada una de las columnas se

corresponde con la fábrica una fábrica en concreto donde se fabrica un determinado producto en este sentido bueno pues todo lo que aparece aquí lógicamente lo conectamos a datos no Hemos dicho que una de las particularidades particulares en realidad es de las aplicaciones de programas que se pueden conectar a datos no entonces en este caso tenemos este objeto aquí donde bueno pues veis que no la marca y aquí a nivel de fuente de datos accedemos a seleccionar cuál es el origen de esta descripción de el producto no tenemos aquí según hemos seleccionado lo que es el

fichero extraño bueno pues lo Que haríamos sería seleccionar el campo en el cual estaría el dato en cuestión bien esto por un lado luego los objetos que se incorporan en la aplicación bueno pues en el momento de lo que es la implementación parte se puede definir lo que es un estado pero ese estado puede ir cambiando conforme vamos o navegando por la información o sea por la aplicación o bien porque los propios Datos a los cuales están conectados cambian varían entre en este sentido si vamos aquí si recordáis aquí justamente asociado a cada uno de

los componentes debe en la línea de producción que vimos anteriormente aparecía un icono entonces bueno podemos establecer expresiones como esta de aquí de tal forma que en función del estado pues se muestre una imagen u otra y luego si recordáis también está embebido un informe de power bien dentro De la aplicación y para ello bueno pues hay un tipo de elemento dentro las aplicaciones que es este no para poder integrar en forma con power bien y aquí básicamente lo que haríamos sería seleccionar cuál es el cuarto space en el cual estaría ubicado el informe y

luego lo que es el cuadro de mando para la cuadra de mando y el elemento visual para hacerlos visibles Bien esto autógrafo como veis la verdad que el grado de personalización es bastante elevado se puede dotar de bueno pues una capacidad bastante interesante y se pueden hacer cosas tan chulas como esta aplicación que os he mostrado luego siguiendo con lo que es el guión que teníamos marcado en cuanto a power autómata pues siguiendo con el ejemplo que antes comentábamos y por entenderlo mejor pero lo que son los presupuestos pues Lógicamente podríamos pensar en que podrían

podrían estar si lo mismo se podría establecer lo que es un circuito de aprobación de tal forma que bueno pues esos presupuestos podrían estar en un estado de de creación independiente de aprobación o aprobado bueno pues ese flujo vale podríamos representarlo o podríamos implementarlo a través de power out o main en pobre autómata hay diferentes tipos De flujos hay flujos que son vamos a decir automatizados y dentro de los automatizados a su vez hay como un segundo nivel flor de escritorio y los de procesos comerciales vamos a decir peros automatizados bueno pues se activan por

un evento que se producto vale como por ejemplo que se reciba un determinado correo en una determinada cuenta de correo en una cuenta desde la organización Luego los instantáneos que son ejecutados bajo demanda se envía a un grupo de empleados un determinado email a modo de recordatorio o luego por ejemplo los flujos programados que se ejecutan con una determinada frecuencia por esa sociedad por ejemplo hago lo que es una carga de datos o cuando bueno pues se dejaba un [Música] por ejemplo porque un fichero se dejaré en sharepoint entonces bueno salvo que Se defraude determinada

hora y dejando un periodo del margen vale puedes lanzar lo que es un flujo automatizado ya nivel de escritorio y bueno esta es una de las últimas novedades que hubo asociados a power auto mail lleva ya un tiempo pero no lo mucho es la posibilidad de automatizar procesos a través de la herramienta de escritorio power out o may de esto esto bueno pues lógicamente Nos permite automatizar ciertos procesos que son repetitivos mal y que lógicamente requieren de un tiempo y eso pues todos sabemos que se traduce en coste no y luego por último otro tipo

de flujos que son digamos procesos más conversiones bueno permite marcar un mismo procedimiento en interacciones que tengamos todos los clientes bien algunos ejemplos de plantillas prediseñadas también que se tienen por Un auto med pues hay muchas más verbo pero un par de ellos por ejemplo por citar algunas de ellas la posibilidad de guardar archivos adjuntos de correo electrónico en one drive para ir recopilando los ficheros que nos que nos llegan vale luego por ejemplo enviar un correo electrónico con una lista de próximos eventos en el calendario vale conocer nuestro problema no existe esa posibilidad pero

bueno vamos a ver un ejemplo ahora que es quizá más Ilustrativo y la verdad que bueno bastante interesante vamos a ir aquí a power vale en este caso lo que vamos a ver qué es y cómo centrándonos en un proceso de la compañía de facturación somos capaces de ver aquello que representa pues su cuello de botella es decir aquello que requiere más tiempo para ver si de alguna forma se puede llegar a optimizar en este sentido bueno aquí lo Que vemos es el entorno de power out obeid con todas las opciones disponibles lo que es

bueno en los elementos de acción que se pueden incluir dentro de los flujos los flujos que uno ha generado la posibilidad de hacer uso de templates toda la parte relativa da a todos y luego lo que son tiene un wílder para inteligencia artificial y luego lo que es el él advisor para un Poco de un asesor vale respecto a algún proceso que nosotros queramos un poco pues tratar de automatizar en mayor medida bien una vez tenemos seleccionado la opción de crear vemos que aquí nos aparece lo que es esta opción para crear un proceso establecemos

lo que es el nombre del proceso y bueno en este caso podemos crear este este proceso viene a través de De graduaciones de una grabación hecha con power out o made de esto o bien a través de a partir de datos en este caso seleccionamos los datos en este caso vamos a pensar que nos hemos hecho una extracción de los datos del sistema a un fichero excel a un volcado y bueno pues establecemos cuál es el fichero y a partir de aquí vamos al siguiente esto es el work wearing como se puede ver Seleccionamos la

tabla en la cuadra es tan bueno la lojana que están los datos le damos a siguiente y bueno a partir de aquí le hacemos un mapeo vale de las columnas estableciendo las columnas que queremos utilizar en nuestro proceso vamos le decimos aquí las columnas que queremos utilizar Y ya le damos aquí para entonces con esta información ya podemos analizar esos datos aquí en la parte de analytics podríamos tener representado lo que es el flujo de la que justamente estamos considerando de facturación entonces bueno aquí vemos justamente sombreadas en aquella en un color más oscuro aquellas

partes que lógicamente podrían de alguna forma automatizarse podemos hacer un poco de Aquí para que se vea todo pero bueno este es el tiempo y que empecé ahí son 16 días tiempo medio para revisar lo que son las facturas que se han incorporado en la organización entonces bueno esto es algo que se puede llegar a automatizar un segundo que es similar pues aquí bueno este otro ejemplo lo que está haciendo es uso de power auto me de stop para grabar ese proceso d de por ejemplo el crear las facturas en el sistema a través de

a través de este Componente se podría llegar a automatizar lo cual bueno bastante interesante vale y aquí aparece representado lo que sería el flujo completo entonces bueno lo que aparece en azul es lo que el asesor no advisor nos propone como un proceso a mejorar dentro de lo que es el proceso por ejemplo el descargar lo que son los documentos de una cuenta de email Que almacenan lo para luego poder bueno pues el hablar de alta eso se podría llegar automatizar esto de aquí bueno que dentro de la introducción de los detalles vale dentro de

los datos de las facturas dentro de aplicación también se podría llegar automatizar como hemos visto bueno y en este caso lo que es la promoción de las facturas que es algo que también se podría llegar a a automatizar Y bueno pues podemos en función de lo que hayamos recogido con power automatic stop centrarnos en actividades concretas para como esta de aquí tratar de automatizar todo esto podríamos pensar que por ejemplo para lo que es la automatización de la descarga de los ficheros se podría hacer uso de este conector office365 y luego por ejemplo para lo

que es la Aprobación en sí podríamos hacer uso de microsoft teams entonces bueno aquí un poco lo que vemos con el ejemplo no sabemos para qué haciendo zoom vale es que por ejemplo vamos suponer que hemos aplicado la automatización en una determinada región de la organización y lo que estamos viendo aquí bueno pues ese es el proceso a nivel global para toda la organización Aquí estamos teniendo un tiempo que ya no se ve bien son de 16 días pero lógicamente tras haber automatizado eso en lo que en la región concreta donde donde hemos podido llegar

a aplicar esa automatización hemos bajado el tiempo de 16 el tiempo medio ha bajado a 3 días atrás con lo cual bueno pues esto se traduce en que bueno puede ser el tardar menos tiempo hacer este proceso bueno pues redonda que bueno pues la Satisfacción del cliente lógicamente es menor y también obviamente los costes que implica el automatizar perdón el hacer esto de forma automatizada en lugar de forma manual y hasta aquí bueno pues un poco lo que es los ejemplos vale y un poco la información relacionada con un power out o made voy a

dejar de compartir pantalla y ver si podemos habilitar No sé si queréis hacer alguna pregunta raúl mucho gusto francamente de honduras tengo una consulta la aplicación que presentó en pobra cse tienen algún curso donde la explican el desarrollo de cero integrándolo siempre con por baltar ourense orbe si no recuerdo si no mal recuerdo creo que también en teherán con por auto s Tienen algún curso donde expliquen el desarrollo de cero de esa aplicación actualmente no tenemos publicado vale no estamos generando un poco lo que es el material vale pero bueno vamos a ver si podemos

liberarlo dentro de poco y con vistas a plantearlo bien de forma modular por ahora por auto medido pues acaso alguien tiene interés en algo concreto o bien de forma conjunta porque sí porque me interesaría Tomar ese curso donde expliquen el desarrollo de cero de esa aplicación o algo similar porque la veo hoy completa y muy integrada con con la franja es uno de los puntos fuertes de la plataforma la capacidad integración no entre los diferentes componentes sensores perfecto entonces en caso de que tengan estarán comunicando así los estaremos comunicando los tramos publicando y dándole visibilidad

son súper muchas Gracias al proceso pues alguna pregunta más y ahora buenos días soy alberto bien desde españa y una pregunta sencilla diferencias entre la nube de de azul y con respecto a amazon o google de forma un poco más general bueno a ver son muy similares muy parejas cada una de ellas es cierto qué A ver hay páginas hay sitios y creo que me lo hacía esta mañana una mención a un artículo que se publicó en el cual se podía ver en función del tipo de servicio cuál es el equivalente en cada una de

ellas vale y así fue la primera osa perdón amazon fue la primera ha subido después google le sigue yo o sea nosotros un poco vemos que en la parte de data quizás acción está apostando bastante Fuerte por las capacidades que está ofreciendo y un poco toda la integración entonces a ver a grandes rasgos sería difícil un poco decirte cuál es mejor o peor porque a ver también es cierto que hay organizaciones que parece que están un poco ya pues trabajando con microsoft o con asier y un poco shop no saco una manzana con nación' y

un poco les condicionan y les marca vale pero bueno por ejemplo en lo que es gobierno Del dato pierre view aunque le falta todavía por lo que mostré esta mañana en cuanto al roadmap en las capacidades que tienes son muy interesantes muy buenas yo creo que a día de hoy amazon no tiene una una herramienta similar un recurso o un servicio similar a él y con tanta capacidad aunque recuerdo partidas vale a una pregunta más por ahí algún compañero está levantando la mano Hola hola buenos días tardes de canarias quería preguntar estuve mirando en la

página web de ustedes el curso que tienen sobre cloud analytics pero no veo información sobre precios calendario duración porque veo que tengan un montón de plataformas como hemos visto hoy un poco después snowflake las de microsoft las demás pero él la modalidad del curso sería pero si el el alumno tocaría esas herramientas o Sería simplemente visualizar cómo el profesor pues hace todas las acciones como ha visto y bayern son próximas informaciones que ofrecemos en próximos bárbaros y ustedes minutos es que proveerían de todas las herramientas licencias y demás entornos o cómo sería bueno a ver

esto depende depende la organización hay empresas que quieren que se realice con su suscripción caso por ejemplo de asia y en otras Ocasiones ponemos la solución y ahí bueno pues se pueden crear los recursos necesarios para luego realizar la formación los ejercicios prácticos claro o sea que por lo que estás comentando entiendo que las formaciones esas están más enfocadas a empresas y a grupos y no tanto a particulares como puede ser en mi caso principalmente [Música] para tratar eso A una pregunta más pues damos por finalizado el hueso muchas gracias por asistir espero que haya

sido de interés hasta luego gracias