Code
Optimización de procesamiento de datos de sensores eólicos en Pamplona
Visión general
De qué trata este proyecto.
Tu equipo de tres personas debe diseñar y prototipar una migración del pipeline actual a una arquitectura de nube híbrida. Debes procesar 50 GB diarios de datos de sensores de vibración (frecuencia de muestreo 10 kHz) y variables térmicas, usando un framework de procesamiento distribuido que permita ejecutar análisis de Fourier en paralelo. La solución debe mantener los últimos 7 días en caliente para alertas en tiempo real (latencia < 10 segundos) y archivar históricos en almacenamiento distribuido de bajo coste. Restricción: no se permite interrupción del servicio actual durante la migración. El éxito se valida con una demostración de procesamiento de 24 horas de datos en menos de 5 minutos de computación distribuida.
El Briefing
Lo que harás y lo que demostrarás.
Cómo reducir de 30 minutos a menos de 10 segundos la detección de anomalías críticas en aerogeneradores mediante migración a procesamiento distribuido en la nube sin interrumpir operaciones actuales.
Earning criteria — what you'll demonstrate
- Implementar pipelines de procesamiento distribuido para datos de alta frecuencia en tiempo real
- Diseñar estrategias de migración a la nube con continuidad de servicio en entornos industriales críticos
- Configurar sistemas de almacenamiento distribuido con políticas de ciclo de vida para optimización de costes
- Evaluar mecanismos de tolerancia a fallos en arquitecturas de computación distribuida
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Ingeniero de Machine Learning
El procesamiento de datos de sensores en tiempo real y la optimización de pipelines distribuidos son competencias fundamentales para implementar modelos de Machine Learning en producción a escala industrial
Este proyecto afina
- distributed-computing
- stream-processing
- performance-optimization
Arquitecto de Internet de las Cosas (IoT)
La experiencia en ingestión, procesamiento y almacenamiento de datos de sensores de alta frecuencia en entornos eólicos aplica directamente al diseño de arquitecturas IoT para sectores industriales
Este proyecto afina
- stream-processing
- data-pipeline-design
- fault-tolerance
Científico de Datos de Internet de las Cosas (IoT)
El análisis de series temporales de vibración y la preparación de datos para mantenimiento predictivo son habilidades centrales para la ciencia de datos aplicada a infraestructuras conectadas
Este proyecto afina
- distributed-computing
- data-pipeline-design
- performance-optimization