Metodología editorial
Cómo validamos el contenido.
Lakehouse Lab documenta sus fuentes y limitaciones para que puedas evaluar la confianza del material antes de invertir tiempo de estudio.
1. Autoría y contexto
Juan José Navarro Vidal mantiene el proyecto como Autor y mantenedor del proyecto Lakehouse Lab. El repositorio no declara revisores externos ni afiliación con Databricks. La metodología deja esos campos preparados para completarlos cuando exista evidencia verificable.
2. Fuentes utilizadas
Las lecciones y laboratorios enlazan fuentes principales por módulo. La prioridad editorial son documentación oficial de Databricks, blueprints de certificación y referencias técnicas de Delta Lake o Apache Spark cuando corresponda.
3. Relación con Associate y Professional
Los blueprints se usan como mapa de cobertura, no como copia del examen. El producto enseña ingeniería de datos práctica con Databricks y usa Associate/Professional como rutas y resultados de aprendizaje.
4. Redacción y revisión técnica
El proceso actual combina modelado del currículo, redacción de lecciones, creación de laboratorios, preguntas formativas y revisión interna contra fuentes enlazadas. Estado actual: Revisión editorial interna. No se declaran revisores externos hasta que exista evidencia pública.
5. Actualización, errores y versiones
Revisión planificada cuando cambian blueprints, documentación oficial o dependencias del currículo. Versión editorial actual: 2026.07. Última revisión global: 22 de julio de 2026.
Los errores se reportan en GitHub Issues. Cada módulo y lección incluye un enlace de reporte con contexto precargado. El changelog público resume cambios de contenido, producto, privacidad y accesibilidad.
6. Duración estimada
Las duraciones suman los minutos definidos en el currículo por módulo. Cada módulo incluye cinco lecciones, un laboratorio y una evaluación. Para la ruta de laboratorios se estima solo la parte práctica: 45 min por laboratorio estándar, 75 min por proyecto de rama y 120 min por capstone.
7. Limitaciones
Lakehouse Lab no está afiliado, patrocinado ni avalado por Databricks. Los simulacros son internos, no son exámenes oficiales, no garantizan aprobar y no sustituyen experiencia real en un workspace. Algunas prácticas pueden requerir capacidades de pago; cuando ocurre se indica en el laboratorio.
El repositorio público permite revisar implementación, pruebas y cambios: https://github.com/jjnv/lakehouse-lab.