Guía de Spark SQL, DataFrames y DataSets

Spark SQL es un módulo de Spark para el procesamiento de datos estructurados. A diferencia de la API básica Spark RDD, las interfaces propo...

El Problema del Sesgo de Datos en Sistemas Distribuidos

El rendimiento de los sistemas de Big Data está directamente relacionado con la distribución uniforme de los datos de procesamiento entre t...

Como escribir una aplicación Kafka Streams en Scala

En el siguiente documento tienes una guía completa de como puedes empezar a escribir una Aplicación Kafka Streams en Scala desde 0.

¿Que API de Kafka debo usar en mi Caso de Uso?

El aprendizaje de Kafka es complicado. Aunque el núcleo de Kafka se mantenga bastante estable con el tiempo, los frameworks que envuelven a...

Un Vistazo a Cloudera en la Nube: CDP

Cloudera ha lanzado recientemente Cloudera Data Platform (CDP), su nueva plataforma de datos insignia que permite a los clientes gestionar ...

Crear un directorio de inicio para un usuario local en HDFS

En el examen, se le puede pedir que cree un directorio de inicio para un usuario local existente en HDFS. Es posible que se le solicite que...

Diseño de un pipeline para procesamiento de datos de streaming en TR

Comparto en este post el excelente libro de Andrew G. Psaltis enfocado para desarrolladores y arquitectos que quieran comprender un sistema...

Breve historia de la Inteligencia Artificial

Vivimos en la era de la revolución del conocimiento, cuando el poder de una nación no está determinado por el número de soldados de su ejér...

El Futuro del Aprendizaje Automático y de la Inteligencia Artificial

Para el 2020, la Inteligencia Artificial (IA) y las tecnologías asociadas estarán presentes en muchas industrias, dentro de un número consi...

Análisis y visualización básica de estadísticas de tweets con Python

Voy a realizar un análisis estadístico básico de la cuenta de tweeter @realDonaldTrump de cara a un posterior análisis de sentimientos (int...

Extracción y gestión básica de datos de Twitter con Python

En este artículo voy a extraer datos de Twitter usando tweepy y a mostrar cómo gestionarlos usando pandas. Explicaré la publicación completa...

Ingestión de datos con Spark y Kafka

Un componente de arquitectura importante de cualquier plataforma de datos son aquellas piezas que gestionan la ingestión de datos. En muchos...

Introducción a la ingesta en Tiempo Real con Kafka

En una publicación anterior aborde el tema de la ingestión de datos masivos usando la herramienta Flume (consúltala aquí ). Siguiendo con e...

Introducción a Apache Spark con Anaconda Spider

Esta publicación introductoria está destinada a ayudarte a dar el primer paso en el procesamiento de Big Data con Apache Spark utilizando l...

Introducción a la ingesta de datos con Flume

Flume está diseñado para la ingestión de grandes volúmenes de datos basados en eventos en Hadoop. El ejemplo clásico es usar Flume para rec...

Soporte al Coaching basado en Big Data: Entrevista con Oblu Coaching

La película de 2011 Moneyball representa la verdadera historia del manager de béisbol Billy Beane (interpretado por Brad Pitt) que desafía ...

Combatiendo el fraude en la Banca con Big Data Analytics

El fraude y los delitos financieros ya no pueden ser un coste aceptable al hacer negocios. Los esquemas de fraude son cada vez más sofistic...

El uso de la IA en Banca

La IA puede mejorar la personalización de los clientes, identificar patrones y conexiones que los humanos no pueden, y responder a pregunta...

Componentes Principales del Ecosistema Hadoop

En este artículo voy a hablar de varias herramientas diferentes que se utilizan en la parte superior del framework Hadoop. Con la evolución...

El auge de la Inteligencia Artificial en proyectos de explotación de datos

Ya va a hacer un año de lo que muchos bautizaron como uno de los principales hitos de la historia de la Inteligencia Artificial. Un algorit...

Uso de tecnologías SQL y NoSQL en proyectos de BI

La idea de que las tecnologías SQL y NoSQL están en oposición directa y compitiendo entre sí es absolutamente errónea, lo que se evidencia ...

Introducción a la Replicación en MongoDB

Utilizar un servidor independiente, un servidor mongod único, es una manera fácil de empezar, pero una forma peligrosa de funcion...

Introducción a Bases de Datos NoSQL y MongoDB

Entre las implicaciones del movimiento <<Big Data>> se encuentra la creciente demanda de sistemas de gestión de bases de datos ...

Modelo de Datos Semiestructurados

Se puede decir sin lugar a dudas que Internet y la web nos ha cambiado la vida. De hecho, la web es la mayor fuente de información que exis...

Modelo de Datos Relacional

Ya he mencionado que un modelo de datos se caracteriza por la estructura de datos que admite, las operaciones sobre esa estructura y la for...

Restricciones en los Modelos de Datos

El tercer componente de un modelo de datos son las restricciones. Una restricción de datos es una expresión lógica, lo que significa que se...

Operaciones sobre los Modelos de Datos

El segundo componente de un modelo de datos es el conjunto de operaciones que se pueden realizar sobre los datos. En este módulo voy a anal...

Estructuras de los Modelos de Datos

En el mundo de Big Data escuchamos frecuentemente el término "datos estructurados", es decir, datos que tienen una estructura que...

Introducción a los Modelos de Datos

En este modulo voy a hablar de los modelos de datos. Si has seguido el curso de introducción en mi blog, puede que recuerdes el artículo so...

Gestión de Datos en el sector de la Energía

Vamos a pensar en una aplicación real que demuestre la utilidad y los retos de Big Data. Muchas industrias gestionan por naturaleza grandes...