Administración de Apache Spark

Esta formación en vivo, impartida por instructores en Panama (en línea o presencial), está dirigida a científicos de datos e ingenieros de nivel intermedio que desean utilizar Google Colab y Apache Spark para el procesamiento y análisis de big data.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de big data utilizando Google Colab y Spark.
• Procesar y analizar grandes conjuntos de datos de forma eficiente con Apache Spark.
• Visualizar big data en un entorno colaborativo.
• Integrar Apache Spark con herramientas basadas en la nube.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a ingenieros de datos, analistas de datos y profesionales que desean utilizar Databricks y PySpark para construir pipelines de datos escalables y migrar flujos de trabajo SQL existentes.

Esta formación ofrece una introducción práctica para construir flujos de trabajo escalables de procesamiento de datos y aprendizaje automático utilizando PySpark. Los participantes aprenderán cómo funciona Apache Spark dentro de los ecosistemas modernos de Big Data y cómo procesar conjuntos de datos grandes de manera eficiente aplicando principios de computación distribuida.

Este curso práctico de tres días se centra en la construcción y optimización de cargas de trabajo de procesamiento de datos eficientes utilizando PySpark, Pandas y Polars en entornos basados en Kubernetes.

Los participantes desarrollarán una comprensión práctica de cómo se ejecutan las aplicaciones de Spark en Kubernetes y cómo las decisiones de configuración a nivel de aplicación influyen en el rendimiento, la escalabilidad, el consumo de recursos y los costos. El curso cubre áreas clave de optimización, como el dimensionamiento de ejecutores, la asignación de memoria, la asignación dinámica, las estrategias de particionamiento, el comportamiento de shuffle, el problema de los archivos pequeños y el procesamiento eficiente de Parquet.

El curso también aborda los desafíos comunes al trabajar con Pandas, incluyendo las limitaciones de memoria y las fallas por agotamiento de memoria (out-of-memory), e introduce Polars como una alternativa de alto rendimiento para cargas de trabajo de procesamiento de datos seleccionadas. Mediante ejercicios prácticos, los participantes diagnosticarán problemas de rendimiento y memoria, compararán diferentes estrategias de configuración y aplicarán técnicas de optimización a escenarios realistas de ETL y aprendizaje automático.

El énfasis a lo largo del curso recae en la toma de decisiones práctica: entender cómo identificar cuellos de botella, seleccionar la herramienta adecuada, configurar Spark de manera eficiente y equilibrar el rendimiento con el consumo de recursos de infraestructura y los costos.

Esta formación en vivo impartida por un instructor en Panama (en línea o presencial) está dirigida a ingenieros que deseen configurar e implementar un sistema Apache Spark para procesar grandes volúmenes de datos.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar Apache Spark.
• Procesar y analizar conjuntos de datos muy grandes con rapidez.
• Comprender las diferencias entre Apache Spark y Hadoop MapReduce, así como saber cuándo utilizar cada uno.
• Integrar Apache Spark con otras herramientas de aprendizaje automático.

En esta capacitación en vivo impartida por un instructor en Panama, los participantes aprenderán a utilizar Python y Spark conjuntamente para analizar datos masivos, trabajando con ejercicios prácticos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Aprender a utilizar Spark con Python para analizar Big Data.
• Realizar ejercicios que simulan casos del mundo real.
• Utilizar diferentes herramientas y técnicas para el análisis de grandes volúmenes de datos mediante PySpark.

Esta formación en vivo impartida por un instructor en Panama (en línea o presencial) está dirigida a desarrolladores que desean utilizar e integrar Spark, Hadoop y Python para procesar, analizar y transformar conjuntos de datos grandes y complejos.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno necesario para comenzar a procesar big data con Spark, Hadoop y Python.
• Comprender las características, componentes principales y arquitectura de Spark y Hadoop.
• Aprender cómo integrar Spark, Hadoop y Python para el procesamiento de grandes datos.
• Explorar las herramientas del ecosistema de Spark (Spark MLlib, Spark Streaming, Kafka, Sqoop, Kafka y Flume).
• Construir sistemas de recomendación mediante filtrado colaborativo similares a los de Netflix, YouTube, Amazon, Spotify y Google.
• Utilizar Apache Mahout para escalar algoritmos de aprendizaje automático.