Spark y Python para Big data con PySpark
Spark y Python para Big data con PySpark
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 240 h
11 unidades
Nivel principiante
Qué aprenderás
Lo que serás capaz de hacer
Esta especialización proporciona una vía de aprendizaje completa en Apache Spark y Python (PySpark) para el análisis de Big data, el aprendizaje automático y el procesamiento de datos escalable. Los estudiantes comenzarán con las técnicas básicas de Python y PySpark, avanzarán hacia el modelado predictivo y el clustering, y explorarán flujos de trabajo de datos avanzados incluyendo ETL pipelines, streaming y procesamiento en tiempo real. Al final, los participantes estarán equipados con habilidades prácticas para diseñar, construir y optimizar aplicaciones distribuidas para la ingeniería de datos, análisis e inteligencia empresarial.
- Aplicar PySpark para construir, optimizar y evaluar flujos de trabajo de procesamiento de datos distribuidos.
- Diseñe y ejecute modelos de aprendizaje automático predictivo para análisis a gran escala.
- Construya canalizaciones ETL, aplicaciones de streaming en tiempo real y soluciones avanzadas de Big data con Spark.
Habilidades que desarrollarás
PySpark
Apache Spark
Programación en Scala
Extracción, transformación y carga
Canalizaciones de datos
Análisis de clientes
Apache Hadoop
Macrodatos
Procesamiento de datos
Analítica avanzada
Apache Maven
Modelado estadístico
Ingeniería de datos
Minería de textos
Conocimiento del cliente
Transformación de datos
Análisis de datos
MySQL
Apache
Programación en Python
Temario
UNIDAD 1 - Fundamentos de PySpark y Python · 15 leccionesPySpark y Python: Guía práctica para el procesamiento de datos - UNIDAD 1 - Fundamentos de PySpark y Python
UNIDAD 1 - Fundamentos de PySpark y Python · 15 lecciones
PySpark y Python: Guía práctica para el procesamiento de datos - UNIDAD 1 - Fundamentos de PySpark y Python
- Introducción a PySpark
- Conceptos básicos de Python
- Conceptos básicos de Python Continuar
- Primeros pasos con PySpark y Python
- Programación con RDD
- Más ejemplos
- Bucle Foreach
- Trabajar con RDD y estructuras de control
- Uso de la función Reduce
- Conectividad Mysql
- Visualización de registros desde Mysql
- Programación funcional y acceso a datos
- Construyendo tu primer flujo de trabajo PySpark: De los fundamentos de RDD a la conectividad con bases de datos
- Calificado - Fundamentos de PySpark y Python
- Lanzamiento de una sesión de análisis PySpark en un laboratorio de computación distribuida
UNIDAD 2 - Manejo avanzado de datos y Joins en PySpark · 11 leccionesPySpark y Python: Guía práctica para el procesamiento de datos - UNIDAD 2 - Manejo avanzado de datos y Joins en PySpark
UNIDAD 2 - Manejo avanzado de datos y Joins en PySpark · 11 lecciones
PySpark y Python: Guía práctica para el procesamiento de datos - UNIDAD 2 - Manejo avanzado de datos y Joins en PySpark
- Más ejemplos Parte 1
- Más ejemplos Parte 2
- Pyspark se une
- Pyspark Joins Ejemplos
- Ejemplos aplicados y operaciones JOIN
- Más ejemplos sobre Mysql Parte 1
- Más ejemplos sobre Mysql Parte 2
- Recuento de palabras
- Integración de MySQL y tratamiento de textos
- Graded - Manejo avanzado de datos y Joins en PySpark
- Creación de una canalización de datos distribuida con PySpark en un entorno de análisis en vivo
UNIDAD 3 - Técnicas de regresión en PySpark · 17 leccionesPySpark: Aplicar y evaluar modelos predictivos de ML - UNIDAD 3 - Técnicas de regresión en PySpark
UNIDAD 3 - Técnicas de regresión en PySpark · 17 lecciones
PySpark: Aplicar y evaluar modelos predictivos de ML - UNIDAD 3 - Técnicas de regresión en PySpark
- Introducción a Pyspark Intermedio
- Regulación del revestimiento
- Salida Colomn
- Datos de la prueba
- Predicción
- Introducción a los modelos lineales
- Regresión lineal generalizada
- Regulación forestal
- Modelos de regresión avanzados
- Regresión logística binomial Parte 1
- Regresión logística binomial Parte 2
- Regresión logística binomial - Parte 3
- Regresión logística binomial - Parte 4
- Modelos de regresión logística
- Diseño y evaluación de flujos de trabajo de regresión predictiva en PySpark
- Graded - Técnicas de regresión en PySpark
- Creación y validación de modelos de regresión en PySpark para el análisis predictivo
UNIDAD 4 - Clasificación y agrupación con PySpark · 9 leccionesPySpark: Aplicar y evaluar modelos predictivos de ML - UNIDAD 4 - Clasificación y agrupación con PySpark
UNIDAD 4 - Clasificación y agrupación con PySpark · 9 lecciones
PySpark: Aplicar y evaluar modelos predictivos de ML - UNIDAD 4 - Clasificación y agrupación con PySpark
- Regresión logística multinomial
- Regresión logística multinomial Continuar
- Árbol de decisión
- Modelos multinomiales y árboles de decisión
- Random Forest
- Modelo K-Means
- Técnicas de agrupación y clustering
- Graded - Clasificación y agrupación con PySpark
- Implementación de modelos de aprendizaje automático escalables con PySpark bajo la presión de la producción
UNIDAD 5 - Análisis y procesamiento avanzados con PySpark · 15 leccionesPySpark: Aplica y Analiza Procesamiento Avanzado de Datos - UNIDAD 5 - Análisis y procesamiento avanzados con PySpark
UNIDAD 5 - Análisis y procesamiento avanzados con PySpark · 15 lecciones
PySpark: Aplica y Analiza Procesamiento Avanzado de Datos - UNIDAD 5 - Análisis y procesamiento avanzados con PySpark
- Introducción a Pyspark Advance
- Análisis RFM
- Análisis RFM Continuar
- Agrupación K-Means
- K-Means Clustering Continuar
- Información y segmentación de clientes
- Imagen a texto
- PDF a texto
- Extracción de datos textuales
- Simulación Monte Carlo Parte 1
- Simulación Monte Carlo Parte 2
- Técnicas de simulación con PySpark
- Aplicación de análisis avanzados con PySpark: desde el análisis RFM hasta el OCR y la simulación de Monte Carlo
- Análisis y procesamiento avanzados con PySpark
- Análisis de datos y simulación de principio a fin con PySpark
UNIDAD 6 - Fundamentos de Scala y conceptos básicos de Spark · 30 leccionesApache Spark con Scala: Creación y Análisis de Datos Maestros - UNIDAD 6 - Fundamentos de Scala y conceptos básicos de Spark
UNIDAD 6 - Fundamentos de Scala y conceptos básicos de Spark · 30 lecciones
Apache Spark con Scala: Creación y Análisis de Datos Maestros - UNIDAD 6 - Fundamentos de Scala y conceptos básicos de Spark
- Introducción a la conexión con Twitter mediante Spark
- Diagrama de flujo de Spark
- Componentes de Spark
- Diferentes servicios que se ejecutan en YARN
- Visión general y configuración de Spark
- Introducción a Scala
- Clases de casos y concordancia de patrones
- Instalación de Scala
- Variables y funciones
- Variables y funciones Continuas
- Bucles
- Colecciones
- Más sobre Colecciones
- Aspectos básicos del lenguaje Scala
- Clase abstracta
- Ejemplo de clase abstracta
- Rasgo
- Ejemplo de rasgo
- Excepción
- Ejemplo práctico de excepciones
- Personalizar las excepciones del proyecto Scala
- Modificadores
- Cuerdas
- Métodos en cadenas
- Métodos en cadenas Continuar
- Array
- Conceptos avanzados de Scala
- Aplicación de los fundamentos de Scala y Spark a escenarios reales de big data
- Fundamentos de Scala y conceptos básicos de Spark
- Diseño de una aplicación Spark basada en Scala en un entorno YARN
UNIDAD 7 - Spark avanzado y aplicaciones en tiempo real · 23 leccionesApache Spark con Scala: Creación y Análisis de Datos Maestros - UNIDAD 7 - Spark avanzado y aplicaciones en tiempo real
UNIDAD 7 - Spark avanzado y aplicaciones en tiempo real · 23 lecciones
Apache Spark con Scala: Creación y Análisis de Datos Maestros - UNIDAD 7 - Spark avanzado y aplicaciones en tiempo real
- RDD en Spark
- RDD en Spark continúa
- Diferentes operaciones
- Operaciones de transformación
- Operaciones de acción
- Continúan las operaciones de acción
- Trabajar con RDD y operaciones
- Introducción Spark Streaming
- Cómo procesar los datos de retransmisión en directo
- Cómo procesar la transmisión continua de datos en directo
- Recuento de palabras en ventanas
- Ejemplo de recuento de palabras con ventana
- Comprobación de puntos en Spark
- Ejemplo de Check Pointing en Spark
- Spark Streaming y Checkpointing
- Creación de Maven
- Crear proyecto Scala
- Diferencias entre Hadoop 1.x y 2.x
- Cómo conectar Twitter utilizando la aplicación Spark
- Más información sobre cómo conectar Twitter mediante la aplicación Spark
- Integraciones y configuración de proyectos
- Spark avanzado y aplicaciones en tiempo real
- Creación y ejecución de una aplicación Spark de extremo a extremo con Scala en un entorno distribuido
UNIDAD 8 - Sentar las bases · 10 leccionesApache Spark: Diseño y Ejecución de ETL Pipelines Hands-On - UNIDAD 8 - Sentar las bases
UNIDAD 8 - Sentar las bases · 10 lecciones
Apache Spark: Diseño y Ejecución de ETL Pipelines Hands-On - UNIDAD 8 - Sentar las bases
- Introducción al proyecto
- Instalación de paquetes
- Continúa la instalación de paquetes
- Introducción al proyecto ETL
- Establecer la estructura del proyecto
- Exploración del conjunto de datos
- Creación de la estructura del proyecto y comprensión de los datos
- Cómo sentar las bases de tu primer proyecto ETL con Spark: entorno, estructura y comprensión de los datos
- Cuestionario graduado - Establecer los cimientos
- Configuración del entorno de un proyecto ETL de Spark y preparación de los datos para su procesamiento
UNIDAD 9 - Creación de flujos de trabajo ETL en Apache Spark · 10 leccionesApache Spark: Diseño y Ejecución de ETL Pipelines Hands-On - UNIDAD 9 - Creación de flujos de trabajo ETL en Apache Spark
UNIDAD 9 - Creación de flujos de trabajo ETL en Apache Spark · 10 lecciones
Apache Spark: Diseño y Ejecución de ETL Pipelines Hands-On - UNIDAD 9 - Creación de flujos de trabajo ETL en Apache Spark
- Carga completa y transformaciones. Parte 1
- Carga completa y transformaciones Parte 2
- Carga completa y transformaciones. Parte 3
- Carga completa y transformaciones. Parte 4
- Carga completa y transformaciones
- Carga incremental
- Carga incremental Continuar
- Manejo de cargas incrementales
- Cuestionario graduado - Creación de flujos de trabajo ETL en Apache Spark
- Implementación de un marco ETL de Spark de principio a fin, desde la configuración hasta las cargas incrementales
UNIDAD 10 - Primeros pasos con Apache Spark · 10 leccionesApache Spark: Aplicar y evaluar flujos de trabajo de Big data - UNIDAD 10 - Primeros pasos con Apache Spark
UNIDAD 10 - Primeros pasos con Apache Spark · 10 lecciones
Apache Spark: Aplicar y evaluar flujos de trabajo de Big data - UNIDAD 10 - Primeros pasos con Apache Spark
- Introducción a Apache Spark Spark
- Contexto de Spark
- Componentes Spark
- Fundamentos de Apache Spark
- Introducción a los fundamentos de Spark RDD
- Uso de la función de filtro
- Trabajar con RDD: conceptos básicos
- Cómo crear tu primer flujo de trabajo distribuido con Apache Spark: de la arquitectura a las operaciones con RDD
- Cuestionario graduado - Primeros pasos con Apache Spark
- Introducción a Apache Spark para el procesamiento distribuido de datos
UNIDAD 11 - Operaciones avanzadas con RDD y gestión de datos · 10 leccionesApache Spark: Aplicar y evaluar flujos de trabajo de Big data - UNIDAD 11 - Operaciones avanzadas con RDD y gestión de datos
UNIDAD 11 - Operaciones avanzadas con RDD y gestión de datos · 10 lecciones
Apache Spark: Aplicar y evaluar flujos de trabajo de Big data - UNIDAD 11 - Operaciones avanzadas con RDD y gestión de datos
- Transformaciones RDD en Spark
- Continuación de las transformaciones RDD en Spark
- Persistencia de RDD en Spark
- Transformaciones y persistencia
- Ordenación por grupos y operaciones en RDD de pares
- Formatos de archivo de Spark
- Formatos de archivo de Spark (continuación)
- Emparejar RDD y formatos de archivo
- Prueba calificada – Operaciones avanzadas de RDD y gestión de datos
- Diseño de un flujo de trabajo de procesamiento de datos escalable con Apache Spark
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
11 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
38 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por EDUCBA.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 11 unidades · 160 lecciones · 240 h
- 12 meses de acceso
- 38 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por EDUCBA; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
