Saltar al contenido principal

Curso

Fundamentos de big data con PySpark

Avanzado

Actualizado 5/2025

Aprende los fundamentos de trabajar con big data usando PySpark.

Comienza el curso gratis

Incluido conPremium or Teams

SparkData Engineering4 horas16 vídeos55 Ejercicios4,600 XP56,300Certificado de logros

Crea Tu Cuenta Gratuita

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.

¿Entrenar a 2 o más personas?

Probar DataCamp for Business

Preferido por estudiantes en miles de empresas

Descripción del curso

El big data ha causado mucho alboroto en los últimos años, y por fin es dominante en muchas empresas. Sin embargo, ¿qué es este big data? Este curso muestra los fundamentos del big data mediante PySpark. Spark es un marco de "Lightning-Fast Cluster Computing" para big data. Proporciona un motor de plataforma general de procesamiento de datos y te permite ejecutar programas hasta 100 veces más rápidamente en memoria, o 10 veces más rápido en disco, que Hadoop. Utilizarás PySpark, un paquete de Python para programación en Spark y sus potentes bibliotecas de nivel superior, como SparkSQL, MLlib (para machine learning), etc. Explorarás las obras de William Shakespeare, analizarás datos de 2018 de la FIFA y realizarás agrupamiento en conjuntos de datos genómicos. Al final de este curso, conocerás a la perfección PySpark y su aplicación al análisis general de big data.

Prerrequisitos

Introduction to Python

1

Introducción al análisis de big data con Spark

Iniciar capítulo

¿Qué es el big data?

Las 3 V del big data

PySpark: Spark con Python

Qué es SparkContext

Uso interactivo de PySpark

Carga de datos en el terminal PySpark

Revisión de la programación funcional en Python

Uso de lambda() con map()

Uso de lambda() con filter()

2

Programación en RDD de PySpark

Iniciar capítulo

Abstracción de datos con RDD

RDD de colecciones paralelizadas

RDD de conjuntos de datos externos

Particiones en tus datos

Transformaciones y acciones básicas de RDD

Map y Collect

Filter y Count

Pares RDD en PySpark

ReduceBykey y Collect

SortByKey y Collect

Acciones avanzadas de RDD

CountingBykeys

Crear una base RDD y transformarla

Eliminar las palabras vacías y reducir el conjunto de datos

Imprimir frecuencias de palabras

3

PySpark SQL y DataFrames

Iniciar capítulo

Abstracción de datos con DataFrames

De RDD a DataFrame

Carga de CSV en el DataFrame

Operaciones con DataFrames en PySpark

Inspección de datos en el DataFrame de PySpark

Creación de subconjuntos y limpieza en el DataFrame de PySpark

Cómo filtrar tu DataFrame

Interacción con DataFrames utilizando PySpark SQL

Ejecución de consultas SQL mediante programación

Consultas SQL para filtrar la tabla

Visualización de datos en PySpark con DataFrames

Visualización del DataFrame de PySpark

1.ª parte: crear un DataFrame a partir del archivo CSV

2.ª parte: consultas SQL en el DataFrame

3.ª parte: visualización de datos

4

Machine learning con PySpark MLlib

Iniciar capítulo

Descripción general de PySpark MLlib

Bibliotecas PySpark ML

Algoritmos de PySpark MLlib

Filtrado colaborativo

Carga del conjunto de datos MovieLens en los RDD

Entrenamiento del modelo y previsiones

Evaluación del modelo mediante el MSE

Clasificación

Carga de datos spam y no spam

Método hash y LabelPoint

Entrenamiento del modelo de regresión logística

Agrupamiento

Carga y análisis de los 5000 datos de puntos

Entrenamiento con k-medias

Visualización de grupos

¡Enhorabuena!

Fundamentos de big data con PySpark

Curso
Completo

Obtener certificado de logros

Añade esta credencial a tu perfil, currículum vitae o CV de LinkedIn
Compártelo en las redes sociales y en tu evaluación de desempeño

Incluido conPremium or Teams

Inscríbete ahora

Únete a más 16 millones de estudiantes y empezar Fundamentos de big data con PySpark hoy

Crea Tu Cuenta Gratuita

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.