Herramientas Data Science y Big Data ¿Te lías? Te lo explico fácil
ฝัง
- เผยแพร่เมื่อ 4 ก.ย. 2019
- R, Python, Hadoop, Spark, Hive, Pig, ... es fácil hacerse un lío. En este video te explico los basics para que por fin entiendas el ecosistema de herramientas en Data Science y Big Data
------------------------------------------------------------------------------------
👉 Curso GRATIS de Machine Learning con Python: www.tuprimerasemana.com
👉 Reseñas de mi libro en Amazon: bit.ly/opinionesbigdata
Sígue a Data Science 4 Business en Facebook para ver más contenido: bit.ly/fb-ds4b
Suscríbete a este canal con el botón rojo que está debajo de los videos y pulsa la campana para que te notifique de las novedades. - วิทยาศาสตร์และเทคโนโลยี
Genial!! Me encantan tus videos Isaac, me parecen muy didácticos. Te animo a que sigas así!
Muchas gracias por compartir y enhorabuena por la síntesis y la forma tan didáctica de ofrecer esta información!
Me estoy empezando a informar sobre el mundo big data y tus videos son geniales y muy faciles de entender, gracias.
Gracias por el video. Me ha servido mucho como aclaración. Además ayuda mucho que seas un buen orador!
Fantástico. Con vídeos se tiene una idea clara de la estructura de este mundo. Permiten plantear la estrategia de aprendizaje.
Muchas gracias Sr Isaac. Excelente aporte y ayuda para quienes somos apasionados por los datos y vemos una oportunidad de reinventar nuestra profesión. Gracias!
Muy buen enfoque para separar conceptos y responsabilidades, el exceso y abuso del marketing es lo que tiene a muchos confundidos. Ayudaría hacer pausas entre tópicos e ideas para facilitar la comprensión. 👍🏻
Siiiii es verdad
¡Extraordinario resumen! Muchas gracias 👏👏
Que buen video, me encantan tus matrices! Gracias
Estupenda tu explicación! Me encanto el enfoque. Gracias!
Muchas gracias por poner un poco de orden en este mundo entrópico!!!
Excelente video para iniciarse en esto del big data!
Gracias por la explicación, tan clara y didáctica. Saludos. 👍👍👍👍
Magnifico! Muchas gracias
Gracias por el vídeo, excelente aclaración!
Muchas gracias Isaac, un video muy interesante y muy bien explicado.
Muchísimas gracias!!!
Super la manera de explicar gracias ...
¡Gracias por estos videos!
🙌🏻 muchas gracias por compartir 😊
Excelente mapa conceptual!!!!!
Gracias!, me sirvio de mucho!
Gracias por ser tan claro, me están ayudando mucho tus videos para acomodar tantos nombres los cuales no entendía ni que eran.
Genial Belén! ese es el objetivo :-)
excelente explicacion ... gracias
Eres un crack maestro muchas gracias por tus videos
Una vez más, claro y conciso. Simplemente perfecto no se puede decir más en menos tiempo ok
gracias!
Te amodoro! Un beso desde Lima Perú
Vaya este merecido like a una explicacion tan clara de un colega ingeniero
Excelente explicación
uffff por fin alguien que sintetiza ! gracias genio!
muchas gracias
Excelente!
Hola Isaac, este video es uno de los que mas me gustan de tu canal. Podrías hablar por favor un poco más sobre almacenamiento, por ejemplo como reconocer el límite entre almacenamiento "tradicional" y almacenamiento para Big Data, y/o tambien las diferencias entre una base de datos y un Data Warehouse. Gracias
lo apunto en la lista de ideas!
Muy buen video, explicado de una manera muy clara
gracias Guille
Buen vídeo 👌
Magnifico
Se me han despejado varias lagunas con este video, Gracias Crack !
genial, gracias por decirlo, objetivo cumplido :-)
Excelente explicacion!! felicidades por esta iniciativa, estaba perdido en este ambito
Muchas gracias!!! acabas de salvar mi vida, estoy viendo Spark saltando de un mundo tradicional y realmente estaba super confundida, tu video me ayudo mucho en serio. Gracias!!!
Hola, Isaac. Estoy encantado con tus videos. Gracias por la practicidad con la que explicas todo.
Te dejo una duda: de dónde se puede conseguir información abierta y viva para hacer un proyecto personal? Con información viva me refiero a valores que yo pueda conectar a mi herramienta de análisis (estilo BI) con el cual uno pueda evaluar su evolución. Muy bien estaría armar una predicción (por ejemplo económica) pero tener que alimentar mi herramienta a mano cada vez que quiera saber si funcionaron mis algoritmos. Tiene sentido lo que pregunto?
Abrazo desde Argentina
Para información "viva" puedes hacer scraping recurrentemente de webs que se actualicen, o conectar a servicios que ofrezcan apis, por ej twitter, etc
Que requisitos debería tener una pc/notebook para hacer big data ?
Muy interesante e ilustrativo el video Isaac. En que parte entrarían las herramientas de Apache que se las ve bastante?
Apache es una función de software open source, que tiene herramientas prácticamente en todos los ámbitos de big data (también en otros ámbitos). Osea que entrarían en todas las partes. Por ejemplo hadoop, spark, storm y muchas otras son de Apache.
@@DataScienceForBusiness muchisimas gracias Isaac por la aclaración. Revisaré todos los videos de tu canal, me ha parecido bastante didáctico.
Me ha encantado descubrir tus vídeos. Qué importante es conceptualizar para tener claro dónde estamos. La inmensa mayoría de los vídeos que uno encuentra por ahí pretenden estar dirigidos a gente novata pero al no conceptualizar ni simplificar acaban generando frustración.
gran video efectivamente dije aja¡¡¡¡
lo compartí con todos mis amigos de la maestría.
gracias!
Hola Isaac. Me llamó la atención cuando dijiste que muy pocas empresas requieren realmente en la práctica trabajar con BD (menos del 0,5%). La consulta es, yo podría entonces hacer múltiples proyectos de DS sin depender de BD? Esto te lo pregunto porque ahora a todo le ponen Big Data, entonces quizás en la práctica empresarial industrial (que es mi campo) quizás la cantidad de datos no aplicaría para BD y aun así se podrían hacer buenos proyectos de DS. Seria correcto deducir eso? Gracias!
Hola, sí claro! Como dices BD se usa ya como un término genérico (como cuando llamamos red bull a cualquier bebida energética), pero la gran mayoría de empresas no requieren big data como tal (hadoop, spark, ...). Lo del 0,5% es una forma de hablar, no un dato empírico, pero vamos que en la mayoría de los proyectos de DS no lo vas a necesitar. Puedes ver este post que hice hace tiempo donde lo desarrollo más: isaacgonzalez.es/por-que-lo-llaman-big-data-cuando-quieren-decir-analytics/
@@DataScienceForBusiness Excelente. Me queda muy claro. Agradecido!
Yo tengo una dudilla y es que no entiendo en que caso se puede utilizar una herramienta como No Sql, si tu importas los datos (csv, excels) a R para empezar a trabajar con ellos.
nosql es un sistema para almacenamiento y consulta. R simpre trabaja con los datos en memoria, por lo que cuando cierres la sesión se pierde todo lo que no hayas almacenado. Así que siempre necesitas almacenar los datos en algún sitio, que podrá ser un archivo, una relacional, una nosql o lo que sea. Luego entre cada tipo de almacenamiento hay diferencias y cada uno tiene su caso de uso, pero eso ya es otro tema.
Un video de cuando decidir por un tipo de almacenamiento u otro sería bueno, igual con las herramientas de procesamiento
Spark no es mejor que Hadoop, sino mejor que MapReduce, es diferente
Perdón mi ignorancia y C, C++ en donde quedan?
No son del ámbito de data science / big data
tengo la sensación que para ser parte del mundo, Data Science y Big Data, voy a necesitar mucho de las matemáticas y estadísticas, es cierto?
Estadística sí, puedes ver en este canal un vídeo de "la estadística necesaria para DS". Matemáticas seguramente menos de lo que piensas, álgebra lineal y nociones de cálculo sería lo más importante, pero más conceptualmente para entender cómo funciona que a nivel "duro" con las fórmulas y demás.
Apache druid necesita un video, no hay nada en español
Mk quiero aprender , pero lo que mas claro se me quedo fue el aja , eso por que aqui lo repiten mucho los mks costeños...mmm