Big Data

Este repositorio contiene las clases del curso en Big Data

• Syllabus

• Syllabus, sistemas de información

• Programación Python

  • Python, primeros pasos
  • Funciones en Python
  • Colecciones de Objetos en Python
  • Módulos en Python
  • Concepto de Clase en Python
  • Decoradores en Python
  • Introducción a Pandas Github
  • Tratamiento de datos con Pandas
  • Introducción a tensores con Numpy
  • Multiprocesos y multihilos

• Bases de Datos Relacionales

  • Introducción a bases de datos
  • Modelo entidad-relación
  • Implementación de bases de datos
  • Algebra relacional
  • SQL I
  • SQL II
  • SQL III -Ejemplo Sakila
  • SQLAlchemy para consultar las bases de datos desde Python-Pandas Github

• Motor Dask para Big Data en Python

  • Introducción la procesamiento paralelo con Dask
  • Ejecución retrasada (lazzy)
  • Mejores prácticas con ejecución retrasada
  • Colleciones bag
  • Arrays
  • Dataframes
  • Ejecución distribuida
  • Ejecución distribuida avanzada
  • Ejecución con un cluster en la nube - Coiled
  • Almacenamiento eficiente de dask-dataframes
  • Aprendizaje de Maquinas paralelo y distribuido
  • Almacenamiento hdf5

• Spark

  • Instalacion de Spark: Ubuntu, Jupyterlab
  • Introducción a Spark
  • Introducción a Máquinas de Aprendizaje con Spark
  • Introducción a árboles de decisión y regresión con Spark