Capacítate con un curso exhaustivo que cubre desde los fundamentos de Spark hasta técnicas avanzadas, asegurando que puedas abordar cualquier desafío empresarial.
1
Curso de Spark con Python Avanzado para Equipos de Data en la Empresa
Aprende con el curso de Spark con Python Avanzado para empresas hasta 100% bonificado, a medida para tu organización.
Totalmente práctico y aplicable
Formación en Spark con Python Avanzado a medida
100% bonificable a través de FUNDAE
Curso TUTORIZADO por expertos
Modalidad Aula Virtual Personalizada
Curso de Spark con Python Avanzado en Aula Virtual Personalizada
Nuestra modalidad AVP es una formación en directo, práctica y 100% adaptada a vuestro equipo. No trabajamos con contenidos genéricos: diseñamos la formación en función de vuestro nivel, objetivos, procesos internos y necesidades reales de aplicación.
Solicitar información
Temario 100% a medida
Creamos el temario desde cero a partir de vuestras necesidades, nivel del equipo y objetivos concretos, priorizando aquellos contenidos que realmente aporten valor en el día a día.
Proyectos personalizados
Durante la formación trabajaremos con archivos, ejemplos, informes o procesos similares a los que utiliza vuestro equipo, para que el aprendizaje sea directamente aplicable al puesto de trabajo.
Sesiones en directo con consultor experto
Un formador especialista imparte las clases en tiempo real, resolviendo dudas, revisando casos concretos y adaptando el ritmo de la formación a la evolución del grupo.
Calendario adaptado a vuestra disponibilidad
Definimos conjuntamente fechas, horarios y duración de las sesiones para facilitar la asistencia del equipo y minimizar el impacto en la operativa diaria de la empresa.
Bonificación FUNDAE
Curso de Spark con Python Avanzado hasta 100% Bonificable a través de FUNDAE
Tu bonificación paso a paso
Forma a tu equipo sin costes mediante la bonificación estatal.
Este programa de Spark con Python Avanzado para empresas es subvencionable hasta el 100%.
- Potencia las habilidades de edición y automatización de tus profesionales.
- Accede a una formación avanzada en Spark con Python Avanzado práctica y orientada a resultados.
- Prepara a tu equipo para los retos documentales del entorno laboral actual.
- Gestionamos gratis tu bonificación de este curso corporativo de Spark con Python Avanzado ante FUNDAE.
01.
Calcula tu bonificación
02.
Revisamos tu caso
03.
Preparamos la gestión
04.
Tu equipo realiza el curso
05.
Aplicas la bonificación
La formación que decides
te devuelve dinero
Todos nuestros cursos son bonificables a través de FUNDAE.
Gestionamos toda la documentación por ti.
100%Tramitación incluida
48hTiempo medio de gestión
9,4Satisfacción general
Calcula tu crédito aproximado
Empleados a formar10
Crédito bonificable estimado
420€*
*Cálculo orientativo
Impacto real
Empresas Líderes Confían en Spark para el Procesamiento de Datos
Capacita a tu equipo en Spark con Python Avanzado A Medida para optimizar procesado en streaming, tutorizado y 100% bonificable por FUNDAE. Contáctanos.
Aprende a configurar y gestionar clusters de Spark para maximizar la eficiencia y reducir los tiempos de procesamiento, una habilidad crítica para cualquier empresa que maneje grandes volúmenes de datos.
2
Desarrolla competencias en Machine Learning y Streaming con Spark, dos áreas clave para innovar y mantener la ventaja competitiva en el dinámico entorno de los datos automatizados.
3
Aplica las mejores prácticas y técnicas de optimización de rendimiento directamente en tus proyectos empresariales, lo que garantiza una implementación eficaz y resultados medibles.
4
Personaliza el temario al 100% para tu equipo
Diseñamos una formación a medida utilizando los documentos y flujos de trabajo reales de tu empresa.
Nuestra plataforma
Nueva Plataforma
de E-learningFormación en directo con plataforma de apoyo para reforzar el aprendizaje
Acceso a las grabaciones
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Recursos formativos
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
Confirmación de asistencia
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Ejercicios prácticos
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Acceso a las grabaciones
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Recursos formativos
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
Confirmación de asistencia
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Ejercicios prácticos
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Practica y mejora con nuestra plataforma
Una plataforma practica, con IA integrada y pensada para que mejores desarrollando. Se adapta a tu ritmo, te corrige al instante y te muestra tu progreso real.
Correccion magica
Feedback inteligente
Aprende de cada acierto y fallo con explicaciones claras
Programa formativo
Temario del curso
Encuentra todo el temario del curso aquí.
Temario
¿Que es Spark?
Instalación de Spark
PySpark
Consola de Spark
RDD Spark
Creación de un RDD
RDD Clave-valor
Creación de un RDD clave-valor
Parámetros de configuración de Spark y recomendaciones
Introducción a Spark SQL
Esquemas
Operaciones SQL
Opciones de Entrada/Salida
DataFrames
DataSets
Uniones
Conjuntos de datos fuertemente tipados
Uso de conjunto de datos
Conversiones
Optimizaciones de rendimiento
Introducción a MLLib
Creación de un sistema de ML
Regresión Lineal con MLLib
Dataframes con MLLib
Análisis de datos con MLlib
Visualizar los datos
Optimización
Introducción al Clustering
Configuración y gestión de Clusters
Soluciones más comunes
Recomendaciones y Buenas Prácticas
K-means
Gaussian mixture
PIC (Power iteration clustering)
Bisecting K-means
Streaming K-means
Introducción a Spark Streaming
Puesta en Marcha
Configuraciones
Buenas Prácticas
Introducción al Natural language Processing
Usos reales de NLP
Configuración y Puesta en Marcha
Buenas Prácticas
Introducción al proceso en paralelo
Qué es Graph X
Usos reales de GraphX
Configuración y puesta en Marcha
Buenas Prácticas
Estructura de los proyectos
SBT
Despliegue de aplicaciones
Empaquetado de aplicaciones
Spark-Submit
Recomendaciones de programación paralela
Inmutabilidad
Uso de lambdas
Bucles
Uso de funciones dentro de Dataframes
Optimización de la sesión de Spark
Planes de ejecución
Detectando un Shuffle en un procesamiento
Probando operaciones que puedan causar un Shuffle
Cambiando el diseño de trabajos con dependencias amplias
Usando operaciones keyBy para reducir los Shuffle
Usando particionadores personalizado
Perfiles profesionales
Pensado para quienes deben dominar Spark con Python Avanzado en su día a día
Analistas de Datos
Buscan optimizar el manejo de grandes volúmenes de datos usando técnicas avanzadas de Spark.
Científicos de Datos
Requieren aplicar modelos de Machine Learning y analizar datos complejos en contextos empresariales.
Ingenieros de Datos
Necesitan mejorar procesos de ETL utilizando Spark para maximizar la eficiencia operativa en su empresa.
Administradores de Sistemas
Deben implementar y gestionar clústeres de Spark garantizando su rendimiento y fiabilidad.
Desarrolladores Backend
Requieren integrar Spark en soluciones complejas asegurando el procesamiento eficiente de datos.
Equipos de IT Corporativos
Buscan actualizarse en las últimas tecnologías de procesamiento de datos para optimizar recursos y procesos.
¿Tienes dudas?
Casos de éxito
Empresas que ya han formado a sus equipos
Experiencias reales de equipos que ya han trabajado con nosotros.
+16
años de liderazgo
+3.500
empresas formadas
Nuestra empresa decidió contratar formación con Imagina aprovechando los créditos de FUNDAE, y fue una gran decisión. La modalidad online nos permitió adaptar los horarios a nuestro equipo. La formación ha sido práctica, clara y útil para el día a día. Es sencillo de gestionar y los resultados son excepcionales.
Hugo Gutiérrez
Analista Financiero
Gracias a Imagina, la eficiencia de nuestras sesiones de capacitación ha mejorado drásticamente. Es sencillo de usar y los resultados son excepcionales.
Luis Martínez
Administrativo
Gracias al aula virtual de Imagina siempre son capaces de adaptar los cursos a nuestras necesidades. El contenido fue muy completo y práctico.
Elena Pérez
Responsable de Recursos Humanos
Mejor de lo esperado, la modalidad online se adapta a nuestros horarios. La ayuda con la bonificación FUNDAE hizo todo más fácil. Práctico y necesario.
Alejandro Sánchez
Director de Operaciones
Nuestra empresa decidió contratar formación con Imagina aprovechando los créditos de FUNDAE, y fue una gran decisión. La modalidad online nos permitió adaptar los horarios a nuestro equipo. La formación ha sido práctica, clara y útil para el día a día. Es sencillo de gestionar y los resultados son excepcionales.
Hugo Gutiérrez
Analista Financiero
Gracias a Imagina, la eficiencia de nuestras sesiones de capacitación ha mejorado drásticamente. Es sencillo de usar y los resultados son excepcionales.
Luis Martínez
Administrativo
Gracias al aula virtual de Imagina siempre son capaces de adaptar los cursos a nuestras necesidades. El contenido fue muy completo y práctico.
Elena Pérez
Responsable de Recursos Humanos
Mejor de lo esperado, la modalidad online se adapta a nuestros horarios. La ayuda con la bonificación FUNDAE hizo todo más fácil. Práctico y necesario.
Alejandro Sánchez
Director de Operaciones
480.000 alumnos formados en Imagina
Preguntas frecuentes
Resolvemos todas tus dudas sobre nuestra formación en Spark con Python Avanzado
Explora las respuestas a las preguntas que guian a nuestra comunidad. Aqui encontraras claridad sobre como funciona todo, desde el acceso hasta los detalles de los cursos. Si buscas respuestas, este es el lugar para comenzar.
El curso de Spark con Python Avanzado proporciona un profundo conocimiento del procesamiento en tiempo real y la computación distribuida con Apache Spark. Aprenderás a utilizar técnicas avanzadas de Spark SQL, Machine Learning, Clustering, y más, lo que te permitirá mejorar el rendimiento de procesamiento de datos en tu organización y optimizar recursos.
Sí, el curso de Spark con Python Avanzado se puede bonificar a través de FUNDAE. Esto permite a las empresas utilizar los créditos disponibles para la formación de sus empleados, reduciendo hasta en un 100% el coste del curso, siempre que se ajusten a los créditos disponibles.
El curso se imparte en la modalidad de aula virtual personalizada. Las clases se realizan a través de videoconferencia en Zoom con acceso a las grabaciones, lo que ofrece flexibilidad y se adapta a las necesidades específicas de cada empresa para maximizar el aprendizaje.
Desarrollarás habilidades en el uso de Apache Spark para el procesamiento paralelo de datos, manipulación avanzada de DataFrames y Datasets, realización de operaciones SQL, implementaciones de Machine Learning y gestión de clústeres. También aprenderás buenas prácticas para optimizar el rendimiento.
Puedes inscribirte en el curso completando los formularios disponibles en nuestra página web. Asegúrate de proporcionar toda la información necesaria para que podamos gestionar tu inscripción y, si es necesario, ayudarte con la bonificación a través de FUNDAE.
¿Tienes dudas?
Estamos aqui para ayudarte
El curso de Spark con Python Avanzado proporciona un profundo conocimiento del procesamiento en tiempo real y la computación distribuida con Apache Spark. Aprenderás a utilizar técnicas avanzadas de Spark SQL, Machine Learning, Clustering, y más, lo que te permitirá mejorar el rendimiento de procesamiento de datos en tu organización y optimizar recursos.
¿Tienes dudas?
Estamos aqui para ayudarte
Sí, el curso de Spark con Python Avanzado se puede bonificar a través de FUNDAE. Esto permite a las empresas utilizar los créditos disponibles para la formación de sus empleados, reduciendo hasta en un 100% el coste del curso, siempre que se ajusten a los créditos disponibles.
¿Tienes dudas?
Estamos aqui para ayudarte
El curso se imparte en la modalidad de aula virtual personalizada. Las clases se realizan a través de videoconferencia en Zoom con acceso a las grabaciones, lo que ofrece flexibilidad y se adapta a las necesidades específicas de cada empresa para maximizar el aprendizaje.
¿Tienes dudas?
Estamos aqui para ayudarte
Desarrollarás habilidades en el uso de Apache Spark para el procesamiento paralelo de datos, manipulación avanzada de DataFrames y Datasets, realización de operaciones SQL, implementaciones de Machine Learning y gestión de clústeres. También aprenderás buenas prácticas para optimizar el rendimiento.
¿Tienes dudas?
Estamos aqui para ayudarte
Puedes inscribirte en el curso completando los formularios disponibles en nuestra página web. Asegúrate de proporcionar toda la información necesaria para que podamos gestionar tu inscripción y, si es necesario, ayudarte con la bonificación a través de FUNDAE.
¿Tienes dudas?
Estamos aqui para ayudarte
Encuentra el Curso Perfecto para tu Organización
![Spark](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path fill-rule="evenodd" clip-rule="evenodd" d="M296.077 564.553C300.632 566.314 302.387 568.417 302.462 573.462C299.28 637.488 296.112 687.492 293.723 755.884C293.23 770 295.189 782.5 301.112 791C307.035 799.5 331.612 816.105 361.328 798.471C371.38 792.505 380.195 782.804 386.862 774C422.832 726.494 459.5 686.5 495.966 643.142C498.904 638.782 501.377 637.842 506.486 639.488C530.674 647.249 552.029 652.631 571.031 658.202C576.246 659.731 581.51 661.274 586.957 662.885C599.215 666.632 611.461 670.396 623.707 674.181C637.794 678.515 651.712 681.717 666.704 679.528C693.465 675.567 713.193 653.501 712.927 626.57C712.813 614.745 708.632 603.994 703.195 593.697L698.82 585.399C677.349 544.673 656.143 504.451 634.739 464.131C632.578 460.001 632.64 457.387 635.757 453.72C673.663 409.023 711.908 363.929 750.04 319.062C757.565 310.179 764.28 300.843 768.145 289.754C776.688 265.368 765.655 246.199 740.479 241.492C728.881 239.325 717.509 240.406 706.194 243.387C651.316 257.815 596.72 272.243 542.124 286.897C537.276 288.175 534.911 287.293 532.28 282.897L530.714 280.287C508.837 243.822 487.058 207.521 464.955 171.436C459.806 163.005 453.866 154.858 446.907 147.899C426.144 127.349 399.044 128.141 379.582 149.755C374.151 155.695 369.653 162.655 365.89 169.784C357.825 185.024 355.086 201.676 352.346 218.329C351.75 221.955 351.153 225.581 350.502 229.192C343.656 266.534 336.924 304.555 330.361 342.35C329.569 346.791 327.679 348.625 323.572 349.932C312.783 353.344 301.976 356.753 291.155 360.167C253.175 372.148 215.039 384.179 177.04 396.553C166.347 400.061 155.598 404.53 146.15 410.584C117.296 429.255 112.997 459.356 134.665 485.835C144.226 497.603 156.503 505.694 170.195 511.804C214.103 531.321 251.143 547.49 296.077 564.553ZM619.854 590.98C620.235 591.815 620.681 592.791 621.24 593.986L621.766 594.517C610.008 591.255 598.351 588.036 586.764 584.843C552.553 574.059 518.238 563.045 484.037 552.016C480.219 550.808 478.022 551.135 475.653 554.688C439.11 599.454 364.418 692.492 364.418 692.492C364.418 692.492 373.301 568.282 377.008 515.968C376.911 511.006 375.423 508.857 370.768 507.09C359.646 502.869 348.215 498.447 336.626 493.919C300.135 479.383 264.038 465.044 227.942 450.705C230.29 448.583 232.434 447.678 234.618 446.993C239.963 445.298 245.308 443.603 250.653 441.908C295.085 427.819 339.486 413.739 383.978 399.749C387.519 398.629 389.528 397.192 389.862 393.299C390.11 390.409 390.684 387.516 391.257 384.627C391.491 383.443 391.726 382.26 391.938 381.078C397.006 352.302 402.106 323.754 407.214 295.161C408.835 286.088 410.457 277.011 412.079 267.92C413.36 260.759 414.666 253.623 415.973 246.479C416.618 242.955 417.263 239.429 417.906 235.896C420.554 237.633 421.906 239.647 423.145 241.724C447.416 281.329 471.574 321.557 495.562 361.672C497.543 364.942 499.325 366.091 503.257 365.032C534.321 356.594 565.79 348.281 597.225 339.976C608.156 337.088 619.082 334.202 629.986 331.311C636.901 329.489 643.791 327.7 650.671 325.913C653.98 325.054 657.287 324.195 660.594 323.334C660.13 325.897 659.027 327.419 657.788 328.856C637.887 351.967 618.15 375.207 598.402 398.46C583.342 416.193 568.274 433.934 553.122 451.633C550.073 455.254 549.79 457.732 552.019 461.93C570.539 496.804 588.863 531.679 607.187 566.553C610.862 573.547 614.537 580.541 618.213 587.536C618.732 588.524 619.197 589.542 619.854 590.98Z" fill="%23E25A1C"/>
</svg>)
CURSO
Spark
A Medida
Apache Spark es un framework de computación en clúster de código abierto, orientado al procesamiento de datos en tiempo real, que provee de una interfaz para programar clústers con paralelismo de datos implícito y tolerancia a fallos y actualmente es el proyecto de Apache más activo.
![Spark con Python](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M408.273 382C290.509 382 297.864 432.956 297.864 432.956L297.996 485.746H410.374V501.592H253.36C253.36 501.592 178 493.071 178 611.625C178 730.18 243.773 725.982 243.773 725.982H283.03V670.965C283.03 670.965 280.908 605.31 347.748 605.31H459.211C459.211 605.31 521.83 606.32 521.83 544.926V443.456C521.83 443.456 531.341 382 408.273 382ZM346.307 417.497C351.663 417.494 356.801 419.613 360.592 423.388C364.383 427.164 366.515 432.288 366.521 437.632C366.525 440.28 366.007 442.903 364.995 445.35C363.983 447.798 362.498 450.023 360.623 451.897C358.749 453.771 356.523 455.259 354.073 456.275C351.622 457.29 348.995 457.814 346.341 457.816H346.307C340.95 457.827 335.809 455.715 332.013 451.944C328.217 448.173 326.077 443.053 326.065 437.708V437.674C326.062 435.027 326.582 432.405 327.594 429.959C328.607 427.512 330.093 425.289 331.966 423.415C333.84 421.542 336.066 420.055 338.515 419.039C340.965 418.024 343.591 417.5 346.244 417.497H346.307Z" fill="url(%23paint0_linear)"/>
<path d="M411.727 843C529.491 843 522.142 791.896 522.142 791.896L522.011 738.955H409.626V723.063H566.64C566.64 723.063 642 731.616 642 612.705C642 493.794 576.227 498.019 576.227 498.019H536.97V553.194C536.97 553.194 539.092 619.01 472.252 619.01H360.789C360.789 619.01 298.17 617.998 298.17 679.576V781.373C298.17 781.373 288.659 842.986 411.727 842.986V843ZM473.693 807.4C471.041 807.403 468.414 806.883 465.963 805.869C463.511 804.856 461.283 803.369 459.406 801.494C457.529 799.619 456.039 797.392 455.022 794.941C454.005 792.489 453.481 789.861 453.479 787.207C453.476 784.553 453.996 781.924 455.009 779.47C456.022 777.017 457.507 774.787 459.381 772.908C461.255 771.029 463.48 769.538 465.93 768.519C468.38 767.501 471.006 766.975 473.659 766.973C476.313 766.963 478.943 767.478 481.399 768.486C483.854 769.494 486.087 770.977 487.97 772.848C489.853 774.72 491.349 776.945 492.373 779.396C493.396 781.846 493.927 784.475 493.935 787.131V787.166C493.939 792.527 491.815 797.671 488.029 801.465C484.244 805.26 479.107 807.395 473.749 807.4H473.693Z" fill="url(%23paint1_linear)"/>
<path d="M640.113 388.196C639.055 386.028 638.615 384.936 638.062 383.844C623.202 355.582 608.408 327.368 593.418 299.089C592.67 298.041 592.333 296.754 592.471 295.474C592.609 294.194 593.213 293.009 594.166 292.145C617.755 264.567 641.279 236.897 664.738 209.134C665.7 208.097 666.348 206.808 666.61 205.417L645.988 210.812C617.441 218.419 588.942 226.025 560.492 233.631C557.823 234.316 556.651 233.631 555.284 231.333C539.073 204.244 522.835 177.193 506.57 150.18C505.726 148.591 504.515 147.228 503.039 146.203C501.736 153.407 500.369 160.66 499.132 167.848L485.575 244.291C485.086 247.013 484.403 249.816 484.159 252.538C483.915 255.26 482.531 256.14 480.187 256.874C446.551 267.414 412.974 278.036 379.457 288.739C377.793 289.229 376.255 290.075 374.948 291.216C402.438 302.137 429.863 313.106 457.776 324.206C457.005 324.887 456.202 325.529 455.367 326.129C438.212 337.223 421.041 348.361 403.854 359.542C403.015 360.21 401.996 360.615 400.928 360.705C399.859 360.795 398.788 360.566 397.848 360.048C377.357 350.806 356.736 341.76 336.196 332.518C326.938 328.666 318.722 322.673 312.222 315.029C297.574 297.1 300.536 276.775 319.969 264.372C326.482 260.356 333.469 257.169 340.769 254.885C373.712 244.161 406.702 233.811 439.71 223.395C440.922 223.165 442.026 222.543 442.852 221.624C443.678 220.706 444.18 219.542 444.283 218.31C448.678 192.835 453.267 167.343 457.841 141.867C460.315 128.225 461.617 114.273 468.241 101.82C470.748 96.9518 473.848 92.4133 477.469 88.3081C490.588 73.7367 508.849 73.1662 522.716 87.0694C527.388 91.8611 531.485 97.1836 534.923 102.928C550.206 127.85 565.196 152.967 580.169 178.084C581.911 181.05 583.522 181.67 586.793 180.741C623.685 170.874 660.523 161.095 697.306 151.402C704.814 149.27 712.701 148.824 720.401 150.098C737.36 153.26 744.815 166.218 739.102 182.696C736.306 190 732.166 196.712 726.895 202.484C701.212 232.8 675.48 263.073 649.699 293.302C648.744 294.182 648.147 295.383 648.021 296.676C647.895 297.969 648.249 299.263 649.016 300.311C664.429 329.389 679.663 358.467 694.962 387.609C698.608 394.553 701.391 401.806 701.472 409.809C701.511 418.536 698.37 426.978 692.638 433.552C686.907 440.127 678.977 444.382 670.337 445.52C660.246 447.003 650.806 444.836 641.35 441.918C618.271 434.79 595.159 427.727 572.015 420.729C571.103 420.595 570.267 420.141 569.657 419.449C569.046 418.757 568.7 417.871 568.679 416.948C566.009 400.649 563.096 384.35 560.313 368.05C560.308 367.407 560.352 366.764 560.443 366.127C586.745 373.445 612.883 380.65 640.064 388.212" fill="%23E15C22"/>
<defs>
<linearGradient id="paint0_linear" x1="224.397" y1="427.56" x2="455.15" y2="658.31" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint1_linear" x1="363.961" y1="578.688" x2="608.197" y2="809.402" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
CURSO
Spark con Python
A Medida
Curso integral de Apache Spark con Python que cubre desde fundamentos de Spark Core hasta SQL, MLlib, Structured Streaming y procesamiento avanzado distribuido con PySpark.
![Spark SQL con Python para procesos ETL](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M690.345 266C597.092 266 602.916 306.351 602.916 306.351L603.021 348.153H692.009V360.701H567.675C567.675 360.701 508 353.953 508 447.832C508 541.712 560.083 538.387 560.083 538.387H591.169V494.821C591.169 494.821 589.489 442.832 642.418 442.832H730.681C730.681 442.832 780.267 443.631 780.267 395.016V314.665C780.267 314.665 787.798 266 690.345 266ZM641.276 294.109C645.517 294.106 649.586 295.784 652.588 298.774C655.59 301.764 657.279 305.821 657.283 310.053C657.287 312.15 656.876 314.227 656.075 316.165C655.273 318.103 654.097 319.865 652.613 321.349C651.129 322.833 649.366 324.011 647.426 324.815C645.485 325.62 643.405 326.034 641.303 326.036H641.276C637.035 326.044 632.963 324.372 629.957 321.386C626.952 318.4 625.257 314.345 625.247 310.113V310.086C625.245 307.99 625.657 305.914 626.458 303.977C627.26 302.04 628.437 300.279 629.921 298.795C631.404 297.312 633.167 296.134 635.106 295.33C637.046 294.526 639.126 294.111 641.227 294.109H641.276Z" fill="url(%23paint0_linear_2379_17302)"/>
<path d="M693.055 631C786 631 780.201 590.517 780.201 590.517L780.097 548.578H691.397V535.988H815.321C815.321 535.988 874.798 542.764 874.798 448.566C874.798 354.367 822.887 357.714 822.887 357.714H791.904V401.423C791.904 401.423 793.578 453.561 740.824 453.561H652.852C652.852 453.561 603.43 452.758 603.43 501.539V582.181C603.43 582.181 595.924 630.989 693.055 630.989V631ZM741.962 602.799C739.869 602.801 737.795 602.389 735.861 601.586C733.926 600.783 732.167 599.605 730.686 598.12C729.204 596.634 728.029 594.87 727.226 592.928C726.423 590.986 726.009 588.905 726.008 586.802V586.802C726.006 584.699 726.416 582.617 727.215 580.673C728.015 578.729 729.187 576.963 730.666 575.474C732.145 573.986 733.901 572.805 735.835 571.998C737.768 571.191 739.841 570.775 741.935 570.773V570.773C744.03 570.765 746.105 571.173 748.044 571.971C749.982 572.77 751.744 573.944 753.23 575.427C754.716 576.91 755.897 578.673 756.705 580.614C757.513 582.555 757.932 584.638 757.938 586.742V586.769C757.941 591.016 756.264 595.091 753.277 598.097C750.289 601.103 746.235 602.794 742.006 602.799H741.962Z" fill="url(%23paint1_linear_2379_17302)"/>
<path fill-rule="evenodd" clip-rule="evenodd" d="M421.747 519.462C422.053 520.129 422.42 520.931 422.95 522.016L422.903 522.031C409.86 518.405 397.068 514.866 384.382 511.356C371.9 507.902 359.519 504.476 347.1 501.023C347.013 501.629 346.971 502.241 346.976 502.853C347.898 508.245 348.834 513.638 349.771 519.031C351.527 529.142 353.283 539.254 354.941 549.365C354.96 550.243 355.29 551.086 355.872 551.745C356.453 552.403 357.248 552.834 358.117 552.962C380.152 559.618 402.155 566.337 424.128 573.117C433.13 575.892 442.118 577.955 451.725 576.544C459.951 575.461 467.5 571.413 472.957 565.16C478.414 558.906 481.404 550.876 481.367 542.574C481.29 534.962 478.64 528.062 475.169 521.458C473.026 517.379 470.885 513.303 468.744 509.227C456.332 485.598 443.941 462.008 431.426 438.418C430.696 437.421 430.358 436.19 430.479 434.96C430.599 433.73 431.168 432.588 432.077 431.751C456.621 402.996 481.12 374.2 505.571 345.362C510.589 339.872 514.531 333.487 517.193 326.541C522.632 310.866 515.535 298.54 499.389 295.532C492.057 294.321 484.549 294.744 477.401 296.773C442.381 305.992 407.31 315.295 372.187 324.68C369.072 325.564 367.538 324.975 365.88 322.153C351.625 298.261 337.353 274.369 322.803 250.664C319.53 245.199 315.63 240.136 311.182 235.578C297.98 222.353 280.594 222.896 268.104 236.757C264.657 240.661 261.706 244.979 259.318 249.609C254.147 259.322 252.383 269.993 250.617 280.675C250.229 283.02 249.841 285.366 249.417 287.703L248.569 292.423C244.496 315.084 240.421 337.757 236.509 360.417C236.411 361.589 235.933 362.696 235.146 363.569C234.36 364.443 233.309 365.035 232.155 365.254C227.963 366.576 223.771 367.896 219.579 369.217C192.351 377.794 165.137 386.367 137.959 395.208C131.008 397.38 124.356 400.412 118.156 404.231C99.654 416.03 96.8338 435.364 110.78 452.418C116.968 459.689 124.79 465.39 133.604 469.054C142.945 473.253 152.302 477.409 161.656 481.564C171.886 486.107 182.11 490.648 192.301 495.24C193.195 495.733 194.215 495.951 195.232 495.865C196.25 495.78 197.219 495.395 198.019 494.76C214.382 484.124 230.73 473.529 247.062 462.976C247.856 462.405 248.622 461.795 249.355 461.147C237.079 456.27 224.903 451.419 212.773 446.587C198.645 440.959 184.581 435.356 170.499 429.767C171.743 428.681 173.207 427.877 174.791 427.41C206.701 417.229 238.668 407.126 270.692 397.1C272.923 396.402 274.241 395.565 274.473 392.975C274.636 391.156 275.006 389.299 275.373 387.457C275.528 386.677 275.683 385.9 275.821 385.13L288.729 312.416C289.527 307.78 290.383 303.115 291.238 298.455C291.643 296.243 292.049 294.033 292.448 291.827C293.854 292.802 295.006 294.099 295.81 295.61C311.295 321.305 326.754 347.037 342.188 372.805C343.49 374.991 344.605 375.642 347.146 374.991C374.232 367.756 401.365 360.52 428.544 353.285L448.176 348.153C447.928 349.476 447.31 350.702 446.394 351.688C424.06 378.097 401.664 404.417 379.206 430.65C378.298 431.472 377.724 432.599 377.593 433.817C377.461 435.035 377.782 436.258 378.494 437.255C389.957 458.863 401.301 480.431 412.653 502.015C415.434 507.301 418.214 512.588 420.997 517.876C421.247 518.368 421.472 518.861 421.747 519.462ZM253.734 583.098C253.734 592.754 252.402 601.522 249.739 609.402C247.186 617.282 243.357 623.942 238.252 629.38C233.147 634.818 226.766 638.814 219.108 641.366L247.575 671H226.1L203.127 644.197H200.963C200.297 644.308 199.631 644.363 198.965 644.363C189.642 644.363 181.541 642.92 174.66 640.035C167.779 637.038 162.064 632.876 157.513 627.549C152.963 622.11 149.578 615.617 147.359 608.07C145.139 600.523 144.029 592.144 144.029 582.932C144.029 570.723 146.027 560.069 150.022 550.968C154.017 541.867 160.066 534.763 168.168 529.658C176.38 524.553 186.701 522 199.131 522C211.006 522 220.995 524.553 229.096 529.658C237.198 534.653 243.302 541.756 247.408 550.968C251.626 560.069 253.734 570.779 253.734 583.098ZM159.844 583.098C159.844 593.087 161.231 601.689 164.006 608.903C166.78 616.117 171.053 621.666 176.824 625.551C182.706 629.435 190.086 631.378 198.965 631.378C207.954 631.378 215.279 629.435 220.939 625.551C226.71 621.666 230.983 616.117 233.758 608.903C236.532 601.689 237.919 593.087 237.919 583.098C237.919 568.115 234.812 556.406 228.597 547.971C222.382 539.425 212.56 535.152 199.131 535.152C190.142 535.152 182.706 537.094 176.824 540.979C171.053 544.752 166.78 550.246 164.006 557.46C161.231 564.563 159.844 573.11 159.844 583.098ZM126.079 610.901C126.079 618.004 124.359 624.052 120.918 629.047C117.478 633.93 112.539 637.704 106.102 640.368C99.7763 643.031 92.285 644.363 83.6285 644.363C79.1892 644.363 74.9165 644.141 70.8102 643.697C66.8148 643.253 63.1524 642.643 59.823 641.866C56.4936 640.978 53.5526 639.924 51 638.703V624.386C54.9953 626.161 59.934 627.771 65.816 629.213C71.809 630.656 77.9684 631.378 84.2944 631.378C90.1764 631.378 95.1151 630.601 99.1104 629.047C103.106 627.493 106.102 625.273 108.1 622.388C110.098 619.502 111.096 616.117 111.096 612.232C111.096 608.348 110.264 605.074 108.599 602.41C106.935 599.746 104.049 597.305 99.9427 595.085C95.9474 592.754 90.3429 590.313 83.1291 587.76C78.0239 585.873 73.5292 583.875 69.6449 581.766C65.8715 579.547 62.7085 577.05 60.156 574.275C57.6034 571.5 55.6612 568.337 54.3294 564.785C53.1086 561.234 52.4982 557.127 52.4982 552.466C52.4982 546.14 54.1075 540.757 57.3259 536.317C60.5444 531.767 64.9836 528.271 70.6437 525.829C76.4147 523.387 83.0181 522.167 90.4538 522.167C97.0017 522.167 102.995 522.777 108.433 523.998C113.871 525.219 118.81 526.828 123.249 528.826L118.588 541.645C114.481 539.869 109.987 538.371 105.103 537.15C100.331 535.929 95.337 535.318 90.1209 535.318C85.1267 535.318 80.9649 536.04 77.6355 537.483C74.3061 538.926 71.809 540.979 70.1443 543.642C68.4795 546.195 67.6472 549.192 67.6472 552.632C67.6472 556.628 68.4795 559.958 70.1443 562.621C71.809 565.285 74.528 567.671 78.3014 569.78C82.0748 571.889 87.1799 574.164 93.6168 576.606C100.609 579.158 106.491 581.933 111.263 584.93C116.146 587.815 119.808 591.311 122.25 595.418C124.803 599.524 126.079 604.685 126.079 610.901ZM280.078 523.831V642.698H347V629.38H295.061V523.831H280.078Z" fill="%23E15C22"/>
<defs>
<linearGradient id="paint0_linear_2379_17302" x1="544.74" y1="302.077" x2="727.465" y2="484.8" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint1_linear_2379_17302" x1="655.355" y1="421.618" x2="848.791" y2="603.67" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
CURSO
Spark SQL con Python para procesos ETL
A Medida
Aprende a extraer, transformar y cargar datos de una variedad de fuentes; a realizar consultas complejas; a limpiar, unir y normalizar los datos; y a procesar datos en tiempo real con herramientas como Kafka. Al concluir el curso, los alumnos estarán preparados para diseñar y desarrollar un proyecto de ETL completo con Spark SQL y Python.
Diseñemos hoy el curso que tu empresa necesita
Cuéntanos tus objetivos de negocio y prepararemos una propuesta formativa bonificable totalmente ad hoc
