Cursos Empresas Blog Live Conf Eventos Precios

0:007:53

Lenguajes de programación e ingeniería de software

Curso de Fundamentos de Ingeniería de Datos

Clase 7 / 25

Ver clases

Lenguajes de programación e ingeniería de software

Curso de Fundamentos de Ingeniería de Datos

Clase 7 de 25

Clase 7 / 25

Lenguajes de programación e ingeniería de software

Curso de Fundamentos de Ingeniería de Datos

Clase 7 / 25

Ver clases

Iván León Niño Ramírez

Hace 2 años

pandas: Librería de Python para manipulación y análisis de datos estructurados. Ideal para limpieza, transformación y análisis de datos.
NumPy: Biblioteca fundamental para computación científica en Python. Ofrece un soporte para matrices y operaciones matemáticas de alto nivel.
Apache Spark: Plataforma de procesamiento distribuido que proporciona una interfaz unificada para el procesamiento de datos en grandes clústeres.
Apache Hadoop: Framework de software de código abierto para almacenamiento y procesamiento distribuido de conjuntos de datos grandes utilizando el modelo de programación MapReduce.
Apache Kafka: Plataforma de transmisión distribuida que se utiliza para la construcción de sistemas de procesamiento de datos en tiempo real y de mensajería.
SQLAlchemy: Biblioteca de Python que proporciona una interfaz de alto nivel para trabajar con bases de datos relacionales utilizando Python.
PySpark: Biblioteca de Python que permite interactuar con Spark utilizando el lenguaje Python.
TensorFlow / PyTorch: Bibliotecas populares para machine learning y deep learning. Son ampliamente utilizadas en tareas de análisis predictivo y modelado de datos.
scikit-learn: Librería de aprendizaje automático de código abierto para Python. Proporciona herramientas simples y eficientes para la minería y análisis de datos.
Dask: Biblioteca de Python para computación paralela que escala los análisis existentes de datos de Python utilizando múltiples núcleos y máquinas.
Apache Airflow: Plataforma de programación de flujo de trabajo para programar, monitorear y administrar flujos de trabajo de datos.
Gensim: Biblioteca de Python para modelado de temas y documentos, utilizada para procesar grandes colecciones de texto.
fastai: Biblioteca de Python diseñada para simplificar el entrenamiento de modelos de aprendizaje profundo de alta calidad con menos código.
NLTK (Natural Language Toolkit): Suite de herramientas de Python para trabajar con datos de lenguaje humano. Ofrece facilidades para la clasificación, tokenización, lematización, etiquetado y análisis de sintaxis.
Arrow: Biblioteca de Python para trabajar con fechas y tiempos de manera más eficiente y consistente.

Comentarios (84)84 comentarios

Jerald Jeanphierre Espinoza Flores

Hace 4 años

Creo que es muy necesario que se actualicen los cursos de R y de Scala... Profe Ricardo lleve el pedido para que talvez se realicen... Gracias.

Ricardo Alanis

Profesor

Llevado, gracias por la solicitud!!

Diego Andres Benitez

Hace 3 años

El de Fundamentos de R es malo, pero el de Inferencia Estadística con R es un muy buen curso, pero está más pensado para la parte estadística que para el manejo del lenguaje.

Cornelio Reyes

Librerías python para ingenieria de datos Pandas. Numpy. Plotly. Scikit-learn. Category-encoders. Imbalance Learning. LightGBM / XGBoost. Keras / Tensorflow.

Donovan Lenoar Palacios Camarillo

Y la hermosa Matplotlib

Dickinson Alexander Duran Ravelo

Profe, siento que a la ruta de Data Engineer le falta un curso usando todo el stack completo (hadoop, airflow, kafka, pyspark ) los cursos son buenos pero no veo ninguno que use todas estas herramientas para llevar a cabo un proyecto real.

Rolly Chin

Muy buena idea! Sería genial contar con este curso que integre todas las herramientas.

Juan Diego Villa Franco

Creo que vale la pena aclarar que está mal el decir "estadista" al experto en estadística, por lo que si debería ser correcto decir estadístico/a

Toda la razón, gracias por aclararlo!

Daviel Antonio Jiménez Comas

Mi resumen de la clase:

Debemos de tener en cuenta Maquetar código VS código en producción, Python: Nos ayuda mucho en Data Science, posee muchas librerías de código científico. Puede ser más lento que otras opciones. Es muy sencillo.

R: Es un antecesor de Python. Es muy útil para trabajar con estadísticas y modelos. Importante para analistas.

Scala: Usa java de base. Con la implementación y optimización de PySpark bajó su necesidad. Interesante para programación funcional.

Java: Scala corre sobre java. Su escalabilidad es envidiable. Puede ser un cómodo siguiente paso.

JavaScript: Navaja suiza para web developers. Super flexible y útil para muchos ámbitos. Imponente por la cantidad de herramientas que tiene. Visualizaciones de datos más bellas posibles.

C++ y derivados: Columna vertebral para muchos proyectos. Curva de aprendizaje potente. Muchas herramientas usan C en el fondo. Implementaciones modernas ayudan a que no sea tan difícil de implementar.

Lo importante no es que los colecciones, sino que te sientas cómodos implementándolos en diversos paradigmas de programación, lo que vale es generar e implementar ideas que generen valor.

Stanley Melgar

Otra aptitud importante es la creación de API's REST. En Python hay varias bibliotecas y frameworks para esto, en lo personal, el mas sencillo y fácil de implementar seria FastAPI, del cual hay un curso acá en Platzi ~

Totalmente, en lo personal busco mucho este perfil. Definitivamente es una excelente herramienta para tener.

Luciana Melisa Quiroga

-PygramETL y PETL para ETL para procesos ETL -Beautiful Soup para scrapeo (que pienso aprender en este path de Platzi) -Y saber conectar con APIs, por ejemplo si se necesita sacar información de redes sociales, cada una tiene su propia API y su documentación para conectar con Python. Poder comprender cómo se hace para extraer datos de allí. Por ejemplo para conectar con las APIs de YouTube, Instagram, Facebook, Twitter, Twitch.

Gracias por compartir!!

Santiago García Rincón

NumPy: librería de Python para cálculos numéricos y operaciones en matrices.

Pandas: librería para análisis y manipulación de datos en Python.

Matplotlib: librería para visualización de datos en Python.

Seaborn: otra librería para visualización de datos, con una sintaxis más simple y elegante que Matplotlib.

Scikit-learn: librería para aprendizaje automático en Python, con herramientas para clasificación, regresión, clustering, selección de características y más.

TensorFlow: librería para aprendizaje automático y deep learning desarrollada por Google, con herramientas para construir redes neuronales y modelos de aprendizaje profundo.

Keras: otra librería de aprendizaje profundo, que ofrece una interfaz más fácil de usar que TensorFlow y permite construir modelos de manera más rápida.

PyTorch: librería de aprendizaje profundo desarrollada por Facebook, con una sintaxis similar a Numpy y con herramientas para construir redes neuronales y modelos de aprendizaje profundo.

Statsmodels: librería para estadística y modelado de datos en Python, que incluye herramientas para regresión lineal y no lineal, series de tiempo, análisis de datos categóricos, entre otros.

NLTK: librería para procesamiento de lenguaje natural en Python, con herramientas para análisis de texto, etiquetado de partes del discurso, análisis de sentimientos, entre otros.

Gracias por compartir!

Mi Chu

Algún curso de JS aplicado para datos? 👀

Wow! que buena pregunta. Solo encontré un libro, pero le daré una pensada: JavaScript for Data Science

Carlos Eduardo Bracho Rosales

Anotaciones:

Python (Nuestro caballo de batalla actual)
- Librerias de codigo cientifico.
- Puede ser mas lento que otras opciones.
- El favorito de muchos por su sencillez.
R (elegido por expertos en estadistica)
- Herramienta estadistica y antecesor de python.
- Adelantado en modelos.
- Importante para analistas.
- Como Data engineers, aveces estaremos migrando codigo de R a otros lenguajes.
Scala (Spark se implementa sobre el)
- Usa Java de base.
- con la implementacion y optimizacion de PySpark bajo su necesidad.
- Interante para programacion funcional.
Java (potente lenguaje multiplataforma)
- Scala corre sobre Java.
- Su escalibilidad es envidiable.
- Puede ser un comodo siguiente paso.
- Algunas librerias de ciencia de datos son implementadas en Java.
JavaScript (La navaja suiza para web developers)
- Super flexible y util para muchos ambitos.
- Imponente por la cantidad de herramientas que tiene.
- Visualizaciones de datos mas bellas posibles. (libreria d3.js)
C++ y derivados (Columna vertebral de muchos proyectos)
- Curva de aprendizaje potente.
- Muchas herramientas usan C en el fondo.
- Implementaciones modernas ayudan a que no sea dificil de implementar.
Otros lenguajes: Julia y el Framework de NET
Lo importante de los lenguajes: No es que los colecciones, sino que te sientas con comodidad implentando en diversos paradigmas de programacion. lo que vale es llevar tus ideas hasta generar valor.

Jorge Ayala

Librerías Python para ingeniería de datos:

Pandas Numpy Plotly Scikit-learn Shap AzureML-sdk Category-encoders Imbalance Learning

Marco Antonio Badany Eggers

Librerías para Data Engineering

NumPy: es una librería de Python para el cálculo numérico y manipulación de arreglos. Es muy útil para procesar datos numéricos y realizar cálculos matemáticos.

Pandas: es una librería de Python para la manipulación y análisis de datos en tablas (dataframes). Es muy útil para cargar, limpiar, transformar y analizar datos.

Matplotlib: es una librería de Python para la visualización de datos en gráficos y plots. Es muy útil para explorar y visualizar datos.

SciPy: es una librería de Python para el cálculo científico y técnico. Incluye funciones para optimización, estadística, procesamiento de señales, álgebra lineal, entre otros.

Scikit-learn: es una librería de Python para el aprendizaje automático (machine learning). Incluye una variedad de algoritmos de aprendizaje supervisado y no supervisado, así como herramientas para la selección de características y la evaluación de modelos.

TensorFlow: es una librería de Python para el aprendizaje profundo (deep learning). Incluye herramientas para la construcción de redes neuronales y la entrenamiento de modelos de aprendizaje profundo.

PySpark: es una librería de Python para el procesamiento distribuido de datos utilizando Apache Spark. Es muy útil para procesar grandes volúmenes de datos en paralelo.

Andres Sanchez

7. Lenguajes de programación e ingeniería de software

Python

Nuestro caballo de batalla actual.

Librerías de código científico.
Puede ser más lento que otras opciones.
Mi favorito y el de muchas personas por su sencillez.
Pandas, Pyskpark, flask.

R

Elegido por estadistas.

Herramienta de estadística y antecesor de Python.
Adelantado en modelos.
Importante para analistas.

Scala

Spark se implementa sobre él.

Usa Java de base.
Con la implementación y optimización de PySpak bajó su necesidad.
Interesante para programación funcional.

Java

Potente lenguaje multiplataforna.

Scala corre sobre Java.
Su escalabilidad es envidiable.

JavaScript

La navaja suiza para web developers.

Súper flexible y útil para muchos ámbitos.

C++ y derivadors

Columna vertebral de muchos proyectos.
Curva de aprendizaje potente.

No es que los colecciones, sino que te sientas con comodidad implementando en diversos paradigmas de programación.

Lo que vale es llevar tus ideas hasta generar valor.

Yeimmy Andrea Ramirez Jimenez

Comparto algunas herramientas que encontré para ingeniería de datos: Apache Hadoop minero rapido Cuadro Cloudera Colmena Apache Tormenta de Apache Ciencia de datos de copos de nieve robot de datos TensorFlow matplotlib

Santiago Andres Gelvez Camargo

Hace un año

A 2025, Airflow, Snowflake, dbt, Databricks son herramientas que te encuentras en casi todas las ofertas de trabajo.

Indispensable saber de cloud. Muy importante.

Brayan Neciosup

Hace 10 meses

Librerías para Python en Data Engineer:
1. Pandas
2. Polars
3. PySpark
4. MatplotLib
5. Seaborn
6. Plotly
7. Sckit-learn
8. Numpy

Andrea Núñez Mendoza

De acuerdo a mi investigación y a lo que he usado:

NumPy: proporciona herramientas eficientes para el cálculo numérico, especialmente con arreglos multidimensionales (arrays) y funciones matemáticas avanzadas.
Pandas: permite realizar tareas de manipulación, agregación y visualización de datos de forma más sencilla.
SciPy: para operaciones científicas como Álgebra Lineal, Estadística, Optimización, etc.
Matplotlib: para crear visualizaciones de datos.
Plotly: para visualizar datos interactivos basada en la web.
SciKit-Learn: para Machine Learning.
TensorFlow: la más utilizada en la formación de redes neuronales artificiales sobre grandes conjuntos de datos.
SQLAlchemy: contiene la interfaz de Python para bases de datos relacionales y no relacionales.
Scrapy: Es un marco de trabajo completo de Web Scrapping.

Carlos Orejuela

Algunos frameworks en Python para un Data Engineer:

Apache Airflow: Programar y monitorizar flujos de trabajo como grafos dirigidos acíclicos (DAG) de tareas.
Kafka: Construir pipelines de datos en tiempo real y streaming applications para almacenar y replicar datos a través de múltiples servidores.
Polars: Realiza funcionalidades similares a Pandas en la manipulación y procesamiento de datos en formato tabular. Su principal objeto es el DataFrame, implementa operaciones "lazy" que incrementa su eficiencia para manejar volúmenes de datos.
PySpark: Librería para el procesamiento y análisis de grandes volúmenes datos.
Beautiful Soup: Librería para hacer Web Scraping. Esto permite extraer información de fuentes no estructurados como documentos alojados en la Web.

Emily Aguilar

Aquí un link con las librerías de Python para Data Science!! Top 25 Python Libraries for Data Science in 2025 - GeeksforGeeks

Lenguajes de programación e ingeniería de software

Lenguajes de programación e ingeniería de software

Lenguajes de programación e ingeniería de software

Progreso del curso

Introducción a la ingeniería de datos

Herramientas del ciclo de DataOps

Ejerciendo como Data Engineer

Conclusiones

Lenguajes de programación e ingeniería de software

Lenguajes de programación e ingeniería de software

Comentarios

Comentarios