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. 👍🏻
Muchas gracias Sr Isaac. Excelente aporte y ayuda para quienes somos apasionados por los datos y vemos una oportunidad de reinventar nuestra profesión. Gracias!
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
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.
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.
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. 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/
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
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.
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.
![Descubre las 3 CLAVES para girar a DATA SCIENCE a partir de los 40 [🎧Podcast]](http://i.ytimg.com/vi/I8jb6cCLg28/mqdefault.jpg)
![Descubre las 3 CLAVES para girar a DATA SCIENCE a partir de los 40 [🎧Podcast]](/img/tr.png)
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
Muchas gracias Sr Isaac. Excelente aporte y ayuda para quienes somos apasionados por los datos y vemos una oportunidad de reinventar nuestra profesión. Gracias!
Una vez más, claro y conciso. Simplemente perfecto no se puede decir más en menos tiempo ok
gracias!
Vaya este merecido like a una explicacion tan clara de un colega ingeniero
Me estoy empezando a informar sobre el mundo big data y tus videos son geniales y muy faciles de entender, gracias.
Se me han despejado varias lagunas con este video, Gracias Crack !
genial, gracias por decirlo, objetivo cumplido :-)
Muchas gracias Isaac, un video muy interesante y muy bien explicado.
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 :-)
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!
Muchas gracias por compartir y enhorabuena por la síntesis y la forma tan didáctica de ofrecer esta información!
Fantástico. Con vídeos se tiene una idea clara de la estructura de este mundo. Permiten plantear la estrategia de aprendizaje.
uffff por fin alguien que sintetiza ! gracias genio!
Muchas gracias por poner un poco de orden en este mundo entrópico!!!
Genial!! Me encantan tus videos Isaac, me parecen muy didácticos. Te animo a que sigas así!
Te amodoro! Un beso desde Lima Perú
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.
Estupenda tu explicación! Me encanto el enfoque. Gracias!
Excelente mapa conceptual!!!!!
Gracias por el video. Me ha servido mucho como aclaración. Además ayuda mucho que seas un buen orador!
Super la manera de explicar gracias ...
Gracias!, me sirvio de mucho!
🙌🏻 muchas gracias por compartir 😊
¡Extraordinario resumen! Muchas gracias 👏👏
Que buen video, me encantan tus matrices! Gracias
Excelente video para iniciarse en esto del big data!
excelente explicacion ... gracias
Gracias por la explicación, tan clara y didáctica. Saludos. 👍👍👍👍
Muy buen video, explicado de una manera muy clara
gracias Guille
Gracias por el vídeo, excelente aclaración!
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
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!!!
Eres un crack maestro muchas gracias por tus videos
lo compartí con todos mis amigos de la maestría.
gracias!
Magnifico! Muchas gracias
¡Gracias por estos videos!
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!
Que requisitos debería tener una pc/notebook para hacer big data ?
muchas gracias
Buen vídeo 👌
Muchísimas gracias!!!
Excelente explicación
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
Perdón mi ignorancia y C, C++ en donde quedan?
No son del ámbito de data science / big data
Spark no es mejor que Hadoop, sino mejor que MapReduce, es diferente
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.
Excelente explicacion!! felicidades por esta iniciativa, estaba perdido en este ambito
gran video efectivamente dije aja¡¡¡¡
Excelente!
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.
Magnifico
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
Quedé más liado...