Big Data con Python - De Cero a Producción

"Sin experiencia no hay conocimiento"

CURSO COMPLETO DE BIG DATA

Ver Sitio Web del Curso

---

Demos en Vivo

Observatorio Sísmico Global	ISS Tracker
Sismos en tiempo real desde USGS API	Rastrea la Estación Espacial Internacional
Ver Demo	Ver Demo

Dashboards con datos reales de APIs públicas, actualizados automáticamente

---

El Curso en Números

230 Horas	9 Módulos	25+ Ejercicios	12+ Dashboards	30+ Tecnologías
de contenido	completos	prácticos	interactivos	profesionales

---

Stack Tecnológico Completo

Bases de Datos

Tecnología	Nivel	Qué Aprenderás
SQLite	Básico	Queries SQL, índices, optimización
PostgreSQL	Intermedio	Joins complejos, Window Functions, CTEs
Oracle	Avanzado	PL/SQL, procedimientos almacenados
DynamoDB	Avanzado	NoSQL, key-value, serverless

Procesamiento de Datos

Tecnología	Cuándo Usarla	Escala
Pandas	Análisis exploratorio	< 5 GB
Dask	Datasets grandes, 1 máquina	5-100 GB
Apache Spark	Clusters, producción	> 100 GB
Spark Streaming	Datos en tiempo real	Ilimitado

Streaming y Cloud

Tecnología	Propósito
Apache Kafka	Streaming distribuido (KRaft mode)
Spark Structured Streaming	Procesamiento de streams
LocalStack	Simulación AWS local (gratis)
Terraform	Infraestructura como Código
AWS S3/Lambda	Almacenamiento y funciones serverless

Machine Learning e IA

Tecnología	Aplicación
Scikit-learn	ML clásico, clustering, clasificación
TensorFlow	Deep Learning, redes neuronales
MobileNetV2	Transfer Learning, Computer Vision
ARIMA/SARIMA	Series temporales, forecasting

NLP y Visualización

Tecnología	Uso
NLTK	Procesamiento de lenguaje natural
TF-IDF	Vectorización de texto
Plotly	Dashboards interactivos
Leaflet.js	Mapas interactivos

Econometría

Tecnología	Aplicación
linearmodels	Datos de panel
Panel OLS	Efectos fijos y aleatorios
Hausman Test	Selección de modelo

---

Módulos del Curso

Módulo 1: Bases de Datos

SQLite, PostgreSQL, Oracle, migraciones

Desde tu primera query SELECT hasta procedimientos almacenados en Oracle.

Módulo 2: Limpieza de Datos y ETL

Pipeline ETL profesional, QoG Dataset (1289 variables, 194+ países)

Pipelines profesionales que procesan millones de registros.

Módulo 3: Procesamiento Distribuido

Dask, Parquet, LocalCluster

Procesamiento paralelo de datasets grandes en una sola máquina.

Módulo 4: Machine Learning

PCA, K-Means, Transfer Learning, ARIMA/SARIMA

Desde clustering hasta Computer Vision con TensorFlow y series temporales.

Módulo 5: NLP y Text Mining

NLTK, TF-IDF, Jaccard, Análisis de Sentimiento

Tokenización, limpieza, similitud de documentos y análisis de sentimiento.

Módulo 6: Análisis de Datos de Panel

Efectos Fijos, Efectos Aleatorios, Hausman Test

Análisis longitudinal con datos país x año.

Módulo 7: Infraestructura Big Data

Docker, Docker Compose, Apache Spark Cluster

Contenedores, orquestación y clusters Spark en Docker.

Módulo 8: Streaming con Kafka

Apache Kafka (KRaft), Spark Structured Streaming

Streaming en tiempo real con datos de sismos desde USGS API.

Módulo 9: Cloud con LocalStack

LocalStack, Terraform, AWS S3/Lambda/DynamoDB

Simulación de AWS sin costos e Infraestructura como Código.

Trabajo Final

Docker + Spark + PostgreSQL + Análisis Completo

Proyecto integrador de principio a fin.

---

Inicio Rápido

# 1. Clona tu fork
git clone https://github.com/TU_USUARIO/ejercicios-bigdata.git
cd ejercicios-bigdata

# 2. Crea entorno virtual
python -m venv .venv
.venv\Scripts\activate  # Windows
source .venv/bin/activate  # Linux/Mac

# 3. Instala dependencias
pip install -r requirements.txt

Siguiente paso: Ver documentación completa

---

Estructura del Repositorio

ejercicios-bigdata/
├── ejercicios/                 # Código por módulo
│   ├── 01_bases_de_datos/
│   ├── 02_limpieza_datos/
│   ├── 03_procesamiento_distribuido/
│   ├── 04_machine_learning/
│   ├── 05_nlp_text_mining/
│   ├── 06_analisis_datos_de_panel/
│   ├── 07_infraestructura_bigdata/
│   ├── 08_streaming_kafka/
│   └── 09_cloud_localstack/
│
├── entregas/                   # Zona de entregas del alumno
├── trabajo_final/              # Proyecto integrador
└── docs/                       # Sitio web (MkDocs)

---

Galería de Dashboards

Dashboard	Tecnologías
ARIMA PRO	Series temporales estilo Bloomberg
PCA + K-Means	Clustering y reducción dimensional
Transfer Learning Flores	CNN + Computer Vision
Panel Data QoG	Spark + PostgreSQL + ML
Sismos Global	Kafka + Tiempo Real
ISS Tracker	LocalStack + AWS

---

Instructor

Juan Marcelo Gutierrez Miranda — @TodoEconometria

10+ años en análisis de datos y Big Data. Formador de profesionales en toda Latinoamérica y España.

Contacto:

• Email: cursos@todoeconometria.com
• LinkedIn: Juan Gutierrez
• Web: todoeconometria.com

---

Referencias Académicas

1. Dean, J., & Ghemawat, S. (2008). MapReduce: Simplified data processing on large clusters. Communications of the ACM.
2. Zaharia, M., et al. (2016). Apache Spark: A unified engine for big data processing. Communications of the ACM.
3. McKinney, W. (2022). Python for Data Analysis. O'Reilly Media.
4. Kleppmann, M. (2017). Designing Data-Intensive Applications. O'Reilly Media.

---

---

English

This course is available in English! Visit the English version of the website.

A complete, free, open-source Big Data course covering 230 hours of hands-on content across 9 modules:

• Databases: SQLite, PostgreSQL, Oracle, DynamoDB
• ETL & Processing: Pandas, Dask, Apache Spark
• Streaming: Apache Kafka (KRaft mode), Spark Structured Streaming
• Cloud: LocalStack (free AWS simulation), Terraform, Lambda
• ML & AI: PCA, K-Means, TensorFlow, ARIMA/SARIMA, Transfer Learning
• NLP: NLTK, TF-IDF, Sentiment Analysis, Jaccard Similarity
• Econometrics: Panel Data, Fixed/Random Effects, Hausman Test
• Infrastructure: Docker, Docker Compose, Spark Clusters

Live demos: Global Earthquake Observatory | ISS Tracker

---

© 2026 Juan Marcelo Gutierrez Miranda — Open Educational Material (MIT License)

Hash ID: 4e8d9b1a5f6e7c3d2b1a0f9e8d7c6b5a4f3e2d1c0b9a8f7e6d5c4b3a2f1e0d9c