v2.3.5

Author: fortinux

BigData-es001.ipynb

@@ -46,7 +46,7 @@
     }
    },
    "source": [
-    "- En el pasado solo las grandes organizaciones podían aprovecharse de Big Data. \n",
+    "- En el pasado solo las grandes organizaciones podían aprovecharse de Big Data: \n",
     "    - Walmart, Google, agentes financieros especializados. \n",
     "- Actualmente con Hadoop, hardware de bajo coste (*commodity*) con el kernel de Linux y el *cloud computing*, casi cualquier organización se lo puede permitir."
    ]
@@ -403,7 +403,7 @@
    "id": "8cbaa9e6-ecfd-486f-b953-7e372ceade2b",
    "metadata": {},
    "source": [
-    "- En el informe de 2024 el autor mueve el objetivo del *landscape* Big Data hacia la IA resaltando como tendencia la interacción de los datos no estructurados, utilizados en los modelos LLM, para entrenar los datos internos de las organizaciones como.\n",
+    "- En el informe de 2024 el autor mueve el objetivo del *landscape* Big Data hacia la IA resaltando como tendencia la interacción de los datos no estructurados, utilizados en los modelos LLM, para entrenar los datos internos de las organizaciones.\n",
     "- En este sentido comenta el rápido crecimiento de las empresas OpenAI, Anthropic, Palantir, Midjourney y Perplexity AI, entre otras; y el aumento de la valoración de las 7 magníficas (Nvidia, Meta, Amazon, Microsoft, Alphabet, Apple and Tesla) en la bolsa de Nueva York (2023).\n",
     "    - Fuente: <https://mattturck.com/mad2024/#more-1805>."
    ]
@@ -421,7 +421,7 @@
    "id": "9d010219-3e92-4f98-bb6a-dfb1943b025c",
    "metadata": {},
    "source": [
-    "- Por último, la lista de *Inside Big Data* IMPACT 50 LIST for Q1 2024 <https://insidebigdata.com/2024/01/18/the-insidebigdata-impact-50-list-for-q1-2024/> muestra, listando a las empresas más importantes, cómo el mercado ha evolucionado hacia la IA. Ellas son: OpenAI, Microsoft AI, NVIDIA, Hugging Face (Pre-trained ML models), Google AI y DeepMind, Amazon Web Services, Snowflake, Databricks, Intel AI, e IBM, en este orden. "
+    "- Por último, la lista de *Inside Big Data* IMPACT 50 LIST for Q1 2024 <https://insidebigdata.com/2024/01/18/the-insidebigdata-impact-50-list-for-q1-2024/> muestra, listando a las empresas más importantes, cómo el mercado ha evolucionado hacia la IA. Ellas son: OpenAI, Microsoft AI, NVIDIA, Hugging Face (*Pre-trained ML models*), Google AI y DeepMind, Amazon Web Services, Snowflake, Databricks, Intel AI, e IBM, en este orden. "
    ]
   },
   {
@@ -447,9 +447,15 @@
    },
    "source": [
     "- El gobierno de datos es una serie de principios, estándares y prácticas que se aplican de punta a punta en el ciclo de vida de los datos (recolección, almacenamiento, uso, protección, archivo y eliminación) para asegurar que los mismos sean confiables y consistentes. \n",
-    "- Para ello establece estructuras organizacionales, confirma responsables de datos, Hace cumplir reglas y políticas, documenta procesos y registra métricas y términos de negocio comunes.  \n",
-    " \t\n",
-    "\tFuente: <https://www.informatica.com/blogs/data-governance-vs-data-management-whats-the-difference.html>. "
+    "- Para ello establece estructuras organizacionales, confirma responsables de datos, Hace cumplir reglas y políticas, documenta procesos y registra métricas y términos de negocio comunes.  "
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "896ccc35-c3cc-4d1c-90db-c014c19394ce",
+   "metadata": {},
+   "source": [
+    "- Fuente: [Informatica.com](https://www.informatica.com/blogs/data-governance-vs-data-management-whats-the-difference.html). "
    ]
   },
   {
@@ -1425,7 +1431,7 @@
     }
    },
    "source": [
-    "- Mineria de datos (*Data mining*): Se utiliza para filtrar conjuntos de datos en busca de patrones y relaciones."
+    "- Minería de datos (*Data mining*): Se utiliza para filtrar conjuntos de datos en busca de patrones y relaciones."
    ]
   },
   {
@@ -1441,7 +1447,7 @@
     "    - Asociación.\n",
     "    - Análisis exploratorio.\n",
     "    - Segmentación.\n",
-    "    - Clustering (no supervisado): agrupar los datos en categorías basadas en alguna medida de similitud o distancia.\n",
+    "    - *Clustering* (no supervisado): agrupar los datos en categorías basadas en alguna medida de similitud o distancia.\n",
     "    - Reducción de la dimensión: proceso de reducción del número de variables aleatorias que se tratan."
    ]
   },
@@ -1612,7 +1618,18 @@
     }
    },
    "source": [
-    "## Herramientas para Big Data"
+    "## ASF: Herramientas para Big Data"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "de334312-f5f6-4c70-ae0c-ce6c69ae1e08",
+   "metadata": {},
+   "source": [
+    "- La ASF (*Apache Software Foundation*) <https://apache.org/> desarrolla, administra e incuba cientos de proyectos de código de fuente abierta (*open source*) de nivel empresarial utilizados mundialmente.\n",
+    "- Actualmente administra más de 70 proyectos relacionados con Big Data <https://projects.apache.org/projects.html?category#big-data>. \n",
+    "- Entre ellos, se pueden mencionar Hadoop para el procesamientos en lotes (*batch processing*) de grandes conjuntos de datos, Spark para procesamiento *in-memory* de datos y analítica, Kafka para la ingesta de datos en tiempo real y *streaming*; y Cassandra o HBase almacenamiento NoSQL escalable de datos.\n",
+    "- El blog de la ASF se encuentra en <https://news.apache.org/>."
    ]
   },
   {