En el Tutorial DataHub I analizamos la arquitectura de esta plataforma. En este post, vamos a ver una guía de cómo desplegar DataHub y empezar a trabajar con esta herramienta. DataHub se puede desplegar de dos formas: mediante Helm o…
Comenzamos una colección de tutoriales sobre el uso y funcionamiento de DataHub, una plataforma Data Governance que ya mencionamos en el post qué es y en qué consiste un Data Catalog. En esta serie, exploramos el concepto de gobernanza de datos…
La creciente demanda de aplicaciones y servicios ha generado una gran necesidad de gestionar más eficientemente las API que los comunican. Para satisfacer esta necesidad, existe Apache APISIX, que es una plataforma de gestión de APIs de código abierto, escalable…
En el ámbito del Machine Learning existen múltiples modelos cuya estructura interna hace que no sea trivial comprender el por qué detrás de las decisiones que toma. Este conjunto de modelos son ampliamente conocidos como modelos de caja negra y…
Imagínese ser un data scientist que trabaja para una empresa que ha decidido unificar las bases de datos de dos de sus departamentos en una sola. No existe ningún índice común entre ambas fuentes y la tarea consiste en “deduplicar”…
El objetivo principal de los equipos de revenue management es implementar una política de precios que maximice el ingreso (o el beneficio, si tienen integrados en sus sistemas información de costes). Sin embargo, identificar dicha política de precios es realmente…
Qué es un Catálogo de datos o Data Catalog parece algo muy intuitivo y que cualquiera mínimamente iniciado en este mundo comprendería, pero llevarlo a la práctica e implementarlo, es algo más complicado. Para aquellos que no conocen este concepto,…
En la primera parte del Tutorial sobre CUDA, mencionamos la unidad de ejecución más pequeña de la GPU, los warps, el equivalente a un núcleo en una CPU. Sin embargo, solo con warps no es posible aprovechar todo el poder…
En un artículo anterior, hicimos una introducción teórica a Spark Structured Streaming donde analizamos en profundidad la API de alto nivel que proporciona Spark para el procesamiento de flujos de datos masivos en tiempo real (Structured Streaming). En él, vimos…
Git es un sistema de control de versiones que se ha convertido en una herramienta esencial para el desarrollo de software. Permite a equipos de desarrolladores trabajar de manera colaborativa sobre el mismo código y gestionar de una forma eficiente…