🌐 Data Engineering Hub

En el camino de un Data Engineer, dominar los servicios cloud es esencial. AWS , como el proveedor en la nube más utilizado en el mundo,...

Antes de lanzar un pipeline de datos o desplegar un servicio analítico, un Data Engineer debe dominar la estructura base de cada nube :...

El Cloud Computing  es el modelo de negocio que entrega recursos computacionales a través de internet : servidores, almacenamiento, redes...

En entornos distribuidos como Databricks , los cálculos móviles son igual de relevantes que en Pandas o Polars, pero requieren una...

Un cálculo móvil  permite medir una métrica sobre una ventana de datos que se desplaza fila a fila. Es muy útil para series temporales,...

Cuando trabajamos en Databricks, no siempre necesitamos abrir el editor de SQL para aprovechar el poder de Spark SQL. En mi flujo,...

En el mundo de la ingeniería de datos, transformar datos cuantitativos de forma robusta es esencial. Esta vez abordé cómo hacerlo en...

En esta fase, enfoqué mis esfuerzos en aplicar transformaciones sobre datos cualitativos  usando Spark DataFrames en PySpark , replicando...

Esta fase tiene como objetivo replicar desde la perspectiva declarativa del SQL acciones que se han venido realizando anteriormente con...

Con la llegada de Databricks Free Edition (2025) , trabajar con archivos ya no se limita a simples rutas de almacenamiento. Todo sigue un...

Con la transición de Community Edition  a la Free Edition (2025) , Databricks ha implementado una evolución importante: Unity Catalog ,...

El archivo Parquet  es un formato de almacenamiento columnar  diseñado específicamente para manejar grandes volúmenes de datos...

Cuando comencé mi camino con Apache Spark dentro de Databricks (Community Edition) , uno de los pilares más importantes fue entender el...

El mundo moderno exige flujos de datos en tiempo real, y Apache Kafka se posiciona como la solución más sólida para lograrlo. A...

Data Lakehouse es una arquitectura moderna en Big Data que combina lo mejor de los Data Lakes y los Data Warehouses , permitiendo...

Cuando hablamos de almacenamiento de datos moderno, surgen dos conceptos esenciales que vale la pena entender: Data Lake  y Data...

En esta nueva entrada del recorrido por los fundamentos de manipulación de datos, abordamos uno de los conceptos centrales: los...

En este apartado, comparto cuáles son los casos de uso reales y potentes de Databricks dentro del flujo de trabajo moderno de ingeniería...

Databricks es una plataforma en la nube desarrollada por los creadores de Apache Spark que permite a científicos e ingenieros de datos...

Aprendiendo desde Databricks 🔍 ¿Qué es Apache Spark? Apache Spark  es un motor de procesamiento distribuido en memoria  diseñado para...