| Tipo de edición | Edición única (desempregados/as e ocupados/as) |
|---|---|
| Metodoloxía | Virtual |
| Tipo | CURSO |
| Matrícula | Gratuíta |
| Data inicio | 14/09/2026 |
| Data fin | 17/09/2026 |
| Certificación oficial | Non |
| Nº inscritos | 1 |
Esta especialización práctica de 10 horas ensinará aos profesionais a orquestrar canles de datos empregando ecosistemas distribuídos baseados en Apache Spark (PySpark). Usando entornos Jupyter/Colab, transformarán conxuntos de datos brutos en capas analíticas limpas e optimizadas para a súa integración en plataformas xeoespaciais.
Dita actuación realizarase no marco do proxecto denominado "Aceleración de ecosistemas de emprendemento e innovación baseados en Xemelgos Dixitais". Plan de Recuperación, Transformación e Resiliencia - Financiado pola Unión Europea - NextGenerationEU.
- Comprender a computación distribuída.
- Desenvolver fluxos ETL en PySpark.
- Limpar e transformar dataframes territoriais.
Científicos de datos, enxeñeiros de datos, analistas de datos e desenvolvedores de Python centrados na xestión ETL de información xeográfica.
Data Engineer senior experto en ecosistemas Hadoop/Spark e programación Python, con perfil altamente técnico.
- Duración :
10 horas - Metodoloxía :
Virtual - Matrícula :
Gratuíta - Tecnoloxía :
- Xemelgos dixitais/Gemelos digitales
- Beneficios :
- Diploma de asistencia
- Módulos transversais :
- Igualdade de 5 horas
- Fundamentos de computación distribuída e Apache Spark.
- Xestión de Dataframes e execución de sentenzas Spark SQL.
- Orquestración de fluxos ETL masivos sobre datos espaciais.
- Técnicas de indexación espacial (Geohashing, particionamento).
- Automatización de pipelines mediante Jupyter Notebooks.