Curso para Data science

Edx me mando un mail sobre cursos para Data science y yo como soy tan bueno, decidí compartirlo:

Courses | My Account It's not news that data science is one of the hottest fields today. Now is the time to jump in! Whether you're just starting out or looking to up your game, check out the courses below and start data wrangling today. Is this you? You know data scientists are in-demand and you're interested in pursuing a career — but don't have the needed skills or professional background. With minimal to no prerequisite knowledge required, these courses are a great place to start. You'll quickly build foundational data science skills to jumpstart your career. HarvardX Data Science: R Basics Enroll Now HarvardX Data Science: Visualization Enroll Now ColumbiaX Statistical Thinking for Data Science and Analytics Enroll Now ColumbiaX Machine Learning for Data Science and Analytics Enroll Now Microsoft Introduction to Data Science Enroll Now Microsoft Introduction to Python for Data Science Enroll Now Is this you? You have some knowledge and skills in data or computer science and maybe even work in the field. Now you’re looking to up your game to advance your career or pursue an advanced degree. Start your journey from apprentice to expert with these Master's-level courses. UCSanDiegoX Python for Data Science Enroll Now USMx UMUC Cloud Computing for Enterprises Enroll Now AdelaideX Programming for Data Science Enroll Now AdelaideX Computational Thinking and Big Data Enroll Now View All edX Courses edX for Business - eLearning Solutions for Your Company © 2012-2018 edX Inc. EdX, Open edX, and MicroMasters are registered trademarks of edX Inc. View on Web | Unsubscribe 141 Portland St. 9th Floor, Cambridge, MA 02139

Apache Avro

Apache Avro es un sistema de serialización de datos.

Avro proporciona:

• Estructuras de datos ricas
• Un formato de datos binario compacto, rápido.
• Un archivo contenedor, para almacenar datos persistentes.
• Llamada a procedimiento remoto (RPC).
• Integración simple con lenguajes dinámicos. No se requiere la generación de código para leer o escribir archivos de datos ni para usar o implementar protocolos RPC. 

Avro se basa en esquemas. Cuando se leen datos Avro, el esquema utilizado al escribirlo siempre está presente. Esto permite que cada dato se escriba sin gastos generales por valor, lo que hace que la serialización sea rápida y pequeña. Esto también facilita el uso con lenguajes dinámicos de scripting, ya que los datos, junto con su esquema, son completamente autodescriptivos.
Cuando los datos de Avro se almacenan en un archivo, su esquema se almacena con él, de modo que los archivos pueden ser procesados posteriormente por cualquier programa. Si el programa que lee los datos espera un esquema diferente, esto se puede resolver fácilmente, ya que ambos esquemas están presentes.

Cuando se usa Avro en RPC, el cliente y el servidor intercambian esquemas en el enlace de conexión. (Esto se puede optimizar para que, en la mayoría de las llamadas, no se transmitan realmente esquemas.) Dado que tanto el cliente como el servidor tienen el esquema completo del otro, la correspondencia entre los mismos campos con nombre, campos faltantes, campos adicionales, etc. puede resolverse fácilmente .

Los esquemas Avro se definen con JSON. Esto facilita la implementación en Lenguajes que ya tienen bibliotecas JSON. Avro proporciona una funcionalidad similar a sistemas como Thrift, Protocol Buffers, etc. Avro difiere de estos sistemas en los siguientes aspectos fundamentales.

• Tipado dinámico: Avro no requiere que se genere ese código. Los datos siempre van acompañados de un esquema que permite el procesamiento completo de esos datos sin generación de códigos, tipos de datos estáticos, etc. Esto facilita la construcción de sistemas e lenguajes genéricos de procesamiento de datos.
• Datos no etiquetados: dado que el esquema está presente cuando se leen los datos, es necesario codificar considerablemente menos información de tipo con los datos, lo que da como resultado un tamaño de serialización más pequeño.

No hay identificadores de campo asignados manualmente: cuando un esquema cambia, tanto el esquema antiguo como el nuevo siempre están presentes cuando se procesan los datos, por lo que las diferencias se pueden resolver simbólicamente, usando los nombres de los campos.

Dejo link: https://avro.apache.org/