Analítica Espacial a Gran Escala con Python y Spark
Descripción del Curso
El procesamiento de volúmenes masivos de datos espaciales suele presentar cuellos de botella debido al alto requerimiento de recursos computacionales. Para superar estas limitaciones, el uso combinado de frameworks de cómputo distribuido como Apache Spark con el ecosistema de Python se posiciona como una alternativa eficiente y altamente escalable.
En este curso aprenderás a utilizar GeoPandas para la lectura y manipulación vectorial, así como su integración con PySpark para el procesamiento masivo. Además, explorarás el uso de Apache Sedona (mediante su API en Python) para gestionar operaciones y análisis geográficos directamente sobre clústeres distribuidos en PySpark.
Contenido del Curso
-
1. Introducción a los Shapefiles en Python
- Manejo de archivos SHP en el entorno Python
- Paquetes y librerías fundamentales para la visualización geográfica
- Lectura e inspección de geometrías y registros vectoriales
-
2. GeoPandas y Spark para Análisis Distribuido
- Introducción a GeoPandas y estructuras GeoDataFrame
- Fundamentos de PySpark para procesamiento en paralelo
- Formatos estandarizados: Well Known Text (WKT) y Well Known Binary (WKB)
- Integración práctica de GeoPandas con PySpark y Apache Sedona
-
3. Caso Práctico Integrador
- Desarrollo de un proyecto aplicado de analítica espacial a gran escala utilizando datos geográficos masivos reales.
Capacitador
Hugo Porras, MSc.
Ingeniero en Ciencias Económicas y Financieras de la Escuela Politécnica Nacional y Máster en Inteligencia Artificial por la UNIR. Científico de Datos Senior en Banco Pichincha con más de 10 años de experiencia acumulada en investigación y analítica. Consultor independiente especializado en economía geográfica, finanzas de bienes raíces e IA aplicada.