Damavis

📌 Guía práctica para crear tu propio #Chatbot 🤖 Aprende a construir paso a paso un asistente de #InteligenciaArtificial en tu entorno local mediante la integración de tres tecnologías clave 👇 ✳️ FastAPI ✳️ Ollama ✳️ LlamaIndex #BigData #DataScience #MachineLearning #LLM

🟦 Descubre en solo 3 pasos cómo crear un flujo de trabajo simple con #Python en Dagster en nuestro blog  ➡️ blog.damavis.com/dagster-paso-a… #Dagster #BigData #Software

🟦 #Dagster es un orquestador de tareas muy útil para definir flujos de trabajo complejos mediante #Python 🟦 Su intuitiva interfaz de usuario y robusto sistema de loggin, la convierten en una opción muy potente para ciertos casos de uso #BigData #Software

⚙️ En el mundo de la ingeniería de datos, el uso de orquestadores de tareas es clave para asegurar que la información llega en el momento adecuado y de la forma correcta 🟦 ¿Qué herramientas existen para definir flujos de trabajo? 👇 #Dagster #Software

¿Todavía no has venido a vernos? 🤓 Si estás en #JobDayUIB y quieres comenzar tu carrera como ⚙️ #DataEngineer o 📊 #DataScientist, pásate por nuestro estand e infórmate de las ofertas de #empleo que tenemos disponibles ¡Os esperamos! #JobDay2026 #JobDayUIB2026

💥 ¡Nos vemos mañana en #JobDayUIB2026! 📍Ven a vernos a nuestro estand y descubre las ofertas de #empleo para perfiles de ingenieros y científicos de datos que tenemos en @DamavisStudio 👩‍💻💼 Más info ➡️ damavis.com/es/jobs #JobDayUIB

💡 Además de ingenieros y científicos de datos, existe el rol del analista, una figura intermedia entre ambos más enfocada a la visión estratégica 📌 Descubre cuáles son sus habilidades y fortalezas y en qué se diferencian los tres perfiles ➡️ blog.damavis.com/data-engineer-… #BigData

🔹 Por su parte, el científico de datos se encarga de modelar el dato para extraer todo su valor 🔹 A través de técnicas y herramientas de #IA, desarrolla análisis exhaustivos y obtiene conclusiones de lo que muestran los datos #DataScience #BigData

¿Qué diferencia a un ⚙️ #DataEngineer de un 📊 #DataScientist? Ambos roles son vitales en un proyecto #BigData y deben complementarse para la gestión integral del #dato en un entorno corporativo 👇

🔹 ¿Cuáles son sus ventajas? 🔹 ¿Cómo se implementan? 📌 Analizamos cómo se usan los operadores pipe y cómo ponerlos en práctica mediante un ejemplo sencillo en ➡️ blog.damavis.com/como-implement… #BigData #DataEngineering #SQL

📊 Al alejarse de las subqueries complejas y las estructuras anidadas, esta herramienta facilita significativamente el mantenimiento y la depuración de las tareas de ingeniería de datos #BigData #DataEngineering #SQL

⚙️ Recientemente, #GoogleSQL añadió un nuevo operador para intentar solventar algunos de los problemas más frecuentes del #SQL clásico 💡 Los pipe operators permiten mejorar la legibilidad de las consultas en #BigQuery y pueden implementarse de una forma sencilla 👇 #BigData

🌊 El proceso empieza con el almacenamiento de todos los datos en el #DataLake ⚙️ Después, se someten a diversos procesos para estructurarlos en un #DataWarehouse 📊 El #Reporting los transforma en gráficos para monitorizar métricas clave ➡️ damavis.com/es/contact/

✨ Si algo hemos aprendido de nuestro trabajo, es que las estructuras sólidas surgen de conexiones significativas 🎅 Os deseamos unas felices fiestas rodeados de vuestros seres queridos y os enviamos nuestros mejores deseos para el 2026 🎄 Feliz Navidad y próspero año nuevo 🎉

📌 3 ejemplos de cómo el rendimiento de las UDFs en PySpark mejora considerablemente con #Arrow ⚙️ La integración de Arrow en #Spark 3.5 elimina el costoso proceso de serialización entre la JVM y #Python optimizando así las UDFs ➡️ blog.damavis.com/como-optimizar… #BigData #PySpark

⚙️ Las UDFs permiten personalizar las operaciones que se realizan con datos 🐍 Se definen en #Python y se aplican a las columnas de un DataFrame ⚠️ Su uso puede suponer una pérdida de rendimiento si no se optimizan de la forma adecuada ➡️ blog.damavis.com/como-optimizar… #PySpark #Arrow

⚙️ Optimiza UDFs en #Python para Arrow en Spark ✳️ El uso de UDFs en PySpark ha sido una solución flexible pero ineficiente ✳️ Desde #ApacheSpark 3.5, la integración con #ApacheArrow ha supuesto una mejora significativa de rendimiento ➡️ blog.damavis.com/como-optimizar… #Spark #Arrow