Original (English)

Azure Open Datasets explicado

datos públicos gratis y limpios para machine learning, Power BI y Python

Quien aprende ciencia de datos o machine learning suele tropezar con lo mismo: faltan datos útiles para practicar, con formatos extraños, columnas incomprensibles y valores ausentes. Este episodio explica Azure Open Datasets, una biblioteca gratuita de conjuntos de datos públicos ya limpios con la que empiezas en minutos en lugar de semanas.

▶ Azure Open Datasets explicado: datos públicos gratis y limpios para machine learning, Power BI y Python (Doblaje IA)

Lo que aprenderás:

1. Qué es Azure Open Datasets: conjuntos de datos públicos de la NOAA, la Oficina del Censo de EE. UU. y administraciones municipales, limpiados por Microsoft y alojados en Azure Storage en formato columnar Parquet
2. Los cuatro problemas de los datos en bruto – búsqueda, preparación, volumen y reproducibilidad – y por qué señales externas como el clima y los festivos mejoran los modelos de machine learning
3. El catálogo: datos meteorológicos de la NOAA, festivos de 38 países, censo y estadísticas laborales de EE. UU., viajes en taxi de NYC, seguridad pública de San Francisco, COVID-19 Data Lake y benchmarks como Diabetes, MIND y ventas de zumo de naranja
4. Cómo acceder: paquete de Python sin cuenta de Azure que devuelve un DataFrame de Pandas, Azure Machine Learning, el conector Azure Blob Storage de Power BI, SQL serverless de Azure Synapse con OPENROWSET y Spark en Azure Databricks
5. Lo que realmente cuesta: los datos y su almacenamiento son gratis; pagas el cómputo, la salida de datos (unos 8–9 céntimos por GB) y tu propio almacenamiento – el consejo clave: usar la misma región

Este episodio es una versión en español doblada con IA del video animado de M365 Show del Microsoft MVP Mirko Peters.