Agile Data Science 2.0

Guía práctica y orientada a arquitectura en la que Russell Jurney expone una metodología ágil adaptada específicamente a la ciencia de datos, superando el clásico modelo de entregar informes estáticos o cuadernos desconectados del producto. La obra trabaja sobre un ecosistema de big data moderno basado en Python, Apache Spark 2.x, Apache Kafka y almacenes NoSQL. Está dirigida a ingenieros de software, ingenieros de datos y científicos de datos de nivel intermedio con buen manejo de Python y nociones de sistemas distribuidos que buscan convertir análisis investigativos en aplicaciones web operativas y desplegables.

El núcleo técnico se articula alrededor de la «Pirámide del Valor del Dato» (recolección, procesamiento, exploración, predicción y acción) organizada en sprints de desarrollo ágil. El autor enseña a configurar una arquitectura integral empleando Apache Spark y Spark MLlib para el procesamiento por lotes y entrenamiento de modelos, Apache Kafka y Spark Streaming para la ingesta y predicción en tiempo real, MongoDB para la persistencia de registros, Elasticsearch para búsquedas e indexación rápida, un backend web con Flask y Jinja2, visualizaciones dinámicas con D3.js y orquestación de flujos con Apache Airflow.

El libro está estructurado como el desarrollo continuo de una aplicación web completa para la predicción de retrasos en vuelos comerciales de Estados Unidos, avanzando sprint a sprint desde la ingesta de registros crudos hasta la inferencia reactiva en el navegador. Su gran aporte consiste en enseñar a conectar de punta a punta la analítica avanzada con la ingeniería de software y el diseño de interfaces web interactivas. Es conveniente tener soltura previa en terminales Linux y gestión de contenedores o servicios locales, ya que coordinar la pila técnica de Spark, Kafka, MongoDB y Elasticsearch exige familiaridad operativa con infraestructura de datos.