¿Por qué aprender Polars?

Durante muchos años Pandas ha sido la librería de referencia para trabajar con datos en Python.

Sin embargo, a medida que los datasets crecen y los procesos de transformación se vuelven más exigentes, aparecen nuevos retos relacionados con el rendimiento, el consumo de memoria y la capacidad de aprovechar varios núcleos del procesador.

Polars es una librería moderna de DataFrames desarrollada en Rust y diseñada específicamente para ofrecer alto rendimiento, procesamiento paralelo y una gestión eficiente de memoria.

En este workshop aprenderás a trabajar con Polars desde los fundamentos hasta técnicas más avanzadas de transformación de datos, construyendo procesos orientados a escenarios reales de Data Engineering y Analytics.

Todo el workshop está planteado desde un enfoque práctico. No se trata únicamente de aprender una nueva API, sino de comprender cómo diseñar transformaciones de datos más rápidas, escalables y eficientes.

¿Qué aprenderás?

✅ Comprender qué es Polars y cuándo utilizarlo.
✅ Crear y trabajar con DataFrames.
✅ Importar datos desde CSV, Parquet y otros formatos.
✅ Seleccionar, filtrar y transformar columnas.
✅ Crear expresiones.
✅ Trabajar con tipos de datos.
✅ Gestionar valores nulos.
✅ Realizar agregaciones.
✅ Utilizar GroupBy.
✅ Combinar DataFrames.
✅ Trabajar con joins.
✅ Utilizar funciones de ventana.
✅ Trabajar con fechas y texto.
✅ Utilizar Lazy API.
✅ Comprender Lazy Evaluation.
✅ Optimizar consultas.
✅ Trabajar con grandes volúmenes de datos.
✅ Integrar Polars con Apache Arrow y Parquet.
✅ Diseñar pipelines de transformación eficientes.

Ficha técnica

• Modalidad: online en directo.
• Duración: 12 horas.
• Distribución: 4 sesiones de 3 horas.
• Proyecto final: asíncrono.
• Plazo de entrega: 14 días.
• Corrección personalizada: incluida.
• Plazas: máximo 12 participantes.
• Nivel: intermedio.
• Idioma: castellano.

Metodología Taller de Tecnología®

• #1 Sesión: Introducción y fundamentos de Polars (síncrono).
• #2 Sesión: Transformación y análisis de datos (síncrono).
• #3 Sesión: Lazy API y optimización (síncrono).
• #4 Sesión: Pipeline completo de Data Engineering (síncrono).
• Proyecto final + certificación (asíncrono).

Temario del Workshop

• Introducción a Polars.
• Polars vs Pandas.
• Arquitectura y rendimiento.
• Instalación y configuración.
• Series y DataFrames.
• Creación de DataFrames.
• Lectura de CSV.
• Lectura de Parquet.
• Escritura de datos.
• Selección de columnas.
• Expressions.
• select().
• with_columns().
• filter().
• sort().
• Tipos de datos.
• Conversión de tipos.
• Valores nulos.
• Funciones de texto.
• Funciones de fecha.
• GroupBy.
• Agregaciones.
• Joins.
• Concat.
• Pivot.
• Unpivot.
• Window Functions.
• Introducción a Lazy API.
• LazyFrame.
• Lazy Evaluation.
• Query Optimization.
• Predicate Pushdown.
• Projection Pushdown.
• scan_csv().
• scan_parquet().
• Streaming.
• Apache Arrow.
• Parquet.
• Optimización de memoria.
• Buenas prácticas de transformación.
• Diseño de pipelines con Polars.

Proyecto Final + Certificación (Asíncrono)

Al finalizar el workshop, los alumnos realizarán de manera individual un proyecto práctico que deberá ser entregado dentro del plazo establecido.

El proyecto consistirá en construir un pipeline completo de transformación de datos utilizando Polars.

El alumno deberá cargar diferentes fuentes de datos, revisar su calidad, realizar transformaciones, aplicar filtros, joins y agregaciones y generar un dataset analítico final.

El proyecto deberá utilizar técnicas de Lazy Evaluation y optimización de consultas para mejorar el rendimiento y reducir el consumo de recursos.

También se trabajará con formatos columnares como Parquet para construir un flujo de procesamiento eficiente y preparado para integrarse posteriormente con otras herramientas de Data Engineering o Analytics.

El proyecto será evaluado por el instructor, quien proporcionará comentarios personalizados, propuestas de mejora y una valoración técnica de la solución presentada.

Los alumnos que superen satisfactoriamente la evaluación recibirán el Certificado de Aprovechamiento de Taller de Tecnología, acreditando las competencias adquiridas durante el workshop.

Formador: Daniel Castillo Garrosset

Formador especializado en Data Engineering, Business Intelligence e IA Generativa, con más de 25 años de experiencia impartiendo formación técnica a empresas, universidades y entidades públicas. Formador de Data Science en el Cibernarium de Barcelona Activa.

• Experiencia real como formador.
• Metodología y enfoque práctico.
• Corrección individual del proyecto.

Requisitos

• Python (nivel básico-intermedio).
• Conocimientos básicos de trabajo con datos.
• Familiaridad con estructuras tipo DataFrame.

No es necesario conocer Polars previamente.

Es recomendable disponer de experiencia previa con Pandas, aunque no es imprescindible.

Público objetivo

• Data Engineers.
• Data Scientists.
• Data Analysts con perfil técnico.
• Desarrolladores Python.
• Profesionales que trabajen actualmente con Pandas.
• Profesionales que necesiten procesar datasets de mayor tamaño.
• Profesionales interesados en optimizar pipelines de transformación de datos.

¿Por qué elegir este workshop?

✔ Material descargable
✔ Proyecto real
✔ Soporte durante el workshop
✔ Certificación
✔ Corrección personalizada
✔ Enfoque 100 % práctico
✔ Optimización de rendimiento
✔ Pipeline completo con Polars

FAQs

• ¿Necesito conocer Polars?: No. El workshop parte desde los fundamentos.
• ¿Necesito saber Python?: Sí. Es recomendable disponer de un nivel básico-intermedio de Python.
• ¿Necesito conocer Pandas?: No es imprescindible, aunque conocer Pandas facilita la comparación entre ambas herramientas.
• ¿Polars sustituye a Pandas?: No necesariamente. Se explicará cuándo tiene sentido utilizar cada herramienta según el escenario.
• ¿Trabajaremos con grandes volúmenes de datos?: Sí. Una parte importante del workshop estará dedicada al rendimiento y al procesamiento eficiente.
• ¿Trabajaremos con Parquet?: Sí. Se utilizará como uno de los formatos principales para construir pipelines analíticos eficientes.
• ¿Veremos Lazy API?: Sí. Lazy Evaluation y optimización de consultas serán una parte importante del workshop.
• ¿Es un curso teórico?: No, más del 80 % del tiempo estará dedicado a ejercicios y prácticas.
• ¿Obtendré certificado?: Sí, una vez superado satisfactoriamente el proyecto final.
• ¿Puedo utilizar el proyecto como portfolio?: Sí. El proyecto final estará diseñado para que pueda formar parte de tu portfolio técnico.