No video of the event yet, sorry!

Desafortunadamente en la vida real los datos no aparecen pristinos y listos para ser analizados como parecen sugerir los numerosos tutoriales sobre ciencia de datos que podemos encontrar en Internet.

Afortunadamente existen a nuestra disposición una serie de herramientas de código abierto (o libre según el caso) que fácilmente nos permitiran inspeccionar el estado inicial de esos datos, limpiarlos y formatearlos para poder proceder a su análisis con nuestro software favorito.

Estas utilidades suelen estar disponibles en cualquier sistema Linux, y nos van a permitir reducir considerablemente el tiempo dedicado a procesar estos datos y dedicar nuestros esfuerzos al análisis que realmente aporta valor.

Veremos como inspeccionar grandes ficheros sin desbordar nuestra memoria, lidiar con problemas de codificaciones, extracción y descarte de información, paralelización, etc.