Python es un lenguaje open source de propósito general, que gracias al desarrollo de potentes librerías de analítica, procesamiento de datos y modelización predictiva se ha convertido en el principal lenguaje de programación utilizado para proyectos de Data Science, junto con R..

Cloudera Data Platform es una plataforma de Big Data completa y fácil de utilizar tanto para el departamento de IT y científicos de datos como para el usuario de negocio..

La librería de software de Hadoop es un framework que permite el procesamiento distribuído de juegos de datos de gran volumen utilizando clusters de ordenadores o servidores, utilizado modelos de programación sencilla.

Hadoop está diseñado para escalar fácilmente desde sistemas de servidores únicos a miles de máquinas..