Advanced Machine Learning with Databricks - Spanish
Este curso está dirigido a científicos de datos y profesionales de machine learning y consta de dos módulos de cuatro horas.
Machine Learning at Scale
En este curso, adquirirás conocimientos teóricos y prácticos sobre la arquitectura de Apache Spark y su aplicación a cargas de trabajo de machine learning dentro de Databricks. Aprenderás cuándo utilizar Spark para la preparación de datos, el entrenamiento de modelos y la implementación, al mismo tiempo que obtendrás experiencia práctica con Spark ML y las APIs de Pandas en Spark. Este curso te introducirá en conceptos avanzados como el ajuste de hiperparámetros y el escalado de Optuna con Spark. Este curso utilizará características y conceptos presentados en el curso asociado, como MLflow y Unity Catalog, para el empaquetado y la gobernanza integral de modelos.
Advanced Machine Learning Operations
En este curso, recibirás una comprensión integral del ciclo de vida del machine learning y MLOps, con énfasis en las mejores prácticas para la gestión de datos y modelos, pruebas y arquitecturas escalables. Cubre los componentes clave de MLOps, incluidos CI/CD, la gestión de pipeline y la separación de entornos, al tiempo que presenta las herramientas de Databricks para la automatización y la gestión de infraestructura, como Declarative Automation Bundles (DABs), Lakeflow Jobs y Model Serving. Aprenderás sobre monitoreo, Métricas personalizadas, detección de deriva, estrategias de despliegue de modelos, pruebas A/B y los principios de los sistemas MLOps confiables, proporcionando una vista holística de la implementación y gestión de proyectos de ML en Databricks.
Nota: Databricks Academy está pasando a un formato basado en cuadernos para las sesiones presenciales en el entorno de Databricks, dejando de utilizar presentaciones de diapositivas para las clases. Puedes acceder a los cuadernos de las clases en el entorno de laboratorio de Vocareum.
El contenido se diseñó para participantes con estas habilidades, conocimientos y capacidades:
• Comprensión básica de conceptos de DS/ML (p. ej., modelos de clasificación y de regresión), métricas de modelo habituales (p. ej., F1-score) y bibliotecas de Python (p. ej., scikit-learn y XGBoost).
• El participante debe tener conocimientos de nivel intermedio sobre conceptos tradicionales de machine learning, desarrollo y el uso de Python y Git en proyectos de ML.
• Se recomienda experiencia de nivel intermedio con Python.
• Acceso a un workspace de Databricks con permisos de administrador y familiaridad con operaciones básicas de Databricks (crear clusters, ejecutar notebooks, operaciones básicas de notebooks)
• Experiencia intermedia con el control de versiones Git, incluida la gestión de repositorios y la configuración de Personal Access Token (PAT) para la integración con GitHub
• Conocimientos básicos de flujos de trabajo CI/CD, configuraciones de pipeline y conceptos de DevOps para procesos de implementación automatizada
• Experiencia de programación intermedia con Python, MLflow para el seguimiento y la gestión de modelos, y Unity Catalog para la gobernanza de datos
• Familiaridad con el ciclo de vida de desarrollo de modelos de machine learning, incluida la ingeniería de características, el entrenamiento, la validación y los conceptos de implementación de modelos
• Experiencia con interfaces de línea de comandos, en particular la instalación, configuración y autenticación de Databricks CLI mediante personal access tokens
• Comprensión de estrategias de implementación de modelos, incluidos A/B testing, distribución de tráfico y conceptos de inferencia en tiempo real
• Conocimientos básicos de Lakeflow Jobs para la creación de jobs, las dependencias entre tareas y la orquestación de flujos de trabajo
Outline
Machine Learning at Scale
• Desarrollo de modelos con Spark
• Ajuste de modelos con Optuna en Spark
• Implementación de modelos con Spark
• API de Pandas
Advanced Machine Learning Operations
• Descripción general de Machine Learning Operations
• Optimización de MLOps con Databricks
• Estrategias de despliegue de modelos con Databricks
• Perfilado de datos
• Construir activos de ML como código
Inscripción a clases públicas
Si su empresa ha adquirido créditos de servicio (Success Credits) o cuenta con una suscripción de aprendizaje, por favor complete el formulario de Solicitud de Capacitación. De lo contrario, puede registrarse a continuación.
Solicitud de clase privada
Si su empresa está interesada en capacitación privada, envíe una solicitud.
Registration options
Databricks ofrece modalidades de aprendizaje para acompañarlo en todo su recorrido.
A tu propio ritmo
Rutas de aprendizaje personalizadas para roles y trayectorias profesionales de datos, analítica e IA, con videos a pedido.
Regístrese ahora
Instruido por expertos
Cursos públicos y privados impartidos por instructores expertos en sesiones de medio día o dos días.
Regístrese ahora
Aprendizaje combinado (Blended Learning)
Sesiones semanales dirigidas por un instructor, junto con opciones a tu propio ritmo, para todos los estilos de aprendizaje, optimizando la finalización y la retención del conocimiento. Visite la pestaña “Catálogo de suscripciones” para comprar.
Comprar ahora
Skills@Scale
Oferta de capacitación integral para clientes a gran escala que incluye elementos para todos los estilos de aprendizaje. Consulte con su ejecutivo de cuenta para obtener más detalles.
