Deploying and Monitoring Agent Applications on Databricks - Spanish

Este curso abarca el ciclo de vida completo de la implementación y el monitoreo de agentes de IA generativa en Databricks. Los participantes aprenderán a implementar agentes como Databricks Apps mediante Declarative Automation Bundles (DABs), integrar herramientas mediante Model Context Protocol (MCP), instrumentar agentes con MLflow Tracing y evaluar la calidad en producción mediante evaluadores, evaluadores de varios turnos y evaluación en línea. A través de demostraciones y laboratorios prácticos, los participantes obtendrán experiencia práctica en la creación, la observación y el monitoreo de agentes de IA listos para producción en la plataforma Databricks.

Nota: Databricks Academy está migrando a un formato basado en notebooks para las sesiones en el aula dentro del entorno de Databricks, y deja de utilizar diapositivas para las clases. Puede acceder a los notebooks de las clases en el entorno de laboratorio de Vocareum.

Skill Level

Associate

Duration

Prerequisites

Este contenido se desarrolló para participantes con las siguientes habilidades, conocimientos y aptitudes:

• Familiaridad con el workspace y los notebooks de Databricks

• Familiaridad con Unity Catalog

• Experiencia en la creación de agentes mediante OpenAI Agents SDK

• Conocimientos básicos de MLflow y Python

• Familiaridad con los conceptos de agentes de GenAI (llamadas a LLM, invocación de herramientas y recuperación)

Outline

1. Implementación de agentes

• Implementación de agentes en Databricks

• Implementación de un agente observable

2. Integración de herramientas y observabilidad

• Integración de herramientas y observabilidad

• Trazas para agentes en producción

3. Evaluación y monitoreo en producción

• Evaluación y monitoreo en producción

• Laboratorio: Evaluación en línea con conversaciones de varios turnos

• Laboratorio: Backfill y archivado de conversaciones de varios turnos

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.

Registro de clientes Registro de socios

Solicitud de clase privada

Si su empresa está interesada en capacitación privada, envíe una solicitud.

Solicitar Entrenamiento Privado

Ver todas nuestras opciones de inscripción

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.

Próximas clases públicas

Generative AI Engineer

Agent Evaluation on Databricks - Spanish

Este curso enseña a los estudiantes a evaluar de forma sistemática agentes de IA utilizando el marco de evaluación de MLflow, abordando los desafíos particulares de los sistemas de IA no deterministas que las pruebas de software tradicionales no pueden manejar. Los estudiantes aprenden a implementar diversos enfoques de evaluación, incluidos jueces incorporados para criterios comunes como la corrección y la seguridad, jueces de directrices para requisitos específicos del negocio y jueces personalizados para necesidades especializadas. El curso abarca tanto la evaluación offline mediante datasets curados como el monitoreo online en producción, con experiencia práctica utilizando las capacidades de tracing de MLflow para comprender los patrones de ejecución de los agentes y recopilar comentarios humanos de distintos tipos de partes interesadas. A través de demostraciones prácticas y laboratorios, los estudiantes desarrollan habilidades para crear flujos de trabajo de evaluación que impulsan mejoras continuas de calidad a lo largo de todo el ciclo de vida del desarrollo de agentes de IA.

Nota: Databricks Academy está migrando a un formato basado en notebooks para las sesiones en el aula dentro del entorno de Databricks, y deja de utilizar diapositivas para las clases. Puede acceder a los notebooks de las clases en el entorno de laboratorio de Vocareum.

Building Agentic Applications on Databricks - Spanish

Este curso enseña a los participantes a crear aplicaciones de agentes listas para producción en Databricks. Aprenderán a crear herramientas de agentes gobernadas mediante Unity Catalog y MCP, a crear sistemas de uno o varios agentes con OpenAI Agents SDK y a aprovechar Agent Bricks y Genie en casos de uso de Knowledge Assistant orquestados con un agente supervisor. El curso abarca todo el proceso, desde la creación de prototipos de herramientas hasta la implementación en producción, con experiencia práctica en el uso de trazas de MLflow para observar la ejecución de agentes.

Nota: Databricks Academy está realizando la transición a un formato basado en notebooks para las sesiones en el aula dentro del entorno de Databricks, descontinuando el uso de presentaciones de diapositivas para las clases. Puede acceder a los notebooks de las clases en el entorno de laboratorio de Vocareum.

Building RAG Agents with Agent Bricks - Spanish

Este curso proporciona formación práctica para crear agentes de recuperación mediante Databricks Agent Bricks. Los participantes aprenderán a explorar y consultar Knowledge Assistants, convertir documentos no estructurados en datos estructurados mediante AI Functions, fragmentar texto para la recuperación semántica, crear índices de AI Search y crear Knowledge Assistants listos para producción respaldados por varias fuentes de conocimiento.