Generative AI Engineering with Databricks - Spanish

Este curso está dirigido a científicos de datos, ingenieros de machine learning y otros profesionales de datos que desean crear aplicaciones de IA generativa utilizando los frameworks más recientes y populares y las funcionalidades de 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.

A continuación, describimos cada uno de los cuatro módulos de cuatro horas incluidos en este curso.

Building RAG Agents with Agent Bricks: este curso ofrece capacitación práctica para crear agentes de recuperación utilizando Databricks Agent Bricks. Los participantes aprenderán a explorar y consultar Knowledge Assistants, analizar documentos no estructurados para convertirlos en datos estructurados mediante AI Functions, dividir texto en fragmentos (chunks) para la recuperación semántica, crear índices de Vector Search y crear Knowledge Assistants listos para producción respaldados por múltiples fuentes de conocimiento.

Building Agentic Applications on Databricks: este curso enseña a los estudiantes a crear aplicaciones agénticas de nivel de producción en Databricks. Los estudiantes aprenden a crear herramientas de agente gobernadas mediante Unity Catalog y MCP, crear sistemas de agente único y multiagente con el OpenAI Agents SDK, y aprovechar Agent Bricks y Genie para casos de uso de knowledge assistant orquestados con un agente supervisor. El curso abarca toda la progresión, desde la creación de prototipos de herramientas hasta la implementación en producción, con experiencia práctica utilizando el rastreo (tracing) de MLflow para observar la ejecución del agente.

Agent Evaluation on Databricks: este curso enseña a los estudiantes a evaluar sistemáticamente agentes de IA utilizando el framework de evaluación de MLflow, abordando los desafíos únicos 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 los jueces integrados (built-in judges) para criterios comunes como la corrección y la seguridad, los jueces basados en directrices para requisitos específicos del negocio y los jueces personalizados para necesidades especializadas. El curso abarca tanto la evaluación sin conexión utilizando conjuntos de datos (datasets) seleccionados como el monitoreo de producción en línea, con experiencia práctica utilizando las capacidades de rastreo (tracing) de MLflow para comprender los patrones de ejecución del agente y recopilar retroalimentación humana de diferentes tipos de partes interesadas. A través de demostraciones y laboratorios prácticos, los estudiantes desarrollan habilidades para crear flujos de trabajo de evaluación que impulsan mejoras continuas de calidad a lo largo del ciclo de vida de desarrollo de los agentes de IA.

Deploying and Monitoring Agent Applications on Databricks: este curso abarca el ciclo de vida completo para implementar y monitorear agentes de IA generativa en Databricks. Los participantes aprenderán a implementar agentes como Databricks Apps utilizando Declarative Automation Bundles (DABs), integrar herramientas mediante el Model Context Protocol (MCP), instrumentar agentes con MLflow Tracing y evaluar la calidad en producción utilizando scorers, jueces de múltiples turnos y evaluación en línea. A través de demos y laboratorios prácticos, los participantes adquirirán experiencia práctica en la creación, observación y monitoreo de agentes de IA de nivel de producción en la plataforma Databricks.

Skill Level

Associate

Duration

16h

Prerequisites

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

1. Building RAG Agents with Agent Bricks

• Conocimiento básico de SQL para consultar tablas y usar funciones integradas

• Experiencia básica en programación con Python

• Familiaridad con la interfaz de usuario (UI) del workspace de Databricks (por ejemplo, navegar por Unity Catalog)

• Comprensión de los conceptos de Unity Catalog, incluidos catalogs, schemas y volumes

• Familiaridad con los conceptos fundamentales de LLM

• Comprensión de datos estructurados vs. no estructurados

2. Building Agentic Applications on Databricks

Habilidades específicas de Python:

• Sintaxis básica de Python y estructuras de datos

• Comprensión de funciones, clases y decorators

• Experiencia con la gestión de paquetes e imports en Python

• Familiaridad con el manejo de datos JSON

• Comprensión básica de los patrones async/await

Habilidades específicas de SQL:

• Sintaxis básica de consultas SQL (SELECT, FROM, WHERE)

• Comprensión de funciones SQL y funciones definidas por el usuario

• Experiencia con funciones SQL de Unity Catalog

Habilidades específicas de Databricks:

• Comprensión de la navegación en el workspace de Databricks y la interfaz de notebooks

• Conocimiento de la estructura de Unity Catalog (catalogs, schemas, tables, volumes, functions)

• Experiencia con recursos de compute de Databricks y computación serverless

• Familiaridad con el seguimiento de experimentos de MLflow

• Comprensión de los endpoints de model serving de Databricks

Habilidades específicas de GenAI/agentes:

• Comprensión básica de los LLMs y sus capacidades

• Conocimiento de la ingeniería de prompts y los system prompts

• Familiaridad con los agentes de tool-calling y los conceptos de function calling

• Conocimiento básico del Model Context Protocol (MCP)

3. Agent Evaluation on Databricks

• Experiencia intermedia en programación con Python

• Conocimiento básico de SQL para consultar y crear funciones

• Familiaridad con la Databricks Data Intelligence Platform

• Comprensión de los conceptos de Unity Catalog, incluidos catalogs y schemas

• Comprensión básica de los grandes modelos de lenguaje (LLMs) y la ingeniería de prompts

• Conocimiento básico de MLflow

4. Deploying and Monitoring Agent Applications on Databricks

• Familiaridad con el workspace y los notebooks de Databricks

• Familiaridad con Unity Catalog

• Experiencia en la creación de agentes utilizando el OpenAI Agents SDK

• Conocimiento básico de MLflow y Python

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

Outline

1. Building RAG Agents with Agent Bricks

Introducción a RAG y al Knowledge Assistant de Agent Bricks:

• Agent Bricks para la recuperación y la ingeniería de contexto

• Demo: exploración del Knowledge Assistant

Creación de pipelines de parsing de documentos en Databricks:

• Estrategias de parsing y chunking de documentos

• Demo: transformación de PDFs en datos estructurados

Vector Search y Knowledge Assistants:

• AI Search en Databricks

• Demo: chunking de PDFs y Vector Search

• Lab: creación y curación de un Knowledge Assistant

2. Building Agentic Applications on Databricks

Fundamentos:

• Agentes, MCP y gobernanza de IA en Databricks

• Demo: creación de herramientas de agente en Databricks

• Lab: evaluación y corrección de herramientas de agente

Desarrollo de agentes:

• Creación de agentes con el OpenAI Agents SDK y MLflow

• Demo: creación de agentes únicos con el OpenAI Agents SDK

• Demo: orquestación multiagente con el OpenAI Agents SDK

Agent Bricks y más allá:

• Agent Bricks y Genie

• Lab: creación de un agente supervisor con Agent Bricks

• BONUS: creación de agentes únicos con LangChain

3. Agent Evaluation on Databricks

Fundamentos de la evaluación de agentes de IA:

• El desafío de evaluar agentes de IA

• Demo: configuración del agente

• El framework de evaluación de MLflow

Fundamentos de la evaluación de agentes de IA:

• Jueces integrados (built-in judges)

• Demo: uso de los jueces integrados de MLflow

• Jueces basados en directrices

• Demo: jueces basados en directrices con MLflow

• Jueces personalizados y retroalimentación

• Demo: jueces personalizados con MLflow

• Lab: aplicación de la evaluación de agentes

Jueces personalizados y retroalimentación humana:

• Estrategias de evaluación sin conexión vs. en línea

• Lab: retroalimentación de desarrolladores y SME con MLflow

4. Deploying and Monitoring Agent Applications on Databricks

Implementación de agentes:

• Implementación de agentes en Databricks

• Demo: implementación de un agente observable

Integración de herramientas y observabilidad:

• Integración de herramientas y observabilidad

• Demo: rastreo (tracing) para agentes en producción

Evaluación y monitoreo en producción:

• Evaluación y monitoreo en producción

• Lab: evaluación en línea con conversaciones multi-turno

• Lab: backfill y archivado de conversaciones multi-turno

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

Databricks Performance Optimization - Spanish

Databricks Performance Optimization enseña a los ingenieros y analistas de datos cómo diagnosticar, medir y corregir cuellos de botella de rendimiento en la Plataforma de Inteligencia de Datos de Databricks, y cómo vincular las mejoras de rendimiento con los costos. El curso sigue un Flujo de trabajo que prioriza la medición y la plataforma: dejar que las optimizaciones automáticas de la plataforma realicen el trabajo pesado, verificar lo que se aplicó mediante Query Profile y las tablas del sistema, y luego ajustar manualmente donde sea necesario.

Los participantes construyen una base para medir el rendimiento con Query Profile, Performance Insights y las tablas del sistema del historial de consultas. A partir de ahí, exploran técnicas clave de optimización, que incluyen el diseño de datos y las tablas administradas de autoajuste, liquid clustering, el almacenamiento en caché y los resultados intermedios, el shuffle, el skew, el spill, las explosiones de filas, el rendimiento del driver, los UDF de Python, el compute serverless, Photon y la atribución de costos.

A lo largo del curso, los participantes analizan consultas deliberadamente lentas sobre datos sintéticos de comercio minorista y observan cómo las diferentes técnicas de optimización afectan el rendimiento. Utilizan evidencia como la poda de archivos, el tiempo de ejecución de tareas, la cobertura de Photon y los costos para evaluar las mejoras. Dos laboratorios basados en escenarios refuerzan el Flujo de trabajo de optimización desde el diagnóstico hasta la validación.

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.

Languages Available: English | 日本語 | Português BR | 한국어

Databricks Data Privacy - Spanish

Este contenido proporciona una guía completa para gestionar la privacidad de los datos dentro de Databricks. Cubre temas clave como la arquitectura de Delta Lake, el aislamiento de datos por región, el cumplimiento de GDPR/CCPA y el uso de Change Data Feed (CDF). A través de demostraciones prácticas y laboratorios hands-on, los participantes aprenden a utilizar las funciones de Unity Catalog para proteger datos sensibles y garantizar el cumplimiento, lo que les permite salvaguardar la Integridad de los datos de manera efectiva.

Languages Available: English | 日本語 | Português BR | 한국어

Building Reliable Conversational Agents with Genie - Spanish

Este curso le enseña a diseñar, crear y mantener un Databricks Genie Space, una interfaz de lenguaje natural que permite a los usuarios de negocio formular preguntas sobre datos gobernados y obtener respuestas basadas en SQL sin necesidad de escribir código.

Aprenderá cómo se integra Genie en la familia de productos de IA/BI de Databricks y cómo traduce el lenguaje natural en consultas SQL fiables. El curso se centra en los aspectos clave para crear un Genie Space que ofrezca resultados precisos, coherentes y dignos de confianza.

Seguirá un flujo de trabajo integral, desde la comprensión de los datos de origen y la definición de puntos de referencia hasta la configuración y el perfeccionamiento de un Genie Space, utilizando el conjunto completo de herramientas de curación del Knowledge Store. Estas herramientas incluyen metadatos, sinónimos, coincidencia de prompts, lógica SQL, ejemplos de consultas e instrucciones de texto.

También aprenderá a compartir Genie Spaces con usuarios de negocio a través de Databricks One, a comprender cómo se aplica automáticamente la gobernanza de Unity Catalog y a utilizar la supervisión y los comentarios de los usuarios para mejorar continuamente la calidad a lo largo del tiempo.

Al finalizar el curso, será capaz de crear y gestionar un Genie Space listo para producción que ofrezca análisis conversacionales de autoservicio y gobernados a gran escala.