Get Started with Databricks for Machine Learning - 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: se permite que las optimizaciones automáticas de la plataforma realicen el trabajo pesado, se verifica lo que se aplicó mediante Query Profile y las tablas del sistema, y luego se ajusta 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, entre ellas el diseño de datos y las tablas administradas con 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 Python UDFs, el serverless compute, 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 distintas 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: En el caso de los archivos de clase SCORM, asegúrese de cerrar la ventana de SCORM después de completar el contenido. No haga clic en el botón «Siguiente lección», ya que esto podría impedir que el módulo SCORM se marque como completado.

Una base en dos partes para formular instrucciones eficaces al asistente de IA de una empresa. La parte 01 (Fundamentos) explica cómo la especificidad de las instrucciones determina la calidad de las respuestas, presenta al asistente como un pasante brillante pero literal, fundamentado en el conocimiento interno mediante una arquitectura RAG, abarca lo que puede y no puede consultar, enfatiza una mentalidad de confianza con verificación e introduce el Framework C-O-I-E (Context, Outcome, Instruction, Example). La parte 02 (Técnicas) desarrolla un conjunto de técnicas de instrucción y enseña cómo elegir entre ellas: adecuar las tareas a los enfoques, generación de contenido (zero-shot y few-shot), razonamiento (chain-of-thought, self-ask, meta-prompting), Flujo de trabajo (encadenamiento de instrucciones y cuándo encadenarlas en lugar de usar una sola) y estructuración clara de las instrucciones.

En este curso, aprenderá a diseñar e implementar flujos de trabajo de machine learning que escalan desde una sola máquina hasta compute distribuido en Databricks. El plan de estudios está organizado en tres módulos: fundamentos del desarrollo de modelos (cuándo y por qué distribuir, y cómo Spark ejecuta el trabajo), desarrollo escalable de modelos con Spark ML y MLflow, y entrenamiento distribuido de modelos con Ray y PyTorch — con cierre en un Framework para elegir la herramienta adecuada para cada carga de trabajo.

A través de demostraciones prácticas y laboratorios, construirá Pipelines de ML distribuidos con Spark utilizando Transformers, Estimators y el paradigma fit/transform; escalará código existente de Pandas con la Pandas API on Spark; y realizará seguimiento, comparación y gobernanza de experimentos con MLflow 3 y Unity Catalog. Luego entrenará modelos en un cluster con Ray Train y PyTorch (TorchDistributor y DeepSpeed), y aprenderá a asignar cada carga de trabajo al Framework adecuado según el tamaño de los datos, el tamaño del modelo, el hardware y el costo.

El curso concluye con un proyecto integrador que aborda un problema de principio a fin: ingeniería de características, entrenamiento de un modelo a escala, seguimiento con MLflow y registro en Unity Catalog con un alias de gobernanza. (La implementación en producción, el servicio y el monitoreo se tratan en el curso independiente Advanced MLOps.)

Al finalizar, podrá elegir, construir y justificar flujos de trabajo de desarrollo de modelos distribuidos, reproducibles y gobernados en Databricks.

Nota: Para los archivos de lecciones SCORM, asegúrese de cerrar la ventana de SCORM después de completar el contenido. No haga clic en el botón «Next Lesson», ya que esto podría impedir que el módulo SCORM se marque como completado.