Get Started with Databricks for Machine Learning - Spanish

En este curso, aprenderá las habilidades básicas que le permitirán utilizar la plataforma Databricks Data + IA para llevar a cabo un Flujo de trabajo sencillo de ciencia de datos y machine learning. Se le realizará un recorrido por el workspace y se le mostrará cómo trabajar con Notebooks. Explorará el análisis exploratorio de datos y la Ingeniería de características, realizará el seguimiento y administrará modelos con MLflow, experimentará con Databricks Genie Code y desplegará un modelo con Databricks Model Serving. Por último, el curso integra todas estas habilidades en un laboratorio integral que abarca el ciclo de vida completo del machine learning.

Languages Available: English | 日本語 | Português BR | 한국어 | Français | Español | 普通话

Skill Level

Onboarding

Duration

Prerequisites

En este curso, el contenido fue desarrollado para participantes con las siguientes habilidades, conocimientos y capacidades:

• Un conocimiento básico de Python.

• Comprensión básica de conceptos de DS/ML (p. ej., modelos de clasificación y regresión), Métricas de modelos comunes (p. ej., F1-score) y bibliotecas de Python (p. ej., scikit-learn y XGBoost)

A tu propio ritmo

Rutas de aprendizaje personalizadas para roles y trayectorias profesionales de datos, analítica e IA, con videos a pedido.

Registro de clientes Registro de socios

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

Data Engineer

Advanced Techniques with Apache Spark Declarative Pipelines - Spanish

Este curso explora Declarative Pipelines de Apache Spark de Databricks (SDP) para construir pipelines de transmisión de nivel de producción. Aprenderás patrones de diseño avanzados, aplicación robusta de calidad de datos e integración multiplataforma esenciales para la ingeniería de lakehouse en el mundo real.

A lo largo del curso, profundizarás en técnicas modernas de ingesta de datos y procesamiento, dominando herramientas como liquid clustering para la optimización del diseño y el patrón Multiplex Streaming para eventos con esquemas mixtos. Al finalizar los módulos, sabrás cómo manejar con confianza la evolución del esquema, automatizar change data capture (CDC) y garantizar la integridad de los datos.

A través de clases y demostraciones prácticas, podrás:

• Construir pipelines de múltiples flujos para ingestar datos de múltiples fuentes en una Tabla Bronce unificada.

• Aplicar liquid clustering y Expectativas de Calidad de Datos en las capas Plata y oro.

• Implementar el patrón Multiplex con Iceberg UniForm para el acceso a datos multiplataforma.

• Automatizar el seguimiento del historial SCD Tipo 2 mediante AUTO CDC INTO.

• Diseñar pipelines de cuarentena sin pérdida de datos para auditar y administrar registros no válidos.

Nota:

Este curso es el primero de la serie 'Advanced Data Engineering with Databricks'.Para los archivos de lecciones SCORM, asegúrate de cerrar la ventana de SCORM después de completar el contenido. No hagas clic en el botón ‘Next Lesson’, ya que hacerlo podría impedir que el módulo SCORM se marque como completado.

Building RAG Agents with Agent Bricks - Spanish

Este curso proporciona entrenamiento práctico para crear agentes de recuperación en Databricks. Los participantes aprenderán a crear Genie Agents para datos no estructurados, realizar recuperación de información con Lakebase Search, analizar y transformar documentos no estructurados en datos estructurados mediante AI Functions, segmentar TEXT para la recuperación semántica y crear índices de AI Search con múltiples modos de búsqueda.

Nota: En 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 hacerlo puede impedir que el módulo SCORM se marque como completado.

Paid & Subscription

Lab

Associate

Model Development at Scale - Spanish

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.

Paid & Subscription

Lab

Professional