Get Started with SQL Analytics and BI on Databricks - Spanish

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.

Nota: para los archivos de lección SCORM, asegúrese de cerrar la ventana de SCORM después de completar el contenido. No haga clic en el botón "Next Lesson", ya que hacerlo podría impedir que el módulo SCORM se marque como completado.

En este curso, aprenderás a utilizar Databricks de manera eficaz para el análisis de datos, con un enfoque específico en Databricks SQL. Como Analista de datos de Databricks, tus responsabilidades incluirán encontrar datos relevantes, analizarlos para posibles aplicaciones y transformarlos en formatos que proporcionen valiosas perspectivas de negocio. 

También comprenderás tu rol en la gestión de objetos de datos y cómo manipularlos dentro de la Plataforma de Inteligencia de Datos de Databricks, utilizando herramientas como Notebooks, el Editor SQL y Databricks SQL. 

Además, aprenderás sobre la importancia de Unity Catalog en la gestión de activos de datos y la plataforma en general. Por último, el curso ofrecerá una descripción general de cómo Databricks facilita la optimización del rendimiento y te enseñará cómo acceder a Información sobre consultas para comprender los procesos que ocurren en segundo plano al ejecutar analíticas SQL en Databricks.

Nota: 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.

Este curso ofrece una introducción completa a LakeFlow Connect, una solución escalable y simplificada para la ingesta de datos en Databricks desde una amplia variedad de fuentes. Comenzarás explorando los diferentes tipos de conectores de LakeFlow Connect (Standard y Managed) y aprenderás diversas técnicas de ingesta de datos, incluyendo ingesta Batch, incremental y por transmisión. También revisarás los beneficios clave del uso de tablas UC y la Arquitectura de Medallas.

A continuación, desarrollarás habilidades prácticas para ingestar datos desde almacenamiento de objetos en la nube utilizando los conectores estándar de LakeFlow Connect. Esto incluye trabajar con métodos como CREATE TABLE AS SELECT (CTAS), COPY INTO y Auto Loader, con énfasis en los beneficios y consideraciones de cada enfoque. También aprenderás a agregar columnas de metadatos a tus tablas de nivel Bronce durante la ingesta en la Plataforma de Inteligencia de Datos de Databricks. El curso también cubre cómo manejar registros que no coinciden con el esquema de tu tabla utilizando la columna de datos rescatados, junto con estrategias para gestionar y analizar estos datos. Asimismo, explorarás técnicas para ingestar y aplanar datos JSON semiestructurados.

A continuación, explorarás cómo realizar la ingesta de datos a nivel empresarial utilizando los conectores administrados de LakeFlow Connect para incorporar datos de bases de datos y aplicaciones de Software como servicio (SaaS). El curso también presenta Partner Connect como una opción para integrar herramientas de socios en tus cargas de trabajo de ingesta.

Finalmente, el curso concluye con estrategias alternativas de ingesta, incluyendo operaciones MERGE INTO y el aprovechamiento de Databricks Marketplace, proporcionándote una base sólida para dar soporte a casos de uso modernos de Ingeniería de datos.

Nota: 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.