Ir al contenido principal

Machine Learning at Scale - 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: 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.

Skill Level
Professional
Duration
4h
Prerequisites

En este curso, el contenido se desarrolló para participantes con las siguientes habilidades, conocimientos y aptitudes:

• Familiaridad con la Plataforma de Inteligencia de Datos de Databricks y las operaciones básicas del workspace (crear clusters, ejecutar código en notebooks, usar operaciones básicas de notebook, importar Repos desde Git)

• Experiencia de programación intermedia con Python, incluyendo bibliotecas de manipulación de datos (Pandas, NumPy) y frameworks de machine learning (Scikit-Learn)

• Conocimiento básico de Apache Spark y los fundamentos de PySpark, incluyendo DataFrames, transformaciones y acciones para el procesamiento distribuido de datos

• Comprensión de los conceptos de machine learning, incluyendo el entrenamiento de modelos, evaluación, ajuste de hiperparámetros y flujos de trabajo de despliegue

• Experiencia intermedia con las operaciones de Delta Lake (crear tablas, realizar actualizaciones, optimizar archivos, funcionalidad de time travel)

• Familiaridad básica con MLflow para el seguimiento de experimentos, registro de modelos y operaciones del Registro de modelos

• Comprensión de los conceptos de computación distribuida (arquitectura de clusters, paralelización, consideraciones de escalabilidad)

• Conocimiento básico de SQL para la consulta y manipulación de datos en entornos Spark

Outline

Desarrollo de modelos con Spark

• Descripción general de la arquitectura de Spark

• Introducción a Spark ML para el Desarrollo de Modelos

• Seguimiento y empaquetado de modelos con MLflow

• Demo: Desarrollo de modelos con Spark

• Laboratorio: Desarrollo de modelos con Spark


Ajuste de modelos con Optuna en Spark

• Descripción general del ajuste de hiperparámetros

• Marcos de HPO Escalables en Databricks

• Demo: Ajuste de hiperparámetros con SparkML

• Demo: HPO con Ray Tune


Implementación de modelos con Spark

• Implementación con Spark

• Inferencia con Spark

• Demo: Implementación de modelos con Spark

• Demo: Estrategias de optimización con Spark y Delta Lake

• Laboratorio: Implementación de modelos con Spark


API de Pandas

• Escalado con APIs de Pandas

• Pandas UDFs y Function APIs

• Demo: API de Pandas

• Laboratorio: API de Pandas

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.

Solicitud de clase privada

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

Ver todas nuestras opciones de inscripción

Registration options

Databricks ofrece modalidades de aprendizaje para acompañarlo en todo su recorrido.

Runtime

A tu propio ritmo

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

Regístrese ahora

Instructors

Instruido por expertos

Cursos públicos y privados impartidos por instructores expertos en sesiones de medio día o dos días.

Regístrese ahora

Learning

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

Scale

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

Advanced Machine Learning with Databricks - Spanish

Este curso está dirigido a científicos de datos y profesionales de machine learning y consta de dos módulos de cuatro horas.

Machine Learning at Scale

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.

Advanced Machine Learning Operations

En este curso, recibirás una comprensión integral del ciclo de vida del machine learning y MLOps, con énfasis en las mejores prácticas para la gestión de datos y modelos, pruebas y arquitecturas escalables. Cubre los componentes clave de MLOps, incluidos CI/CD, la gestión de pipeline y la separación de entornos, al tiempo que presenta las herramientas de Databricks para la automatización y la gestión de infraestructura, como Declarative Automation Bundles (DABs), Lakeflow Jobs y Model Serving. Aprenderás sobre monitoreo, Métricas personalizadas, detección de deriva, estrategias de despliegue de modelos, pruebas A/B y los principios de los sistemas MLOps confiables, proporcionando una vista holística de la implementación y gestión de proyectos de ML en Databricks.

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.

Paid
8h
Lab
instructor-led
Professional

Apache Spark Programming with Databricks - Spanish

Este es un curso introductorio que sirve como un punto de entrada adecuado para aprender Apache Spark Programming with Databricks.

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

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.

Introduction to Apache Spark

Este curso, diseñado para principiantes, cubre los fundamentos de Apache Spark para el procesamiento de datos a gran escala. Explorarás la arquitectura distribuida de Spark, dominarás la API de DataFrame y aprenderás a leer, escribir y procesar datos usando Python. A través de ejercicios prácticos, desarrollarás las habilidades necesarias para ejecutar transformaciones y acciones de Spark de manera eficiente.

Developing Applications with Apache Spark

Domina el procesamiento de datos escalable con Apache Spark en este curso. Aprende a construir Pipelines ETL eficientes, realizar analíticas avanzadas y optimizar transformaciones de datos distribuidas utilizando la DataFrame API de Spark. Explora agrupaciones, agregaciones, joins, operaciones de conjuntos y funciones de ventana. Trabaja con tipos de datos complejos como arrays, maps y structs mientras aplicas las mejores prácticas para la optimización del rendimiento.

Stream Processing and Analysis with Apache Spark

Este curso guía a los estudiantes sobre cómo desarrollar aplicaciones de procesamiento de transmisión escalables y tolerantes a fallos utilizando la API de Spark Structured Streaming en Databricks.

Monitoring and Optimizing Apache Spark Workloads on Databricks

Este curso cubre los componentes principales de la Plataforma de Databricks y Apache Spark con Delta Lake, con enfoque en la arquitectura Lakehouse, Unity Catalog y técnicas de Gestión de datos como Transacciones ACID y mantenimiento de tablas. Además, enseña a los estudiantes cómo optimizar el rendimiento de las consultas mediante particionamiento, shuffles y herramientas de ajuste, al mismo tiempo que utilizan el Spark UI para monitorear aplicaciones y resolver cuellos de botella.

Languages Available: English | 日本語 | 한국어

Paid
16h
Lab
instructor-led
Associate

¿Preguntas?

Si tiene alguna pregunta, consulte nuestra página de Preguntas frecuentes (FAQ).