Ir al contenido principal

Machine Learning Model Deployment - Spanish

Este curso está diseñado para presentar tres estrategias principales de despliegue de machine learning e ilustrar la implementación de cada estrategia en Databricks. Tras explorar los fundamentos del despliegue de modelos, el curso profundiza en la inferencia Batch, ofreciendo demostraciones prácticas y laboratorios para utilizar un modelo en escenarios de inferencia Batch, junto con consideraciones para la optimización del rendimiento. La segunda parte del curso cubre de manera exhaustiva el despliegue de Pipeline, mientras que el segmento final se centra en el despliegue en tiempo real. Los participantes realizarán demostraciones prácticas y laboratorios, desplegando modelos con Model Serving y utilizando el endpoint de servicio para inferencia en tiempo real.


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

Skill Level
Associate
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 trabajo con APIs (databricks-sdk, endpoints REST)

• Conocimiento básico de MLflow para el seguimiento de experimentos, registro de modelos, operaciones del model registry y versionado de modelos

• Comprensión de los fundamentos del machine learning, incluyendo el entrenamiento de modelos, evaluación, inferencia Batch y conceptos de despliegue en tiempo real

• Experiencia intermedia con Unity Catalog para la gobernanza de datos y la gestión del registro de modelos

• Familiaridad básica con los conceptos de Ingeniería de características, incluyendo tablas de características, búsquedas de características y almacenes de características offline vs online

• Comprensión de las operaciones de Delta Lake (crear tablas, realizar actualizaciones, optimizar archivos y liquid clustering) y técnicas de optimización del almacenamiento de datos

• Conocimiento básico de Apache Spark y PySpark para el procesamiento distribuido de datos y las Funciones Definidas por el Usuario (UDFs)

Outline

Fundamentos de Implementación de Modelos

• Estrategias de Despliegue de Modelos

• Implementación de modelos con MLflow


Batch Deployment

• Introducción al Batch Deployment

• Demo: Batch Deployment

• Laboratorio: Batch Deployment


Implementación de Pipeline

• Introducción al despliegue de Pipeline

• Demo: Implementación de Pipeline


Implementación en tiempo real y almacenes en línea

• Introducción al despliegue en tiempo real

• Databricks Model Serving

• Demo: Implementación en tiempo real con Model Serving

• Demo: Implementación de modelos personalizados con Model Serving

• Laboratorio: Implementación en tiempo real con Model Serving

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

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).