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: 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.

Skill Level
Associate
Duration
3h
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)

A tu propio ritmo

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

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

Data Engineer

Databricks Data Privacy - Spanish

Privacidad de los Datos en Databricks enseña a los ingenieros de datos a encontrar, proteger, eliminar y rendir cuentas de los datos personales en Databricks Data Intelligence Platform. Trata la privacidad como un conjunto de decisiones técnicas y controles construidos sobre Unity Catalog y Delta Lake. El curso separa la privacidad de la seguridad, la gobernanza y el cumplimiento, y organiza el trabajo en torno a un ciclo de vida de identificar, proteger, gestionar y verificar, junto con un modelo de decisión breve que los alumnos aplican a cada técnica.

Los alumnos empiezan por encontrar columnas sensibles con Data Classification y registrar cómo debe tratarse cada una con una etiqueta gobernada. Protegen esas columnas con políticas de control de acceso basado en atributos (ABAC) impulsadas por etiquetas y usan máscaras de columna y filtros de fila manuales cuando una política central no encaja. La desidentificación va más allá con hashing con sal, tokenización a través de un almacén gobernado por separado y cifrado de columnas, con la sal y la clave en Databricks Secrets. Para el derecho al borrado, los alumnos rastrean una solicitud, encuentran los datos del interesado con clasificación y linaje, eliminan y propagan el cambio con DELETE y MERGE, y luego purgan los archivos subyacentes con REORG TABLE ... APPLY (PURGE) y VACUUM consciente de la retención. El curso cierra combinando linaje, registros de auditoría, historial de consultas e historial de tablas Delta en un rastro de evidencia que muestra si cada control funcionó.

Todos los datos son sintéticos. Las demos siguen el patrimonio de datos de un minorista multinacional a lo largo del ciclo de vida y cierran cada control con evidencia de que funcionó, como un resultado de consulta enmascarado, una comprobación de borrado vacía o una entrada del historial de la tabla. Dos laboratorios basados en escenarios refuerzan el flujo. En el primero, los alumnos reparan la protección rota en la tabla de clientes de una filial. En el segundo, terminan una solicitud de borrado a medio completar y reúnen la evidencia de que está completa. El curso es técnico y no ofrece asesoramiento jurídico.

Nota: Databricks Academy está en transición hacia un formato basado en notebooks para las sesiones presenciales dentro del entorno de Databricks, y dejará de usar presentaciones para las conferencias. Puede acceder a los notebooks de las conferencias en el entorno de laboratorio de Vocareum.

Paid & Subscription
3h
Lab
Professional

Catalog Management and Data Organization - Spanish

En este curso, aprenderá a diseñar, implementar y administrar estructuras de Catálogo y la organización de datos a gran escala con Unity Catalog en la Plataforma de Datos e IA de Databricks. Dividido en cinco módulos, comienza situando Unity Catalog dentro del modelo de implementación en la nube, y abarca la consola de cuenta, los metastores regionales y los roles de administrador que lo habilitan. A continuación, aprenderá a traducir la topología organizativa (unidades de negocio, regiones y entornos de desarrollo/QA/producción) en un diseño de Catálogo y esquema escalable, con convenciones de nomenclatura, propiedad y delegación MANAGE. Después, el curso aborda la integración segura de almacenamiento mediante credenciales de almacenamiento, ubicaciones externas, la jerarquía de almacenamiento administrado, tablas administradas frente a tablas externas, Volumes y Lakehouse Federation. Luego, aprenderá a Aplicar patrones de acceso y estrategias de aislamiento, incluidos el enlace workspace-Catálogo, la herencia de privilegios, los filtros de fila, las máscaras de columna y las políticas de control de acceso basado en atributos (ABAC), y a validar los resultados con señales de auditoría. Por último, el curso concluye con las mejores prácticas para diseñar, administrar y operar un entorno de Unity Catalog. Las demostraciones prácticas y los laboratorios se ejecutan en compute serverless e incluyen pasos breves de Genie Code.

Nota: Para 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 podría impedir que el módulo SCORM se marque como completado.

Paid & Subscription
3h
Lab
Associate

¿Preguntas?

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