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

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
Machine Learning Practitioner

Data Preparation for Machine Learning - Spanish

Este curso enseña los fundamentos de la preparación de datos para machine learning tradicional en Databricks. Los estudiantes cargan datos en tablas Delta gobernadas por Unity Catalog y los exploran con Notebooks, visualizaciones incorporadas y Genie Code. Luego realizan la limpieza de Datos limpios, gestionan valores faltantes y valores atípicos, dividen y muestrean los datos sin fuga de datos, y construyen Pipelines de ML reproducibles con Spark ML para imputación, codificación y estandarización. Finalmente, almacenan, gobiernan y Reutilizan características con Ingeniería de características en Unity Catalog. Esto incluye búsquedas puntuales en el tiempo para conjuntos de entrenamiento sin fuga de datos y una introducción al servicio de características en línea con Online Feature Stores respaldados por Lakebase. Cada módulo combina clases teóricas con demostraciones prácticas y un laboratorio que se ejecutan en compute serverless. El entrenamiento, el servicio y el monitoreo de modelos no se tratan en este curso; se enseñan en los cursos Machine Learning Model Development y Machine Learning Model Deployment. Este curso está diseñado para Científicos de datos de nivel asociado y profesionales de machine learning que desean una base sólida en la preparación de datos en Databricks.

Nota:

1. Este es el primer curso de la serie «Machine Learning con Databricks».

2. En el caso de 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 esto 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).