Machine Learning Model Development - Spanish

Este completo curso ofrece una guía práctica para desarrollar modelos de machine learning tradicionales en Databricks, con énfasis en demostraciones prácticas y flujos de trabajo que utilizan las bibliotecas de ML más populares. Los participantes explorarán técnicas clave de ML, incluidas la regresión y el clustering, a la vez que aprovechan las potentes capacidades de Databricks. El curso abarca la integración de MLflow para el seguimiento de modelos, el Databricks Feature Store para la gestión de features y Optuna para el ajuste de hiperparámetros. Además, los participantes aprenderán a acelerar el desarrollo de modelos con Genie Code, el asistente de codificación impulsado por IA de Databricks que utiliza lenguaje natural, conexiones MCP, instrucciones y habilidades para guiar todo el ciclo de vida del ML. Al finalizar el curso, los alumnos contarán con habilidades prácticas y aplicables para desarrollar, optimizar e implementar modelos de machine learning de forma eficiente en el entorno de 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.

Skill Level

Associate

Duration

Prerequisites

Como mínimo, debería estar familiarizado con lo siguiente antes de abordar este contenido:

• Familiaridad con la Databricks Data Intelligence Platform y las operaciones básicas del workspace (crear clusters, ejecutar código en notebooks, usar operaciones básicas de notebooks, importar repos desde git)

• Experiencia de programación intermedia con Python, incluidas las bibliotecas de manipulación de datos (pandas, numpy) y el uso de API (databricks-sdk, endpoints REST)

• Conocimientos básicos de MLflow para el seguimiento de experimentos, el registro de modelos, las operaciones del registro de modelos y el versionado de modelos

• Comprensión de los fundamentos del machine learning, incluidos el entrenamiento de modelos, la evaluación, la inferencia por lotes y los conceptos de implementación 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 Feature Engineering, incluidas las tablas de features, las búsquedas de features y los feature stores sin conexión frente a en línea

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

• Conocimientos básicos de Apache Spark y PySpark para el procesamiento distribuido de datos y las funciones definidas por el usuario (UDF)

Outline

Flujo de trabajo de desarrollo de modelos

• Desarrollo de modelos y MLflow

• Evaluación del rendimiento del modelo

Ajuste de hiperparámetros

• Fundamentos del ajuste de hiperparámetros

• Ajuste de hiperparámetros con Optuna

Machine Learning agéntico

• Introducción a Genie Code

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.

Registro de clientes Registro de socios

Solicitud de clase privada

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

Solicitar Entrenamiento Privado

Ver todas nuestras opciones de inscripción

Registration options

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

A tu propio ritmo

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

Regístrese ahora

Instruido por expertos

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

Regístrese ahora

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

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

Advanced Techniques with Apache Spark Declarative Pipelines - Spanish

Este curso explora Apache Spark Declarative Pipelines (SDP) de Databricks para la construcción de pipelines de transmisión de nivel de producción. Aprenderá patrones de diseño avanzados, aplicación robusta de calidad de datos e integración multiplataforma, elementos esenciales para la ingeniería de lakehouse en entornos reales.

A lo largo del curso, profundizará en técnicas modernas de Ingesta de datos y procesamiento, dominando herramientas como Liquid Clustering para la optimización del diseño y el patrón Multiplex Streaming para eventos con esquemas mixtos. Al finalizar los módulos, sabrá cómo gestionar con confianza la Evolución del esquema, automatizar el Change Data Capture (CDC) y garantizar la Integridad de los datos.

Nota:

1. Este curso forma parte de la serie de cursos «Ingeniería de datos avanzada con Databricks».

2. Databricks Academy está migrando a un formato basado en notebooks para las sesiones en el aula dentro del entorno de Databricks y dejará de utilizar presentaciones de diapositivas en las clases. Puede acceder a los notebooks de las clases en el entorno de laboratorio de Vocareum.

Languages Available: English | 日本語 | Português BR | 한국어 | Français | Español | 普通话

Databricks Performance Optimization - Spanish

Databricks Performance Optimization enseña a los ingenieros y analistas de datos cómo diagnosticar, medir y corregir cuellos de botella de rendimiento en la Plataforma de Inteligencia de Datos de Databricks, y cómo vincular las mejoras de rendimiento con los costos. El curso sigue un Flujo de trabajo que prioriza la medición y la plataforma: se permite que las optimizaciones automáticas de la plataforma realicen el trabajo pesado, se verifica lo que se aplicó mediante Query Profile y las tablas del sistema, y luego se ajusta manualmente donde sea necesario.

Los participantes construyen una base para medir el rendimiento con Query Profile, Performance Insights y las tablas del sistema del historial de consultas. A partir de ahí, exploran técnicas clave de optimización, entre ellas el diseño de datos y las tablas administradas con autoajuste, liquid clustering, el almacenamiento en caché y los resultados intermedios, el shuffle, el skew, el spill, las explosiones de filas, el rendimiento del driver, los Python UDFs, el serverless compute, Photon y la atribución de costos.

A lo largo del curso, los participantes analizan consultas deliberadamente lentas sobre datos sintéticos de comercio minorista y observan cómo las distintas técnicas de optimización afectan el rendimiento. Utilizan evidencia como la poda de archivos, el tiempo de ejecución de tareas, la cobertura de Photon y los costos para evaluar las mejoras. Dos laboratorios basados en escenarios refuerzan el Flujo de trabajo de optimización desde el diagnóstico hasta la validación.

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 | Français | Español | 普通话

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.