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

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.