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