Machine Learning with Databricks - Spanish
¡Le damos la bienvenida a Machine Learning with Databricks!
Este curso es su puerta de entrada para dominar los flujos de trabajo de machine learning en Databricks. Sumérjase en la preparación de datos, el desarrollo de modelos, el despliegue y las operaciones, con la guía de instructores expertos. Aprenda las habilidades esenciales para la exploración de datos, el entrenamiento de modelos y las estrategias de despliegue adaptadas a Databricks. Al finalizar el curso, contará con el conocimiento y la confianza para recorrer todo el ciclo de vida del machine learning en la Plataforma de Databricks, lo que le permitirá crear y desplegar soluciones de machine learning robustas de manera eficiente.
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.
Data Preparation for Machine Learning
Este curso se centra en los fundamentos de la preparación de datos para machine learning utilizando Databricks. Los participantes aprenderán habilidades esenciales para explorar, limpiar y organizar datos adaptados para aplicaciones tradicionales de machine learning. Los temas clave incluyen visualización de datos, ingeniería de características y estrategias óptimas de almacenamiento de características. A través de ejercicios prácticos, los participantes adquirirán experiencia práctica en la preparación eficiente de conjuntos de datos para machine learning dentro de Databricks. Este curso está diseñado para Científicos de datos de nivel asociado y profesionales de machine learning, así como para personas que buscan mejorar su competencia en la preparación de datos, garantizando una base sólida para el despliegue exitosamente de Modelos de machine learning.
Machine Learning Model Development
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.
Machine Learning Model Deployment
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.
Machine Learning Operations
Este curso guiará a los participantes a través de una exploración exhaustiva de las operaciones de Modelo de machine learning, con enfoque en MLOps y la gestión del ciclo de vida del modelo. El segmento inicial cubre los componentes esenciales de MLOps y las mejores prácticas, proporcionando a los participantes una base sólida para operacionalizar eficazmente los Modelos de machine learning. En la segunda parte del curso, profundizaremos en los fundamentos del ciclo de vida del modelo, demostrando cómo navegarlo de manera fluida utilizando el Registro de modelos en conjunto con Unity Catalog para una gestión eficiente del modelo. Al finalizar el curso, los participantes habrán adquirido perspectivas prácticas y una comprensión integral de los principios de MLOps, equipados con las habilidades necesarias para desenvolverse en el intrincado panorama de las operaciones de Modelo de machine learning.
Languages Available: English | 日本語 | Português BR | 한국어
Como mínimo, debe estar familiarizado con lo siguiente antes de intentar realizar este contenido:
• Haber completado el curso Get Started with Databricks for Machine Learning (Onboarding) o poseer conocimientos fundamentales equivalentes sobre el trabajo en el entorno de Databricks.
• Dominio de nivel intermedio de la programación en Python para la preparación y el análisis de datos.
• Comprensión básica de los fundamentos del machine learning.
• Familiaridad con los flujos de trabajo de la plataforma de Databricks.
• Conocimientos básicos de los formatos de datos y los conceptos de lakehouse.
• Comprensión fundamental del análisis exploratorio de datos y de la estadística básica.
• 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 notebooks, importar repos desde git)
• Experiencia intermedia de programación en Python, incluidas las bibliotecas de manipulación de datos (pandas, numpy) y el trabajo con API (REST endpoints, databricks-sdk, REST endpoints)
• Conocimientos básicos de MLflow para el seguimiento de experimentos, el registro de modelos, las operaciones de model registry y la gestión del ciclo de vida de los modelos
• Comprensión de los fundamentos del machine learning, incluidos el entrenamiento de modelos, la evaluación, los flujos de trabajo de implementación y los conceptos de monitoreo del rendimiento
• Experiencia intermedia con Unity Catalog para la gobernanza de datos y la gestión del model registry
• Familiaridad básica con los conceptos de Ingeniería de características, incluidas las tablas de características, las feature lookups y los feature stores sin conexión y en línea
• Comprensión de las operaciones de Delta Lake (crear tablas, realizar actualizaciones, optimizar archivos y liquid clustering) y de 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)
• Conocimiento de los conceptos fundamentales del machine learning, MLflow tracking
• Familiaridad con los conceptos de MLOps, incluidas la evaluación de la calidad de los datos, la ingeniería de características, las pruebas de modelos y las prácticas de monitoreo continuo, el workspace y los notebooks de Databricks
• Conocimientos de nivel intermedio de Python
• Experiencia básica con interfaces de línea de comandos y la configuración de autenticación para plataformas en la nube y herramientas de desarrollo
• Comprensión de Lakeflow Jobs y de los conceptos de orquestación de flujos de trabajo (dependencias de tareas, lógica condicional, programación, notificaciones)
• Conocimientos básicos de los principios de monitoreo de modelos y detección de deriva, incluidas las métricas de rendimiento y la detección de anomalías
Outline
Data Preparation for Machine Learning
• Gestión y exploración de datos
• Preparación de datos e ingeniería de características
• Feature Store
Machine Learning Model Development
• Flujo de trabajo de desarrollo de modelos
• Ajuste de hiperparámetros
• Machine Learning agéntico
Machine Learning Model Deployment
• Fundamentos de Implementación de Modelos
• Batch Deployment
• Implementación de Pipeline
• Implementación en tiempo real y almacenes en línea
Machine Learning Operations
• MLOps Moderno
• Diseño de Soluciones MLOps
• Implementación y Monitoreo de Solución MLOps
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 acompa ñarlo 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.
