Curso DP-3014 Build machine learning solutions using Azure Databricks

Azure Databricks es una plataforma con escalado en la nube para el análisis de datos y el aprendizaje automático. Los científicos de datos y los ingenieros de aprendizaje automático pueden usar Azure Databricks para implementar soluciones de aprendizaje automático a gran escala.

Nivel: Intermedio  -  Rol: Científico de datos  -  Producto: Azure Databricks

Azure Databricks - Machine Learning - Apache Spark - MLflow - AutoML - Ajuste De Hiperparámetros - Deep Learning - PyTorch - MLOps - Data Scientist

Objetivos de la formación DP-3014

• Explorar cómo Azure Databricks permite a los científicos de datos y a los ingenieros de aprendizaje automático implementar soluciones de Machine Learning a gran escala.
• Aprovechar las capacidades de escalado en la nube de Azure Databricks para entrenar y desplegar modelos de aprendizaje automático.
• Utilizar herramientas y frameworks de código abierto, como Scikit-Learn, PyTorch y TensorFlow, en el entorno de Azure Databricks.
• Utilizar herramientas y frameworks de código abierto, como Scikit-Learn, PyTorch y TensorFlow, en el entorno de Azure Databricks.
• Optimizar y gestionar modelos de Machine Learning para análisis de datos avanzados y predicciones eficaces.
• Desarrollar experiencia práctica en la implementación de flujos de trabajo de aprendizaje automático en un entorno de Azure Databricks.

Contenido del curso DP-3014: Implementación de una solución de Machine Learning con Azure Databricks

Módulo 1: Explorar Azure Databricks

• Introducción a Azure Databricks
  
• Identificación de las cargas de trabajo de Azure Databricks
  
• Descripción de los conceptos clave
  
• Ejercicio: Explorar Azure Databricks
  

Módulo 2: Entrenamiento de un modelo de Machine Learning en Azure Databricks

• Descripción de los principios del aprendizaje automático
  
• Aprendizaje automático en Azure Databricks
  
• Preparación de los datos para el aprendizaje automático
  
• Entrenar un modelo de Machine Learning
  
• Evaluar un modelo de Machine Learning
  
• Ejercicio: Entrenamiento de un modelo de Machine Learning en Azure Databricks
  

Módulo 3: Uso de MLflow en Azure Databricks

• Funcionalidades de MLflow
  
• Ejecución de experimentos con MLflow
  
• Registro y servicio de modelos con MLflow
  
• Ejercicio: Uso de MLflow en Azure Databricks
  

Módulo 4: Ajuste de hiperparámetros en Azure Databricks

• Optimización de hiperparámetros con Hyperopt
  
• Revisión de las pruebas de Hyperopt
  
• Escala de pruebas de Hyperopt
  
• Ejercicio: Optimización de hiperparámetros para el aprendizaje automático en Azure Databricks
  

Módulo 5: Uso de AutoML en Azure Databricks

• ¿Qué es AutoML?
  
• Uso de AutoML en la interfaz de usuario de Azure Databricks
  
• Uso de código para ejecutar un experimento de AutoML
  
• Ejercicio: Uso de AutoML en Azure Databricks
  

Módulo 6: Entrenamiento de modelos de aprendizaje profundo en Azure Databricks

• Comprensión de los conceptos del aprendizaje profundo
  
• Entrenamiento de modelos con PyTorch
  
• Distribución del entrenamiento de PyTorch con Horovod
  
• Ejercicio: Entrenamiento de modelos de aprendizaje profundo en Azure Databricks
  

Módulo 7: Administre el aprendizaje automático en producción con Azure Databricks

• Introducción
  
• Automatice sus transformaciones de datos
  
• Explorar el desarrollo de modelos
  
• Explorar estrategias de implementación de modelos
  
• Explorar el control de versiones de modelos y la gestión del ciclo de vida
  
• Ejercicio: Administrar un modelo de aprendizaje automático

Requisitos previos

Se recomienda tener experiencia en el uso de Python para explorar datos y entrenar modelos de Machine Learning con marcos de código abierto comunes, como Scikit-Learn, PyTorch y TensorFlow. 

Idioma

• Curso: Inglés / Español
• Labs: Inglés / Español