DP-3014
Implementing a Machine Learning solution with Azure Databricks
Implementing a Machine Learning solution with Azure Databricks
Información del
Programa
Curso DP-3014 Implementing a Machine Learning solution with Azure Databricks
Azure Databricks es una plataforma en la nube que ofrece un escalado flexible para análisis de datos y aprendizaje automático. Tanto científicos de datos como ingenieros de aprendizaje automático pueden aprovechar Azure Databricks para implementar soluciones de aprendizaje automático a gran escala.
Objetivos
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.
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.
Temario
Modulo 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
Modulo 2 – Uso de Apache Spark en Azure Databricks
- Descubra Spark
- Creación de un clúster de Spark
- Uso de Spark en cuadernos
- Uso de Spark para trabajar con archivos de datos
- Visualización de datos
- Ejercicio: Uso de Spark en Azure Databricks
Modulo 3 – 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
Modulo 4 – 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
Modulo 5 – 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
Modulo 6 – 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
Modulo 7 – 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
