FORMACIÓN OFICIAL MICROSOFT | CURSOS EN MADRID

DP-3014 Implementación de una solución de Azure Machine Learning con Azure Databricks

Duración: 6 horas

DP-3014 Implementación de una solución de Azure Machine Learning con 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.

Inicio / Cursos / Formación Oficial de Microsoft / Applied Skills / DP-3014 Implementación de una solución de Azure Machine Learning con Azure Databricks
Requisitos
Contenidos
Temario
Contacto

Requisitos Previos

En esta ruta de aprendizaje se da por supuesto que tiene 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. Considere la posibilidad de completar la ruta de aprendizaje Creación de modelos de Machine Learning antes de iniciar esta.

Modalidad formativa

  • Presencial en Gadesoft: Madrid o Barcelona.
  • Presencial en cliente: En sus instalaciones. Toda la península.
  • Online Direct: Mediante herramientas de videoconferencia (Microsoft Teams), en directo con el instructor. Pantalla compartida, interacción, seguimiento total.

Objetivos

Contenidos

  • Manual oficial de Microsoft.
  • Laboratorios de prácticas.
  • Opcional: Voucher de certificación.

Fechas

Próximas fechas de convocatoria para el curso:

Certificación

TEMARIO

Módulo 1: Explorar Azure Databricks

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

Módulo 2: Uso de Apache Spark en Azure Databricks

  • Introducción
  • 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
  • Prueba de conocimientos
  • Resumen

Módulo 3: Entrenamiento de un modelo de Machine Learning en Azure Databricks

  • Introducción
  • 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
  • Prueba de conocimientos
  • Resumen

Módulo 4: Uso de MLflow en Azure Databricks

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

Módulo 5: Ajuste de hiperparámetros en Azure Databricks

  • Introducción
  • 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
  • Prueba de conocimientos
  • Resumen

Módulo 6: Uso de AutoML en Azure Databricks

  • Introducción
  • ¿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
  • Prueba de conocimientos
  • Resumen

Módulo 7: Entrenamiento de modelos de aprendizaje profundo en Azure Databricks

  • Introducción
  • 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
  • Prueba de conocimientos
  • Resumen
Ponte en contacto con nosotros