DP-3014 Implementing a Machine Learning solution with Azure Databricks

Duración: 10 horas

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.

Inicio / Cursos / Formación Oficial de Microsoft / Applied Skills / DP-3014 Implementing a Machine Learning solution with 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.
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.

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

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

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

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

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

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

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

DP-3014 Implementing a Machine Learning solution with Azure Databricks

Curso DP-3014 Implementing a Machine Learning solution with Azure Databricks

Requisitos Previos

Modalidad formativa

Objetivos

Contenidos

Fechas

Certificación

TEMARIO

Módulo 1: Explorar Azure Databricks

Módulo 2: Uso de Apache Spark en Azure Databricks

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

Módulo 4: Uso de MLflow en Azure Databricks

Módulo 5: Ajuste de hiperparámetros en Azure Databricks

Módulo 6: Uso de AutoML en Azure Databricks

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

Registrate a nuestra newsletter