Inicio
Cursos
Conceptos de Databricks

Ejemplo de canal de aprendizaje automático integral

Este ejercicio forma parte del curso

Conceptos de Databricks

PrincipianteNivel de habilidad

4.7+

Conoce el nuevo paradigma Lakehouse para tu estrategia de datos en la nube y cómo la plataforma Databricks Lakehouse puede modernizar tu arquitectura de datos. Comprende los componentes básicos de la plataforma Databricks y cómo encajan entre sí.

Exercise 1: Introducción a la Plataforma Lakehouse de Databricks Exercise 2: ¿Por qué elegir una casa en el lago?Exercise 3: Ventajas de Databricks Lakehouse Exercise 4: Decisiones arquitectónicas Exercise 5: Características principales de la Plataforma Lakehouse de Databricks Exercise 6: ¿Por qué Delta?Exercise 7: Tejidos de datos para diferentes personas Exercise 8: Capacidades para cada persona de datos Exercise 9: Administrar un espacio de trabajo Databricks Exercise 10: Gestionar y añadir usuarios Exercise 11: Ejemplo de configuración de un espacio de trabajo Databricks Exercise 12: Plano de control vs. Plano de datos Exercise 13: Configura tu espacio de trabajo Databricks

Aprende a procesar, transformar y limpiar tus datos utilizando las funciones de Databricks. Practica el uso conjunto de capacidades como el formato de almacenamiento Delta, las Tablas Delta Live y los Flujos de Trabajo para crear una canalización de datos de extremo a extremo.

Exercise 1: Primeros pasos con Databricks Exercise 2: Funciones del Explorador de datos Exercise 3: Configurar un cuaderno Exercise 4: Configuraciones de clúster Exercise 5: Fundamentos de Ingeniería de Datos en Databricks Exercise 6: Marcos de datos Exercise 7: Leer de una base de datos Exercise 8: Escribe una tabla externa Exercise 9: Transformaciones de datos en Databricks Exercise 10: Carga de archivos alojados Exercise 11: Seleccionar la lengua adecuada Exercise 12: Pasos de la canalización de datos Exercise 13: Orquestación de datos en Databricks Exercise 14: Automatizaciones posibles en Databricks Exercise 15: Ventajas de las Mesas Delta Live Exercise 16: Ejemplo de canalización de datos de extremo a extremo en Databricks Exercise 17: Pasos de la canalización de datos

Utiliza la plataforma Lakehouse de Databricks como solución de almacenamiento de datos para tus casos de uso de Business Intelligence (BI). Utiliza las funciones optimizadas integradas en SQL dentro de Databricks para crear consultas y cuadros de mando sobre tus datos.

Exercise 1: Visión general de Databricks SQL Exercise 2: Ventajas de los Databricks SQL Exercise 3: Databricks SQL en el flujo de trabajo de datos Exercise 4: Databricks SQL frente a otras bases de datos Exercise 5: Primeros pasos con Databricks SQL Exercise 6: Elegir tu almacén SQL Exercise 7: SQL Editor vs. cuadernos Exercise 8: Creación de la tabla usVentas Exercise 9: Databricks SQL consultas y cuadros de mando Exercise 10: Comprender los activos de Databricks SQL Exercise 11: Utilizar parámetros en las consultas Exercise 12: Creación de un panel Databricks SQL Exercise 13: Crear una consulta de revisión del usuario

Utiliza Databricks para gestionar tus pipelines de Aprendizaje Automático con MLFgestionado bajo. Sigue el ciclo de vida de desarrollo de modelos de principio a fin con el Almacén de Características, el Registro de Modelos y los Puntos Finales de Servicio de Modelos para crear una sólida plataforma MLOps en la casa del lago.

Exercise 1: Visión general de Lakehouse AI Exercise 2: Beneficios de la casa del lago para ML Exercise 3: MLOtareas ps en Databricks Exercise 4: Utilizar Databricks para el aprendizaje automático Exercise 5: EDA en Tejidos de datos Exercise 6: ¿Por qué el tiempo de ejecución ML?Exercise 7: Explorar datos en un cuaderno Exercise 8: Entrenamiento de modelos con MLFbajo en Databricks Exercise 9: Nodo único frente a nodo múltiple ML Exercise 10: Databricks para científicos de datos ciudadanos Exercise 11: Utilizando MLFlow para el Seguimiento Exercise 12: Desplegar un modelo en Databricks Exercise 13: Modelos y Registro de Modelos Exercise 14: ¿Por qué Databricks para el despliegue de modelos?Exercise 15: Ejemplo de canal de aprendizaje automático integral

Ejercicio actual

Exercise 16: Canalización de extremo a extremo ML Exercise 17: Conclusión