Databricks y PySpark para Ingeniería de Datos

Azure Databricks es una plataforma colaborativa en la nube que admite el análisis de grandes datos y el aprendizaje automático mediante Apache Spark y el ecosistema de Microsoft Azure.

Este curso dirigido por instructores (presencial u online) está dirigido a profesionales de datos de nivel intermedio que desean diseñar, construir e implementar modelos de aprendizaje automático para casos de uso financiero mediante Azure Databricks.

Al finalizar esta formación, los participantes serán capaces de:

• Construir y entrenar modelos de aprendizaje automático utilizando datos financieros en Azure Databricks.
• Utilizar MLflow para realizar seguimiento de experimentos, gestionar modelos y desplegar soluciones.
• Aplicar modelos para detectar anomalías, evaluar riesgos o pronosticar tendencias en el sector financiero.
• Integrar modelos de aprendizaje automático en pipelines escalables para su evaluación continua.

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarla.

Esta formación en vivo y dirigida por un instructor en <ubicación> (en línea o presencial) está dirigida a científicos de datos y desarrolladores que deseen configurar, implementar y gestionar soluciones de análisis de datos utilizando Databricks.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y ajustar Databricks.
• Comprender cómo funcionan juntos Databricks y Apache Spark.
• Aprender a cargar y transformar datos en Databricks.

Databricks es una plataforma Lakehouse unificada que combina Spark, Delta Lake y gobernanza (Unity Catalog) para respaldar flujos de trabajo escalables de ingeniería de datos y análisis.

Esta capacitación en vivo con instructores (en línea o presencial) está dirigida a gerentes tecnológicos de nivel intermedio con antecedentes en ingeniería de datos que deseen migrar lógica procedural OLAP compleja a una arquitectura Lakehouse utilizando Databricks, Spark, Delta Lake, Unity Catalog y flujos de trabajo nativos.

Al finalizar esta capacitación, los participantes podrán:

• Explicar la arquitectura Lakehouse y el patrón Bronce→Plata→Oro (Medallion).
• Traducir la lógica de procedimientos almacenados a implementaciones de DataFrame de Spark y cuadernos (notebooks).
• Diseñar e implementar rutinas de ingestión incremental, fusiones y optimización utilizando Delta Lake.
• Construir pipelines orquestados de extremo a extremo con Databricks Workflows, control de versiones, pruebas y gobernanza.

Formato del Curso

• Sesiones intensivas con instructores, que incluyen demostraciones y explicaciones centradas.
• Laboratorios prácticos diarios utilizando conjuntos de datos representativos y ejercicios de migración.
• Revisiones de código guiadas, sesiones de ajuste de rendimiento y práctica de orquestación de flujos de trabajo.

Opciones de Personalización del Curso

• Este curso se puede adaptar a su entorno, conjuntos de datos y requisitos de gobernanza; por favor contáctenos para organizar la personalización.

Databricks es una plataforma de análisis unificada diseñada para el procesamiento de grandes volúmenes de datos y el aprendizaje automático en entornos colaborativos.

Esta formación presencial, impartida por un instructor (en línea o en las instalaciones de la empresa), está dirigida a analistas de datos y profesionales financieros de nivel principiante a intermedio que deseen realizar análisis de datos a gran escala utilizando Databricks en casos de uso relacionados con el ámbito financiero.

Al finalizar esta capacitación, los participantes serán capaces de:

• Utilizar cuadernos de Databricks para consultar y analizar conjuntos de datos financieros.
• Limpiar y transformar datos financieros en bruto para la elaboración de informes y la obtención de conclusiones.
• Crear paneles de control y visualizaciones para el seguimiento del rendimiento.
• Colaborar con los miembros del equipo en tiempo real mediante cuadernos compartidos.

Formato del curso

• Clase interactiva y discusión.
• Amplia práctica con numerosos ejercicios.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

Esta capacitación ofrece una introducción práctica para construir flujos de trabajo escalables de procesamiento de datos y Aprendizaje Automático utilizando PySpark. Los participantes aprenderán cómo Apache Spark opera dentro de los ecosistemas modernos de Big Data y cómo procesar eficientemente grandes conjuntos de datos aplicando principios de computación distribuida.

En esta formación en vivo con instructor en Costa Rica, los participantes aprenderán cómo usar Python y Spark juntos para analizar grandes datos, mientras realizan ejercicios prácticos.

Al final de esta capacitación, los participantes serán capaces de:

• Aprender a utilizar Spark con Python para analizar grandes datos.
• Trabajar en ejercicios que imitan casos del mundo real.
• Utilizar distintas herramientas y técnicas para el análisis de grandes datos usando PySpark.

Stratio es una plataforma centrada en los datos que integra big data, IA y gobernanza en una única solución. Sus módulos Rocket e Intelligence permiten la exploración rápida de datos, transformación y análisis avanzado en entornos empresariales.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a profesionales de datos de nivel intermedio que deseen utilizar los módulos Rocket e Intelligence de Stratio de manera efectiva con PySpark, centrándose en estructuras de bucle, funciones definidas por el usuario y lógica avanzada de datos.

Al finalizar esta formación, los participantes podrán:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Intelligence.
• Aplicar PySpark en el contexto de ingesta, transformación y análisis de datos.
• Utilizar bucles y lógica condicional para controlar flujos de trabajo de datos y tareas de ingeniería de características.
• Crear y gestionar funciones definidas por el usuario (UDF) para operaciones de datos reutilizables en PySpark.

Formato del curso

• Conferencia interactiva y discusión.
• Numerosos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para organizarlo.