Databricks y PySpark para Ingeniería de Datos

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

Esta formación en vivo con instructor (en línea o presencial) está dirigida a profesionales de datos de nivel intermedio que deseen diseñar, implementar y desplegar modelos de aprendizaje automático utilizando Azure Databricks para casos de uso financiero.

Al finalizar esta formación, los participantes podrán:

• Construir y entrenar modelos de aprendizaje automático con datos financieros en Azure Databricks.
• Utilizar MLflow para rastrear experimentos, gestionar modelos e implementar 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

• Clase interactiva y discusión.
• Muchas actividades prácticas de ejercicios.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

Esta formación en directo, impartida 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 mediante Databricks.

Al finalizar esta formación, los participantes serán capaces de:

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

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

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

Al finalizar esta formación, los participantes serán capaces de:

• Explicar la arquitectura Lakehouse y el patrón Bronce→Plata→Oro (Medallión).
• Traducir la lógica de procedimientos almacenados a implementaciones en DataFrame de Spark y cuadernos.
• 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 dirigidas por un instructor con demostraciones y explicaciones focalizadas.
• Prácticas diarias utilizando conjuntos de datos representativos y ejercicios de migración.
• Revisiones guiadas del código, clínicas de optimización de rendimiento y práctica de orquestación de flujos de trabajo.

Opciones de personalización del curso

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

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

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a analistas de datos y profesionales del sector financiero con conocimientos desde nivel básico hasta intermedio, que deseen realizar análisis de datos a gran escala mediante Databricks en casos de uso relacionados con las finanzas.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar cuadernos de Databricks para consultar y analizar conjuntos de datos financieros.
• Limpia y transformar datos financieros sin procesar para informes e información relevante.
• Crear paneles y visualizaciones para el seguimiento del rendimiento.
• Colaborar en tiempo real con otros miembros del equipo en cuadernos compartidos.

Formato del curso

• Clases interactivas y debates.
• 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, por favor contáctanos para coordinarlo.

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

En este entrenamiento en vivo impartido por un instructor en Uruguay, los participantes aprenderán cómo utilizar Python y Spark juntos para analizar Big Data mientras realizan ejercicios prácticos.

Al finalizar esta capacitación, los participantes podrán:

• Aprender a usar Spark con Python para analizar Big Data.
• Trabajar en ejercicios que simulan casos reales.
• Utilizar diferentes herramientas y técnicas para el análisis de Big Data con PySpark.

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

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de datos de nivel intermedio que desean utilizar eficazmente los módulos Rocket e Intelligence de Stratio con PySpark, centrándose en estructuras iterativas, 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

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

Opciones de personalización del curso

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