Databricks y PySpark para Ingeniería de Datos

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

Esta formación impartida por instructores, disponible en línea o presencial, está dirigida a profesionales de datos de nivel intermedio que deseen diseñar, construir e implementar modelos de aprendizaje automático con Azure Databricks para casos de uso financiero.

Al finalizar este curso, los participantes serán capaces de:

• Construir y entrenar modelos de aprendizaje automático utilizando 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.
• 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, por favor contáctenos para organizarlo.

Esta formación en vivo impartida por un instructor en Panama (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 podrán:

• Configurar y ajustar Databricks.
• Comprender cómo trabajan 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 de ingeniería de datos y análisis escalables.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a gerentes tecnológicos de nivel intermedio con formación en ingeniería de datos, que deseen migrar lógica OLAP procedural 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 en Spark DataFrame y notebooks.
• Diseñar e implementar rutinas de ingesta incremental, fusión (merge) y optimización utilizando Delta Lake.
• Construir flujos de trabajo completos orquestados con Databricks Workflows, control de versiones, pruebas y gobernanza.

Formato del curso

• Sesiones intensivas impartidas por instructores con demostraciones y explicaciones centradas.
• Prácticas diarias con ejercicios utilizando conjuntos de datos representativos y actividades de migración.
• Revisiones de código guiadas, clínicas 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; contáctenos para coordinar la personalización.

Databricks es una plataforma unificada de análisis diseñada para el manejo de big data y aprendizaje automático en entornos colaborativos.

Esta formación dirigida por instructores (en línea o presencial) está orientada a analistas de datos de nivel principiante a intermedio y a profesionales financieros que deseen realizar análisis de grandes volúmenes de datos utilizando Databricks en casos de uso relacionados con las finanzas.

Al finalizar esta formación, los participantes podrán:

• Utilizar cuadernos de Databricks para consultar y analizar conjuntos de datos financieros.
• Limpiar y transformar datos financieros brutos para generar informes e ideas clave.
• Crear paneles de control y visualizaciones para el seguimiento del desempeño.
• Colaborar en tiempo real con miembros del equipo mediante cuadernos compartidos.

Formato del curso

• Clase interactiva con debate.
• Feraces 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 concertar los detalles.

Esta formación ofrece una introducción práctica para construir flujos de trabajo escalables de procesamiento de datos y aprendizaje automático utilizando PySpark. Los participantes aprenderán cómo funciona Apache Spark dentro de los ecosistemas modernos de Big Data y cómo procesar conjuntos de datos grandes de manera eficiente aplicando principios de computación distribuida.

En esta formación en vivo y con instructor en Panama, los participantes aprenderán cómo usar Python y Spark juntos para analizar big data mientras realizan ejercicios prácticos.

Al finalizar esta capacitación, los participantes podrán:

• Aprender cómo usar Spark con Python para analizar Big Data.
• Realizar ejercicios que imitan casos del mundo real.
• Utilizar diversas herramientas y técnicas para el análisis de datos masivos usando PySpark.

Stratio es una plataforma centrada en los datos que integra big data, inteligencia artificial (IA) 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.

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

Al finalizar este curso, los participantes podrán:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Intelligence.
• Aplicar PySpark en el contexto de ingestión, transformación y análisis de datos.
• Utilizar bucles y lógica condicional para controlar flujos de trabajo 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

• Lección 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, póngase en contacto con nosotros para coordinarlo.