Tutoriales de introducción a Azure Databricks

Los tutoriales de esta sección presentan las características principales y le guían a través de los conceptos básicos de trabajar con la plataforma de Azure Databricks.

Para obtener información sobre otros recursos de entrenamiento en línea, consulte Aprendizaje gratis en Databricks.

Si no tiene una cuenta de Azure Databricks, regístrese para obtener una evaluación gratuita.

Exploración de datos

Tutorial Descripción
Consultar y visualizar datos Use un cuaderno de Databricks para consultar los datos de ejemplo almacenados en el Catálogo de Unity y, a continuación, visualizar los resultados de la consulta en el cuaderno.
Importar y visualizar datos CSV desde un cuaderno Utilice un cuaderno de Databricks para importar datos de un archivo CSV desde https://health.data.ny.gov al volumen de Unity Catalog.
Crear una tabla Cree una tabla y conceda privilegios en Azure Databricks mediante el modelo de gobernanza de datos del catálogo de Unity.
Explora paneles de control y consulta datos en Genie One Navegue por la interfaz de Genie One diseñada para los usuarios empresariales. Vea los paneles, haga preguntas sobre los datos de lenguaje natural y descubra los recursos compartidos con usted.

Ingeniería de datos

Tutorial Descripción
Crea un canal ETL utilizando los canales de Lakeflow Cree e implemente una canalización ETL (extracción, transformación y carga) para la orquestación de datos mediante canalizaciones de Lakeflow y Auto Loader.
Crear un pipeline ETL con Apache Spark Desarrolle e implemente la primera canalización ETL (extracción, transformación y carga) para la orquestación de datos con Apache Spark™.

Inteligencia artificial y aprendizaje automático

Tutorial Descripción
Entrenar e implementar un modelo de aprendizaje automático Cree un modelo de clasificación de aprendizaje automático mediante la biblioteca scikit-learn en Databricks para predecir si un vino se considera "de alta calidad". En este tutorial también se muestra el uso de MLflow para realizar un seguimiento del proceso de desarrollo de modelos y Hyperopt para automatizar el ajuste de hiperparámetros.
Entrenar y seguir un modelo de aprendizaje profundo Entrene un modelo de aprendizaje profundo en Databricks y realice un seguimiento de las ejecuciones de entrenamiento, hiperparámetros y métricas con MLflow 3.
Construye y despliega un agente Usa la CLI de Agent Bricks para andamiar un agente, ejecutarlo localmente y desplegarlo en el entorno de ejecución del agente.

Obtener ayuda

  • Si tiene alguna pregunta sobre cómo configurar Azure Databricks y necesita ayuda en directo, envíe un correo a help@databricks.com.
  • Si su organización no tiene una suscripción de soporte técnico de Azure Databricks o si no es un contacto autorizado para la suscripción de soporte técnico de su empresa, puede obtener respuestas de la comunidad de Databricks.