Prepara el examen DP‑100 y aprende a crear, entrenar y operar soluciones de ML en Azure, incluyendo Databricks y Azure ML.
Membresía Educativa
El curso que te interesa es parte de nuestra membresía educativa con acceso anual por $1,200.
Es decir, no solo adquieres ese curso. También accedes a 650 cursos en muchas categorías.
Adquirir Membresía Educativa
Haz clic aquí para abrir el enlace de compra
✅ Lo que obtienes:
- Acceso Total: 650 cursos disponibles las 24 horas, los 7 días de la semana.
- Estudia a tu ritmo, desde cualquier lugar, durante todo un año.
Certificado del Programa
Los usuarios que se suscriban a este curso, tienen la oportunidad de obtener un Certificado de estudios con validez SEP emitido por el Instituto Nacional de Estandarización y certificación, verificable, imprimible y descargable (PDF) .
Este tiene un costo de emisión de MXN $1,950
Excepto para programas de SALUD
-
-
- Introducción al curso 00:02:18
- Examen DP-100: Certificación de diseño e implementación de una solución de ciencia de datos en Azure 00:04:57
- Programa del curso 00:15:00
- Examen DP-100: habilidades medidas 00:15:00
- Cómo tener éxito en este curso 00:15:00
- Introducción de la lección 00:01:37
- Explorar datos con NumPy y Pandas 00:10:00
- Ejercicio – Explorar datos con NumPy y Pandas 00:10:00
- Cuestionario de ejercicios 00:20:00
- Visualización de datos 00:10:00
- Ejercicio – Visualizar datos con Matplotlib 00:10:00
- Cuestionario de ejercicios 00:20:00
- Examinar datos del mundo real 00:10:00
- Ejercicio – Examinar datos del mundo real 00:12:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:51
- Introducción de la lección 00:01:15
- ¿Qué es la regresión? 00:06:07
- Ejercicio – Entrenar y evaluar un modelo de regresión 00:30:00
- Cuestionario de ejercicios 00:20:00
- Descubra nuevos modelos de regresión 00:10:00
- Ejercicio – Experimente con modelos de regresión más potentes 00:10:00
- Cuestionario de ejercicios 00:20:00
- Mejorar los modelos con hiperparámetros 00:10:00
- Ejercicio – Optimizar y guardar modelos 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:34
- Introducción de la lección 00:01:01
- ¿Qué es la clasificación? 00:03:14
- Ejercicio – Entrenar y evaluar un modelo de clasificación 00:30:00
- Cuestionario de ejercicios 00:20:00
- Evaluar los modelos de clasificación 00:01:59
- Ejercicio – Realizar la clasificación con métricas alternativas 00:10:00
- Cuestionario de ejercicios 00:20:00
- Crear modelos de clasificación multiclase 00:10:00
- Ejercicio – Entrenar y evaluar modelos de clasificación multiclase 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:31
- Introducción de la lección 00:00:52
- Qué es la agrupación 00:01:20
- Ejercicio – Entrenar y evaluar un modelo de agrupación 00:30:00
- Cuestionario de ejercicios 00:20:00
- Evaluar diferentes tipos de agrupación 00:10:00
- Ejercicio – Entrenar y evaluar modelos de agrupación avanzados 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:28
- Introducción de la lección 00:01:01
- ¿Qué es la clasificación? 00:03:14
- Ejercicio – Entrenar y evaluar un modelo de clasificación 00:30:00
- Cuestionario de ejercicios 00:20:00
- Evaluar los modelos de clasificación 00:01:59
- Ejercicio – Realizar la clasificación con métricas alternativas 00:10:00
- Cuestionario de ejercicios 00:20:00
- Crear modelos de clasificación multiclase 00:10:00
- Ejercicio – Entrenar y evaluar modelos de clasificación multiclase 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:31
- Introducción de la lección 00:00:52
- Qué es la agrupación 00:01:20
- Ejercicio – Entrenar y evaluar un modelo de agrupación 00:30:00
- Cuestionario de ejercicios 00:20:00
- Evaluar diferentes tipos de agrupación 00:10:00
- Ejercicio – Entrenar y evaluar modelos de agrupación avanzados 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:28
- ¿Qué es la regresión? 00:01:21
- Ejercicio Parte 1: Crear un espacio de trabajo de aprendizaje automático de Azure 00:01:00
- Ejercicio Parte 2: Crear recursos informáticos 00:10:00
- Ejercicio Parte 3: Crear una canalización Azure ML utilizando Designer 00:15:00
- Ejercicio Parte 4: Explorar y Preparar Datos Usando Azure ML Designer 00:18:00
- Ejercicio Parte 5: Entrenar y evaluar modelos de regresión utilizando Azure ML Designer 00:10:00
- Ejercicio Parte 6: Crear un cluster de inferencia y un pipeline de inferencia 00:12:00
- Ejercicio Parte 7: Despliegue del modelo 00:08:00
- Ejercicio Parte 8: Limpieza 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen semanal 00:00:43
- ¿Qué es la agrupación? 00:01:22
- Ejercicio Parte 1: Crear un espacio de trabajo de aprendizaje automático de Azure 00:08:00
- Ejercicio Parte 2: Crear recursos informáticos 00:10:00
- Ejercicio Parte 3: Explorar y preparar datos utilizando Azure ML Designer 00:12:00
- Ejercicio Parte 4: Entrenar un Modelo de Clustering usando Azure ML Designer 00:12:00
- Ejercicio Parte 5: Evaluar un modelo de agrupación en clusters 00:10:00
- Ejercicio Parte 6: Crear una cadena de inferencia 00:12:00
- Ejercicio Parte 7: Despliegue de un servicio predictivo 00:10:00
- Ejercicio Parte 8: Limpieza 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen semanal 00:00:54
- Conclusión del curso 00:01:04
- Qué esperar a continuación 00:10:00
- Introducción a la creación de modelos predictivos sin código con Azure Machine Learning 00:01:50
- Programa del curso 00:10:00
- Cómo tener éxito en este curso 00:05:00
- Azure Machine Learning para entrenar e implantar un modelo predictivo 00:02:10
- Aprendizaje automático Azure 00:15:00
- Ejercicio Parte 1: Crear un espacio de trabajo de Aprendizaje automático de Azure 00:10:00
- Ejercicio Parte 2: Crear recursos informáticos 00:10:00
- Ejercicio Parte 3: Explorar Azure Aprendizaje automático Studio 00:10:00
- Ejercicio Parte 4: Crear y ejecutar una línea de formación 00:25:00
- Ejercicio Parte 5: Ver el historial de trabajos de Training Pipeline 00:15:00
- Ejercicio Parte 6: Limpieza 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen semanal 00:00:41
- ¿Qué es la clasificación? 00:01:47
- Ejercicio Parte 1: Crear un espacio de trabajo de aprendizaje automático de Azure 00:10:00
- Ejercicio Parte 2: Crear recursos informáticos 00:10:00
- Ejercicio Parte 3: Explorar y preparar datos utilizando Azure ML Designer 00:15:00
- Ejercicio Parte 4: Entrenar un Modelo de Clasificación Usando Azure ML Designer 00:18:00
- Ejercicio Parte 5: Evaluar un modelo de clasificación 00:15:00
- Ejercicio Parte 6: Crear un conducto de inferencia 00:12:00
- Ejercicio Parte 7: Despliegue de un servicio predictivo 00:10:00
- Ejercicio Parte 8: Limpieza 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen semanal 00:00:30
- Introducción a la lección 00:00:25
- Introducción a los almacenes de datos 00:01:19
- Utilizar almacenes de datos 00:01:21
- Introducción a los conjuntos de datos 00:30:00
- Utilizar conjuntos de datos 00:30:00
- Ejercicio – Trabajar con datos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:22
- Lecturas adicionales 00:10:00
- Introducción de la lección 00:00:34
- Entornos en Azure Machine Learning 00:01:20
- Creación de entornos 00:30:00
- Introducción a los objetivos de cálculo 00:02:41
- Crear objetivos de cálculo 00:30:00
- Utilizar objetivos de cálculo 00:30:00
- Ejercicio – Trabajar con contextos de cálculo 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:28
- Lecturas complementarias 00:10:00
- Introducción de la lección 00:00:44
- Creación de una canalización de inferencia por lotes 00:30:00
- Publicación de una canalización de inferencia por lotes 00:30:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:12
- Introducción de la lección 00:02:01
- Definición de un espacio de búsqueda 00:01:15
- Configuración del muestreo 00:30:00
- Configuración de la terminación anticipada 00:01:50
- Ejecución de un experimento de ajuste de hiperparámetros 00:30:00
- Ejercicio – Ajuste de los hiperparámetros 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:15
- Introducción de la lección 00:00:50
- Considere la equidad del modelo 00:05:59
- Analizar la equidad del modelo con Fairlearn 00:01:49
- Mitigar la injusticia con Fairlearn 00:03:58
- Ejercicio – Utilizar Fairlearn con Azure Machine Learning 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:21
- Lecturas adicionales 00:10:00
- Introducción de la lección 00:00:49
- Habilitar Application Insights 00:01:10
- Captura y visualización de telemetría 00:30:00
- Ejercicio – Supervisar un modelo 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:26
- Lecturas adicionales 00:10:00
- Introducción de la lección 00:01:06
- Creación de un monitor de deriva de datos 00:01:56
- Programación de alertas 00:01:00
- Ejercicio – Supervisar la deriva de los datos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:31
- Lecturas adicionales 00:10:00
- Enhorabuena 00:00:58
- Próximos pasos 00:30:00
- Introducción a la analítica moderna de almacenes de datos en Azure 00:03:22
- Programa del curso 00:30:00
- Cómo tener éxito en este curso 00:05:00
- Introducción de la lección 00:00:57
- Espacios de trabajo de Azure Machine Learning 00:02:44
- Ejercicio – Explorar las herramientas para desarrolladores de Azure ML 00:30:00
- Cuestionario de ejercicios 00:20:00
- Herramientas e interfaces de aprendizaje automático de Azure 00:08:06
- Experimentos de Azure Machine Learning 00:04:37
- Ejercicio – Realice experimentos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:17
- Lecturas adicionales 00:10:00
- Introducción a la lección 00:00:35
- Ejecute un script de entrenamiento 00:30:00
- Uso de parámetros de script 00:30:00
- Registro de modelos 00:30:00
- Ejercicio – Formación y registro de un modelo 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:17
- Introducción de la lección 00:01:23
- Introducción a las canalizaciones 00:01:56
- Pasar datos entre pasos del pipeline 00:01:26
- Definir y utilizar componentes de canalización 00:10:00
- Reutilizar los pasos de la tubería 00:30:00
- Publicar canalizaciones 00:30:00
- Utilizar parámetros de canalización 00:30:00
- Programar oleoductos 00:30:00
- Ejercicio – Crear una canalización 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:09
- Lecturas adicionales 00:10:00
- Introducción a la lección 00:00:39
- Desplegar un modelo como servicio en tiempo real 00:30:00
- Consumir un servicio de inferencias en tiempo real 00:30:00
- Solucionar problemas de despliegue de servicios 00:01:16
- Ejercicio – Desplegar un modelo como servicio en tiempo real 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:15
- Introducción de la lección 00:00:53
- Tareas y algoritmos automatizados de aprendizaje automático 00:01:01
- Preprocesamiento y featurización 00:01:03
- Ejecución de experimentos automatizados de aprendizaje automático 00:30:00
- Ejercicio – Utilización del aprendizaje automático 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:20
- Lecturas adicionales 00:10:00
- Introducción de la lección 00:01:27
- Comprender la privacidad diferencial 00:00:36
- Configurar los parámetros de privacidad de los datos 00:01:45
- Ejercicio – Utilizar la privacidad diferencial 00:10:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:26
- Lecturas adicionales 00:10:00
- Introducción de la lección 00:00:45
- Importancia de las características 00:03:34
- Utilizar explicadores 00:02:01
- Crear explicaciones 00:30:00
- Visualizar las explicaciones 00:00:38
- Ejercicio – Interpretar modelos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:30
- Lecturas adicionales 00:10:00
- Introducción de la lección 00:01:26
- Leer datos en formato CSV 00:10:00
- Leer datos en formato JSON 00:30:00
- Leer datos en formato Parquet 00:30:00
- Leer datos almacenados en tablas y vistas 00:30:00
- Escribir datos 00:30:00
- Ejercicios: Leer y escribir datos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:01:15
- Introducción de la lección 00:01:52
- Describir un DataFrame 00:30:00
- Utilizar métodos comunes de DataFrame 00:30:00
- Utilice la función de visualización 00:30:00
- Ejercicio: Artículos distintos 00:30:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:01:17
- Introducción de la lección 00:01:41
- Comprender el aprendizaje automático 00:15:00
- Ejercicio: Entrenar un modelo y crear predicciones 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprender los datos utilizando el análisis exploratorio de datos 00:05:00
- Ejercicio: Realizar un análisis exploratorio de datos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Describir los flujos de trabajo del aprendizaje automático 00:10:00
- Ejercicio: Construir y evaluar un modelo básico de aprendizaje automático 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:01:34
- Introducción de la lección 00:01:32
- Realice la featurización del conjunto de datos 00:20:00
- Ejercicio: Terminar la featurización del conjunto de datos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprender el modelado de regresión 00:10:00
- Ejercicio: Construir e interpretar un modelo de regresión 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:01:07
- Recursos adicionales 00:10:00
- Introducción de la lección 00:01:45
- Utilice Horovod para entrenar un modelo de aprendizaje profundo 00:30:00
- Utilice Petastorm para leer en formato Apache Parquet con Horovod para el entrenamiento distribuido de modelos 00:10:00
- Ejercicio: Trabajar con Horovod y Petastorm para entrenar un modelo de aprendizaje profundo 00:30:00
- Cuestionario Exercsie 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:01:08
- Introducción de la lección 00:01:55
- Utilice Azure Machine Learning para desplegar modelos de servicio 00:30:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:01:05
- Recursos adicionales 00:10:00
- Enhorabuena 00:00:45
- Próximos pasos 00:30:00
- Introducción al curso 00:02:33
- Programa del curso 00:30:00
- Cómo tener éxito en este curso 00:05:00
- Explicar Azure Databricks 00:05:27
- Crear un espacio de trabajo y un clúster Azure Databricks 00:04:00
- Crear y ejecutar un cuaderno 00:03:00
- Ejercicio: Trabajar con cuadernos 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:01:47
- Introducción de la lección 00:01:44
- Comprender la arquitectura del clúster Azure Databricks Spark 00:04:20
- Comprender la arquitectura de spark job 00:03:46
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:01:13
- Describa la fuente abierta Delta Lake 00:07:08
- Empiece con Delta utilizando las API de Spark 00:30:00
- Ejercicio: Trabajar con la funcionalidad básica de Delta Lake 00:30:00
- Cuestionario de ejercicios 00:20:00
- Describir cómo Azure Databricks gestiona Delta Lake 00:30:00
- Ejercicio: Utilice la máquina del tiempo de Delta Lake y realice la optimización 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:01:11
- Introducción de la lección 00:01:48
- Escribir funciones definidas por el usuario 00:10:00
- Ejercicio: Realizar operaciones de extracción, transformación y carga (ETL) utilizando funciones definidas por el usuario 00:30:00
- Cuestionario de ejercicios 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:01:03
- Recursos adicionales 00:05:00
- Introducción de la lección 00:01:34
- Utilice MLflow para realizar un seguimiento de los experimentos, registrar métricas y comparar ejecuciones 00:30:00
- Ejercicio: Trabaje con MLflow para realizar un seguimiento de las métricas, parámetros, artefactos y modelos de los experimentos 00:30:00
- Cuestionario Exercsie 00:20:00
- Comprobación de conocimientos 00:20:00
- Resumen de la lección 00:00:43
- Introducción de la lección 00:01:32
- Describir la selección de modelos y el ajuste de hiperparámetros 00:30:00
- Ejercicio: Seleccionar el modelo óptimo ajustando los hiperparámetros 00:30:00
- Cuestionario Exercsie 00:20:00
- Comprobación de conocimientos 00:20:00
- Preparación de exámenes 00:20:00
- Resumen de la lección 00:00:58
- Recursos adicionales 00:10:00
- Introducción de la lección 00:00:20
- Recapitulación de temas y conceptos clave tratados en Crear modelos de aprendizaje automático 00:03:43
- Examen práctico que cubre el Curso 1: Crear modelos de aprendizaje automático 00:20:00
- Introducción de la lección 00:00:24
- Recapitulación de temas y conceptos clave tratados en Construya y opere soluciones de aprendizaje automático con Azure Machine Learning 00:09:45
- Examen práctico que cubre el Curso 3: Construir y operar soluciones de aprendizaje automático con Azure Machine Learning 00:20:00
- Introducción de la lección 00:00:22
- Temas tratados en el examen 00:10:00
- Examen práctico completo 00:20:00
- Información de apoyo profesional 00:01:30
- Inscripción para el examen supervisado 00:30:00
- Lecturas adicionales 00:10:00
- Qué esperar a continuación 00:05:00
- Introducción al curso 00:02:07
- Programa del curso 00:10:00
- Cómo tener éxito en este curso 00:05:00
- Inscríbase en el examen supervisado 00:30:00
- Introducción a la lección 00:00:29
- Vías de certificación de Microsoft Azure 00:10:00
- La certificación de Microsoft basada en roles 00:30:00
- Trabajos y carreras 00:01:20
- Lecturas adicionales 00:30:00
- Introducción a la lección 00:00:21
- Cómo prepararse para el examen supervisado 00:10:00
- Temas tratados en el examen 00:30:00
- Cómo se realiza el examen 00:03:00
- Estrategia de examen 00:05:31
- Consejos y trucos 00:01:14
- Recursos adicionales 00:15:00
- Introducción de la lección 00:00:28
- Recapitulación de temas y conceptos clave tratados en Cree modelos predictivos sin código con Azure Machine Learning 00:03:16
- Examen de práctica que cubre el Curso 2: Crear modelos predictivos sin código con Azure Machine Learning 00:20:00
- Introducción de la lección 00:01:18
- Recapitulación de Realizar ciencia de datos con Azure Synapse y Azure Databricks 00:02:07
- Examen práctico que cubre el Curso 4: Realización de Ciencia de datos con Azure Synapse y Azure Databricks 00:20:00
Comparte esta certificación.
Información del Curso
30 Horas Curriculares
24 Créditos Académicos
Accede por tu Smartphone
Certificado oficial SEP
Aprendizaje especializado
Contenido de la Certificación
Prepara el examen DP‑100 y aprende a crear, entrenar y operar soluciones de ML en Azure, incluyendo Databricks y Azure ML.
Diseñado para científicos de datos con conocimientos de Python y frameworks de ML, el programa enseña a construir soluciones de aprendizaje automático a escala en Azure. Trabajarás con recursos de Azure ML para gestionar datos, computación, experimentos y despliegues. Incluye integración con Azure Databricks y una práctica de examen.
• Crear soluciones de ML de extremo a extremo en Azure ML.
• Gestionar recursos, ejecutar experimentos y desplegar servicios en tiempo real.
• Integrar Databricks con procesos de ML en Azure.
• Prepararse para el examen DP‑100 con práctica dirigida.
CURSO 1: Crear modelos de ML en Microsoft Azure
• Preparación de entorno y experimentos; entrenamiento de modelos.
CURSO 2: Azure Machine Learning para científicos de datos
• AutoML, diseñador y publicación sin código.
CURSO 3: Crear y operar soluciones de ML con Azure
• SDK de Azure ML, orquestación de pipelines y MLOps.
CURSO 4: Ciencia de datos con Azure Databricks
• Spark, UDFs, DataFrames y Delta Lake.
CURSO 5: Preparación para el examen DP‑100
• Mejores prácticas y repaso del temario.
