Implement a Data Analytics Solution with Azure Databricks.

DP-3011B

Fecha tentativa de retiro: 30 de Septiembre del 2026.

Fecha de publicación KeD: 17 Febrero 2026

Duración: 1 Día.

Examen: Este curso no tiene examen asociado.

Este curso explora cómo usar Databricks y Apache Spark en Azure para llevar proyectos de datos desde la exploración hasta la producción. Aprenderás a ingerir, transformar y analizar conjuntos de datos a gran escala con Spark DataFrames, Spark SQL y PySpark, mientras ganas confianza en la gestión del procesamiento distribuido de datos. En el camino, podrás experimentar directamente el espacio de trabajo de Databricks: navegando por clústeres y creando y optimizando tablas Delta. También profundizarás en prácticas de ingeniería de datos, incluyendo el diseño de pipelines ETL, la gestión de la evolución de esquemas y la aplicación de la calidad de los datos. El curso pasa entonces a la orquestación, mostrándote cómo automatizar y gestionar cargas de trabajo con Lakeflow Jobs y pipelines. Para rematar, explorarás capacidades de gobernanza y seguridad como la integración con Unity Catalog y Purview, asegurando que puedas trabajar con datos en un entorno seguro, bien gestionado y listo para producción.

Perfil del público.

Antes de realizar este curso, los estudiantes ya deberían sentirse cómodos con los fundamentos de Python y SQL. Esto incluye la capacidad de escribir scripts simples en Python y trabajar con estructuras de datos comunes, así como escribir consultas SQL para filtrar, unir y agregar datos. Un conocimiento básico de formatos de archivo comunes como CSV, JSON o Parquet también ayudará al trabajar con conjuntos de datos. Además, es importante conocer el portal de Azure y servicios centrales como Azure Storage, junto con una conciencia general de conceptos de datos como procesamiento por lotes frente a procesamiento en streaming y datos estructurados frente a no estructurados. Aunque no es obligatorio, la experiencia previa con frameworks de big data como Spark y la experiencia trabajando con notebooks Jupyter pueden facilitar la transición a Databricks.

Temario.

Módulo 1: Explore Azure Databricks.

Azure Databricks es un servicio en la nube que proporciona una plataforma escalable para el análisis de datos utilizando Apache Spark.

• Introducción.
• Empieza con Azure Databricks.
• Identificar cargas de traballo Azure Databricks.
• Entiende los conceptos clave.
• Gobernanza de datos usando Unity Catalog y Microsoft Champview.
• Ejercicio: Explore Azure Databricks.

Módulo 2: Realizar análisis de datos con Azure Databricks.

Aprende a realizar análisis de datos usando Azure Databricks. Explora varios métodos de ingesta de datos y cómo integrar datos de fuentes como Azure Data Lake y Azure SQL Database. Este módulo te guía en el uso de cuadernos colaborativos para realizar análisis exploratorio de datos (EDA), para que puedas visualizar, manipular y examinar datos y descubrir patrones, anomalías y correlaciones.

• Ingest data with Azure Databricks.
• Herramientas de exploración de datos en Azure Databricks.
• Análisis de datos usando APIs de DataFrame.
• Ejercicio: Explorar datos con Azure Databricks.

Módulo 3: Use Apache Spark in Azure Databricks.

Azure Databricks está construido sobre Apache Spark y permite a ingenieros de datos y analistas ejecutar trabajos de Spark para transformar, analizar y visualizar datos a gran escala.

• Conoce a Spark.
• Crear un clúster Spark.
• Usa Spark en los cuadernos.
• Usa Spark para trabajar con archivos de datos.
• Visualizar datos.
• Ejercicio: Usar Spark en Azure Databricks.

Módulo 4: Gestionar datos con Delta Lake.

Delta Lake es una solución de gestión de datos en Azure Databricks que ofrece funciones como transacciones ACID, aplicación de esquemas y viajes en el tiempo, garantizando coherencia, integridad y capacidades de versionado de datos.

• Empieza con Delta Lake.
• Crear tablas Delta.
• Implementar la aplicación de esquemas.
• Versionado de datos y viajes en el tiempo en Delta Lake.
• Integridad de datos con Delta Lake.
• Ejercicio: Uso de Delta Lake in Azure Databricks.

Módulo 5: Construir Oleoductos Declarativos de Flujo de Lago.

Construir Lakeflow Declarative Pipelines permite un procesamiento de datos en tiempo real, escalable y fiable utilizando las funciones avanzadas de Delta Lake en Azure Databricks.

• Explora los Oleoductos Declarativos de Flujo de Lago.
• Ingesta e integración de datos.
• Procesamiento en tiempo real.
• Ejercicio: Crear una Tubería Declarativa de Flujo de Lago.

Módulo 6: Despliega cargas de trabajo con Lakeflow Jobs.

Desplegar cargas de trabajo con Lakeflow Jobs implica orquestar y automatizar procesos complejos de procesamiento de datos, flujos de trabajo de aprendizaje automático y tareas analíticas. En este módulo, aprendes a desplegar cargas de trabajo con los trabajos Lakeflow de Databricks.

• ¿Qué son los empleos de Lakeflow?
• Comprende los componentes clave de los empleos en Lakeflow.
• Explora los beneficios de los empleos en Lakeflow.
• Despliega cargas de trabajo usando Lakeflow Jobs.
• Ejercicio: Crear un trabajo de flujo de lago.

	Ofrecemos la garantía 100% de satisfacción
	Si no te gusta el resultado de tu curso, puedes volver a tomarlo en cualquier otra fecha calendario.