Curso DP-750 Implement Data Engineering Solutions Using Azure Databricks

Implementa soluciones de ingeniería de datos de nivel empresarial con Azure Databricks. Tus equipos dominarán Delta Lake, pipelines de datos con Apache Spark, MLflow y la integración con Azure Data Factory y Azure Synapse para arquitecturas lakehouse modernas.


Objetivos

- Tus equipos construirán pipelines de datos robustos con Azure Databricks y Spark.
- Implementarán arquitecturas Delta Lake y medallion.
- Integrarán Databricks con Azure Data Factory y Synapse.
- Gestionarán el ciclo de vida de modelos ML con MLflow.


Materiales

- Documentación oficial del curso DP-750.
- Entorno de laboratorio Azure Databricks.

Perfil del docente:

- Formador certificado por Microsoft (MCT).
- Más de 5 años de experiencia profesional en tecnologías Microsoft.
- Más de 4 años de experiencia docente.
- Profesional activo en empresas del sector IT.

- Experiencia con Python y SQL.
- Conocimientos de Azure Data Services (ADF, ADLS).
- Familiaridad con conceptos de big data.

- Ingenieros de datos con Azure.
- Arquitectos de plataformas de datos (lakehouse, medallion).
- Data Scientists que necesitan dominar Databricks.

Contenidos

Módulo 1: Configuración e implementación de un entorno de Azure Databricks

Exploración de Azure Databricks: visión general de la plataforma, workspaces y componentes principales.
Descripción de la arquitectura de Azure Databricks: plano de control, plano de datos y flujo de procesamiento.
Descripción de las integraciones de Azure Databricks: Azure Data Lake Storage, Azure Data Factory, Microsoft Fabric y otros servicios de Azure.
Selección y configuración de recursos de cómputo en Azure Databricks: tipos de clúster, políticas de clúster y SQL Warehouses.
Creación y organización de objetos en el catálogo de Unity: metastore, catálogos, esquemas y tablas.


Módulo 2: Protección y control de objetos del catálogo de Unity en Azure Databricks

Protección de objetos del catálogo de Unity: control de acceso basado en privilegios (GRANT/REVOKE), permisos a nivel de catálogo, esquema, tabla y columna.
Control de objetos del catálogo de Unity: enmascaramiento de datos, filtros de fila y auditoría del acceso a datos.


Módulo 3: Preparación y procesamiento de datos con Azure Databricks

Diseño e implementación del modelado de datos con Azure Databricks: arquitectura medallion (Bronze/Silver/Gold), esquemas en estrella y modelos de datos optimizados para analítica.
Ingesta de datos en el catálogo de Unity: carga incremental y completa, Auto Loader y streaming estructurado.
Limpieza, transformación y carga de datos en el catálogo de Unity: transformaciones con PySpark y Spark SQL, operaciones Delta Lake (merge, update, delete).
Implementación y administración de restricciones de calidad de datos con Azure Databricks: expectativas (expectations) en Delta Live Tables y validaciones de esquema.


Módulo 4: Implementación y mantenimiento de canalizaciones de datos y cargas de trabajo con Azure Databricks

Diseño e implementación de canalizaciones de datos con Azure Databricks: Delta Live Tables (DLT), pipelines declarativos y gestión de dependencias entre tablas.
Implementación de trabajos de Lakeflow con Azure Databricks: orquestación de tareas, programación de trabajos y gestión de dependencias entre jobs.
Implementación de procesos del ciclo de vida de desarrollo en Azure Databricks: integración con Git, Databricks Asset Bundles (DAB), entornos de desarrollo y despliegue CI/CD.
Supervisión, solución de problemas y optimización de cargas de trabajo en Azure Databricks: Spark UI, métricas de rendimiento, optimización de consultas y gestión del almacenamiento Delta.

- Fecha inicio: 28/09/2026
- Fecha fin: 01/10/2026

- Lun a Jue, 9:00-15:00
- Aula virtual en directo