Ingeniería de características y almacenes de características para IA y ML

Resumen

This course focuses on preparing AI-ready data through feature engineering, feature management, and pipeline automation. You will learn how data engineers create high-quality features, organise reusable feature assets, and automate workflows that support scalable machine learning systems.

You will begin by exploring the principles of feature engineering and learn how to transform raw datasets into meaningful features for machine learning. Through practical exercises, you will create numerical, categorical, and derived features while applying techniques such as scaling, encoding, and skewness handling to improve model performance.

Next, you will discover how Feature Stores enable consistent and reusable feature management across AI projects. You will design feature table schemas, manage structured and text-based features, generate embeddings, and store AI-ready features in Databricks for efficient reuse across multiple machine learning workflows.

You will also learn how machine learning workflows consume engineered data by preparing training, validation, and test datasets, while using MLflow to track datasets, experiments, and model development for reproducibility and collaboration. Finally, you will automate end-to-end AI/ML data pipelines using Databricks Jobs.

You will structure notebook-based workflows into production pipelines, schedule and monitor multi-task jobs, and orchestrate reliable data engineering processes that support enterprise-scale AI applications. By the end of this course, you will be able to:

- Engineer high-quality features for machine learning applications. - Build and manage reusable Feature Stores in Databricks. - Prepare and track ML datasets using MLflow. - Automate AI/ML workflows using Databricks Jobs. - Develop scalable data pipelines for production AI systems.

Designed for data engineers, machine learning engineers, data scientists, and AI professionals, this course equips you with the practical skills to build feature-driven, automated, and production-ready AI/ML data pipelines using modern data engineering practices.

Programa

• Ingeniería de Características para Preparación de ML
Domina el proceso de transformar datos curados en características listas para aprendizaje automático para la modelización predictiva. Este módulo introduce los fundamentos de la ingeniería de características, incluyendo la creación de características numéricas, categóricas, de recencia y de antigüedad, mientras se preparan los datos para los flujos de trabajo de ML posteriores. A través de ejercicios prácticos, aplicarás técnicas como escalado, codificación y manejo de asimetría para construir conjuntos de características de alta calidad que mejoran el rendimiento y la fiabilidad del modelo.
• Tiendas de Características y Características Listas para IA
Profundiza en las tablas de características y en los conceptos modernos de Tiendas de Características para gestionar características de aprendizaje automático a gran escala. Este módulo explora el diseño de esquemas de tablas de características para datos estructurados y de texto, la creación de tablas de características en Databricks y el uso de características de texto y embeddings de LLM. A través de ejercicios prácticos, extraerás características de texto, almacenarás embeddings en tablas Delta, y examinarás tiendas de características en línea y fuera de línea para aplicaciones escalables de IA/ML.
• Suministro de Datos a Flujos de Trabajo de ML
Explora cómo los ingenieros de datos preparan y entregan conjuntos de datos fiables para flujos de trabajo de aprendizaje automático. Este módulo se centra en la creación de conjuntos de datos de entrenamiento, validación y prueba, el seguimiento de conjuntos de datos de características con MLflow, y el apoyo a la colaboración entre los equipos de ingeniería de datos y ML. A través de ejercicios prácticos, construirás pipelines de datos reproducibles que apoyan el desarrollo y la implementación eficientes de modelos.
• Automatización y Orquestación de Pipelines
Descubre cómo automatizar, orquestar y gestionar pipelines de datos de IA/ML de extremo a extremo utilizando Databricks. Este módulo cubre la estructuración de proyectos de datos, la creación de flujos de trabajo multitarea, la programación y el monitoreo de la ejecución de pipelines, y la exploración de herramientas de orquestación como Databricks Workflows, Airflow y dbt. A través de ejercicios prácticos, desarrollarás pipelines automatizados y confiables para soluciones de IA/ML escalables y listas para producción.

---

Impartido por

Edureka

---

Materias

Artificial Intelligence