Data Preparation for Machine Learning - Portuguese BR

Este curso se concentra nos fundamentos da preparação de dados para machine learning usando a Databricks. Os participantes aprenderão habilidades essenciais para explorar, limpar e organizar dados adaptados para aplicativos tradicionais de machine learning. Os principais tópicos incluem visualização de dados, engenharia de recursos e estratégias ideais de armazenamento de recursos. Por meio de exercícios práticos, os participantes ganharão experiência prática na preparação eficiente de data sets para machine learning dentro do Databricks. Este curso foi projetado para cientistas de dados de nível associado e profissionais de machine learning, bem como para indivíduos que buscam aprimorar sua proficiência na preparação de dados, garantindo uma base sólida para a implantação bem-sucedida de modelos de machine learning.

Languages Available: English | 日本語 | Português BR | 한국어

Skill Level

Associate

Duration

Prerequisites

Neste curso, o conteúdo foi desenvolvido para participantes que possuam as seguintes competências/conhecimentos/habilidades:

• Concluiu o curso Introdução à Databricks para Machine Learning (Onboarding) ou possui conhecimento fundamental equivalente para trabalhar no ambiente Databricks.

- Os alunos devem estar familiarizados com a navegação no Databricks workspace, a criação e a execução de notebooks e a compreensão do fluxo de trabalho básico de machine learning em Databricks. Este curso se baseia nessa base para se concentrar na preparação de dados para machine learning.

• Proficiência de nível intermediário em programação Python para preparação e análise de dados.

- Os alunos devem se sentir confortáveis em usar bibliotecas como pandas, numpy e scikit-learn para manipulação de dados, tratamento de valores ausentes e transformações de recursos básicos.

• Conhecimento básico dos fundamentos de machine learning.

- Isso inclui familiaridade com conceitos como datasets de treinamento e teste, engenharia de recursos e pipelines de desenvolvimento de modelos.

• Familiaridade com os fluxos de trabalho da Databricks platform.

- Os alunos devem ser capazes de executar tarefas básicas, como criar clusters, executar código em notebooks e usar operações comuns de notebook.

• Conhecimento básico de formatos de dados e conceitos de lakehouse.

- Os alunos devem estar familiarizados com formatos de dados comuns, como CSV, JSON e Parquet, e ter conhecimento introdutório do Delta Lake e da arquitetura Lakehouse.

• Compreensão fundamental da exploratory data analysis e estatística básica.

- Isso inclui o conhecimento de distribuições de dados, valores ausentes, dados discrepantes e técnicas simples de visualização de dados usadas para avaliar a qualidade dos dados.

Outline

Gerenciamento e exploração de dados

• Gerenciamento e exploração de dados no Lakehouse

• Demonstração: Carregar e explorar dados

• Laboratório: Carregar e explorar dados

Preparação de dados e engenharia de características

• Fundamentos da preparação de dados e da engenharia de características

• Imputação de dados

• Codificação de dados

• Padronização de dados

• Demonstração: Pipeline de imputação e transformação de dados

• Demonstração: Criação de um pipeline de engenharia de características

• Laboratório: Criação de um pipeline de engenharia de características

Feature Store

• Demonstração: Uso do Feature Store para engenharia de características

• Laboratório: Engenharia de características com o Feature Store

Public Class Registration

If your company has purchased success credits or has a learning subscription, please fill out the Training Request form. Otherwise, you can register below.

Customer registration Partner registration

Private Class Request

If your company is interested in private training, please submit a request.

Request Private Training

See all our registration options

Registration options

Databricks has a delivery method for wherever you are on your learning journey

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

Registre-se agora

Instructor-Led

Public and private courses taught by expert instructors across half-day to two-day courses

Registre-se agora

Blended Learning

Self-paced and weekly instructor-led sessions for every style of learner to optimize course completion and knowledge retention. Go to Subscriptions Catalog tab to purchase

Purchase now

Skills@Scale

Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details

Upcoming Public Classes

Machine Learning Practitioner

Generative AI Application Deployment and Monitoring - Portuguese BR

O curso aborda detalhes sobre como implantar, operacionalizar e monitorar a implantação, a operacionalização e o monitoramento generativos de aplicativos de IA generativa. O curso ajudará você a adquirir habilidades na implantação de aplicativos de IA generativa usando ferramentas como o Model Serving. Ele também aborda como operacionalizar aplicativos de IA generativa seguindo as práticas e arquiteturas recomendadas. Finalmente, o curso discute a ideia de monitorar aplicativos de IA generativa e seus componentes usando o Lakehouse Monitoring.

Languages Available: English | 日本語 | Português BR | 한국어

Machine Learning Practitioner

Agent Evaluation on Databricks - Portuguese BR

Este curso ensina os alunos a avaliar sistematicamente os agentes de IA usando a framework de avaliação do MLflow, abordando os desafios exclusivos dos sistemas de IA não determinísticos que os testes de software tradicionais não conseguem lidar. Os alunos aprendem a implementar várias abordagens de avaliação, incluindo judges integrados para critérios comuns, como correção e segurança, guideline judges para requisitos específicos de negócios e judges personalizados para necessidades especializadas. O curso abrange avaliação off-line usando datasets selecionados e monitoramento de produção on-line, com experiência prática usando as capacidades de MLflow tracing para entender os padrões de execução do agente e coletar feedback humano de diferentes tipos de partes interessadas. Por meio de demonstrações práticas e laboratórios, os alunos desenvolvem habilidades na criação de fluxos de trabalho de avaliação que impulsionam melhorias contínuas de qualidade em todo o ciclo de vida de desenvolvimento de AI agent.

Observação: A Databricks Academy está a migrar para um formato baseado em notebooks para as aulas dentro do ambiente Databricks, descontinuando o uso de diapositivos nas aulas. Pode aceder aos notebooks das aulas no ambiente de laboratório Vocareum.

Languages Available: English | 日本語 | Português BR | 한국어

Databricks Data Privacy - Portuguese BR

Este conteúdo oferece um guia completo para a gestão da privacidade de dados no Databricks. Aborda temas essenciais como a arquitetura do Delta Lake, o isolamento regional de dados, a compliance com o RGPD/CCPA e a utilização do Change Data Feed (CDF). Através de demonstrações práticas e laboratórios interativos, os participantes aprendem a utilizar as funcionalidades do Unity Catalog para proteger dados confidenciais e garantir a compliance, capacitando-os para salvaguardar a integridade dos dados de forma eficaz.

Languages Available: English | 日本語 | Português BR | 한국어