Databricks Performance Optimization - Portuguese BR

Este curso aborda a otimização de desempenho, o controle de custos e a segurança para implantações de data warehousing em grande escala.

Este curso é destinado a profissionais de data warehousing responsáveis por gerenciar ambientes Databricks que atendem centenas ou milhares de usuários em várias unidades de negócio. Você adquirirá as habilidades necessárias para escalar com eficiência as operações de data warehousing, mantendo alto desempenho, custo-benefício e conformidade com os padrões de segurança.

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.

Este curso ensina como criar ETL pipelines prontos para produção usando SQL puro na Databricks Data Intelligence Platform. Os alunos aprendem Streaming Tables com Auto Loader para ingestão incremental, Materialized Views com atualização incremental para transformações Prata para Ouro, AUTO CDC (FLOW AUTO CDC) para gerenciamento declarativo de dimensões SCD Tipo 1 e Tipo 2, e Lakeflow Jobs com tarefas de arquivo SQL para orquestração em produção. O curso segue um dataset de varejo realista através da arquitetura medalhão (Bronze → Prata → Ouro).

Observação: a Databricks Academy está mudando para um formato baseado em cadernos para as aulas presenciais no ambiente Databricks, deixando de usar apresentações de slides para as palestras. Você pode acessar os cadernos das palestras no ambiente de laboratório Vocareum.

Bem-vindo ao Machine Learning com Databricks!

Este curso é a sua porta de entrada para dominar os machine learning workflows em Databricks. Mergulhe na preparação de dados, desenvolvimento de modelos, implementação e operações, orientado por instrutores especializados. Aprenda competências essenciais para exploração de dados, treino de modelos e estratégias de implementação adaptadas para Databricks. No final do curso, terá o conhecimento e a confiança para navegar por todo o ciclo de vida do machine learning na plataforma Databricks, capacitando-o a construir e implementar soluções robustas de machine learning de forma eficiente.

Preparação de Dados para Machine Learning

Este curso foca-se nos fundamentos da preparação de dados para machine learning utilizando Databricks. Os participantes irão aprender competências essenciais para explorar, limpar e organizar dados adaptadas a aplicações tradicionais de machine learning. Os tópicos-chave incluem visualização de dados, engenharia de recursos e estratégias ótimas de armazenamento de recursos. Através de exercícios práticos, os participantes ganharão experiência prática na preparação eficiente de datasets para machine learning dentro de Databricks. Este curso é concebido para cientistas de dados de nível associado e profissionais de machine learning e indivíduos que procuram melhorar a sua proficiência na preparação de dados, garantindo uma base sólida para a implementação bem-sucedida de modelos de machine learning.

Desenvolvimento de Modelos de Machine Learning

Este curso abrangente fornece um guia prático para o desenvolvimento de modelos tradicionais de aprendizado de máquina no Databricks, enfatizando demonstrações práticas e fluxos de trabalho usando bibliotecas de ML populares. Os participantes explorarão as principais técnicas de ML, incluindo regressão e clustering, enquanto aproveitam os poderosos recursos do Databricks. O curso aborda a integração do MLflow para rastreamento de modelos, a Databricks Feature Store para gerenciamento de recursos e o Optuna para ajuste de hiperparâmetros. Além disso, os participantes aprenderão como acelerar o desenvolvimento de modelos com o Genie Code, o assistente de codificação baseado em IA da Databricks que usa linguagem natural, conexões MCP, instruções e habilidades para orientar todo o ciclo de vida de ML. Ao final do curso, os alunos terão habilidades práticas do mundo real para desenvolver, otimizar e implantar modelos de aprendizado de máquina de forma eficiente no ambiente Databricks.

Implementação de Modelos de Machine Learning

Este curso foi concebido para apresentar três estratégias principais de implementação de machine learning e ilustrar a implementação de cada estratégia em Databricks. Após uma exploração dos fundamentos da implementação de modelos, o curso aprofunda a inferência em lote, oferecendo demonstrações práticas e laboratórios para utilizar um modelo em cenários de inferência em lote, juntamente com considerações para otimização de desempenho. A segunda parte do curso cobre de forma abrangente a implementação de pipelines, enquanto o segmento final foca-se na implementação em tempo real. Os participantes participarão em demonstrações práticas e laboratórios, implementando modelos com Model Serving e utilizando o Model Serving para inferência em tempo real.

Operações de Machine Learning

Este curso irá guiar os participantes numa exploração abrangente das operações de modelos de machine learning, com foco no MLOps e na gestão do ciclo de vida dos modelos. O segmento inicial cobre componentes essenciais do MLOps e as melhores práticas, proporcionando aos participantes uma base sólida para operacionalizar eficazmente modelos de machine learning. Na parte final do curso, iremos aprofundar os fundamentos do ciclo de vida do modelo, demonstrando como navegar nele de forma fluida usando o Model Registry em conjunto com o Unity Catalog para uma gestão eficiente dos modelos. No final do curso, os participantes terão adquirido conhecimentos práticos e uma compreensão completa dos princípios do MLOps, equipados com as competências necessárias para navegar no complexo panorama das operações de modelos de machine learning.

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