DevOps Essentials for Data Engineering - Portuguese BR

Este curso explora as melhores práticas de engenharia de software e os princípios de DevOps, projetados especificamente para engenheiros de dados que trabalham com Databricks. Os participantes construirão uma base sólida em tópicos-chave, como qualidade de código, controle de versão, documentação e testes. O curso enfatiza o DevOps, abordando os principais componentes, os benefícios e o papel da continuous integration e delivery (CI/CD) na otimização dos fluxos de trabalho de engenharia de dados.

Você aprenderá a aplicar princípios de modularidade no PySpark para criar componentes reutilizáveis e estruturar código de forma eficiente. A experiência prática inclui o projeto e a implementação de testes unitários para funções do PySpark usando a estrutura pytest, seguidos por testes de integração para pipelines de dados Databricks com DLT (Delta Live Tables) e fluxos de trabalho para garantir a confiabilidade.

O curso também aborda operações essenciais do Git no Databricks, incluindo o uso de pastas Git do Databricks para integrar práticas de integração contínua. Por fim, você examinará de alto nível vários métodos de implantação de ativos do Databricks, como REST API, CLI, SDK e DABs (Databricks Asset Bundles), fornecendo o conhecimento de técnicas para implantar e gerenciar seus pipelines.

Ao final do curso, você será proficiente em software engineering e práticas recomendadas de DevOps, permitindo que você crie soluções de engenharia de dados escaláveis, sustentáveis e eficientes.

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

Skill Level

Associate

Duration

Prerequisites

Conhecimento proficiente da plataforma Databricks, incluindo experiência com Databricks Workspaces, Apache Spark, Delta Lake e Medallion Architecture, Unity Catalog, Delta Live Tables e fluxos de trabalho. Uma compreensão básica do controle de versão Git também é necessária.
Experiência em ingestão e transformação de dados, com proficiência em PySpark para processamento de dados e manipulações de DataFrame. Além disso, os candidatos devem ter experiência em escrever queries SQL de nível intermediário para análise e transformação de dados.
Conhecimento de programação Python, com proficiência em escrever código Python de nível intermediário, incluindo a capacidade de projetar e implementar funções e classes. Os usuários também devem ser hábeis em criar, importar e utilizar efetivamente pacotes Python.

Self-Paced

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

Customer registration Partner registration

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

Data Architect

Data Modeling Strategies - Portuguese BR

Neste curso, você aprenderá a projetar modelos de dados escaláveis e prontos para análise usando a Plataforma Databricks Lakehouse. O curso é estruturado em três módulos que abrangem princípios fundamentais de modelagem de dados, casos de uso avançados de warehousing e machine learning e design moderno de produtos de dados. Você explorará as principais metodologias, como o CIF da Inmon, a modelagem dimensional da Kimball e o Data Vault 2.0, juntamente com demonstrações práticas sobre a implementação dessas estratégias no Databricks.

Por meio de laboratórios práticos, você criará diagramas de ER, aplicará transformações SCD Tipo 2 e criará repositórios de recursos para fluxos de trabalho de ML. O curso também apresenta o conceito de produtos de dados e como o pensamento do produto, a governança e a consistência semântica permitem a integração escalável entre domínios. Ao final do curso, você estará equipado para modelar, gerenciar e operacionalizar dados de forma eficaz em uma arquitetura unificada do Lakehouse.

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

Get Started with Lakebase - Portuguese BR

Este curso de introdução apresenta o Databricks Lakebase, um serviço PostgreSQL totalmente gerenciado integrado à Databricks Data Intelligence Platform que aproxima as cargas de trabalho operacionais (OLTP) e analíticas (OLAP).

O curso começa com uma aula conceitual que compara sistemas OLTP e OLAP, explicando suas diferentes características de desempenho, modelos de armazenamento e casos de uso típicos. Você também explorará os desafios que as organizações enfrentam ao manter bancos de dados transacionais e plataformas analíticas separados, incluindo movimentação de dados, latência e complexidade arquitetônica.

Em seguida, você aprenderá como o Databricks Lakebase ajuda a enfrentar esses desafios, fornecendo um banco de dados operacional compatível com PostgreSQL que se integra diretamente ao Databricks Lakehouse, permitindo que aplicativos operacionais e análises trabalhem juntos em uma plataforma unificada.

Através de laboratórios práticos, você irá:

Criar e explore um projeto Lakebase utilizando autoscaling compute.

• Navegar pela interface do utilizador do Lakebase, incluindo ramificação, monitorização e definições.

• Criar e query tabelas utilizando o Lakebase SQL Editor.

• Query os dados do Lakebase a partir do Databricks utilizando a Lakehouse Federation e catálogos externos.

• Execute o ETL reverso sincronizando as tabelas Delta com o Lakebase.

• Ligue-se ao Lakebase a partir do Python e execute operações CRUD básicas.

Este é um curso introdutório, pelo que o foco é a compreensão dos conceitos principais e dos workflows básicos para trabalhar com o Lakebase. A criação de aplicações de produção completas com base no Lakebase está fora do âmbito deste curso.

Observação: Para os ficheiros das aulas SCORM, por favor certifique-se de fechar a janela SCORM após concluir o conteúdo. Não clique no botão 'Next Lesson', pois isso pode impedir que o módulo SCORM seja marcado como completo.

Paid & Subscription

Lab

Onboarding

Building ETL Pipelines with SQL - Portuguese BR

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).

Paid & Subscription

Lab

Associate