Get Started with Databricks Apps - Portuguese BR

Este curso é uma introdução ao Omnigent, o meta-harness de código aberto da Databricks para agentes de IA, e como construir, governar e colaborar em agentes com ele na plataforma Databricks. Você aprenderá o que é um harness e como um meta-harness se posiciona acima das ferramentas de agentes que você já utiliza para torná-las interoperáveis, e irá explorar os três pilares do Omnigent: Combine, Control e Share. Por meio de aulas interativas e laboratórios, você irá começar sessões do Omnigent no Databricks Sandbox, criar e compartilhar aplicações por vibe-code, declarar agentes YAML portáteis, aplicar políticas contextuais com estado (incluindo defesas contra a tríade letal e injeção de prompt), e trabalhar com os agentes integrados Polly e Debby. Ao final deste curso, você entenderá como coordenar e governar agentes de IA usando o Omnigent, o Unity Gateway e o Databricks Sandbox.

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.

Este curso ensina os analistas de dados a projetar, criar, publicar e operar AI/BI Dashboards no Databricks. Os AI/BI Dashboards combinam dados governados pelo Unity Catalog com visualizações interativas, filtros e integração com o Genie, para que os usuários de negócios possam explorar respostas sem escrever código.

O curso segue uma única construção de ponta a ponta. Você começa com tabelas de origem no Unity Catalog e termina com um dashboard de várias páginas publicado e monitorado. Ao longo do caminho, você aprende como os dashboards se encaixam na família mais ampla de produtos AI/BI do Databricks e onde o Genie, os conjuntos de dados, as visualizações e os filtros se encaixam no fluxo de trabalho.

O conteúdo aborda:

• Os fundamentos dos AI/BI Dashboards e como eles se relacionam com o Genie e com o restante da plataforma Databricks.

• A exploração de dados de origem no Unity Catalog e o design de conjuntos de dados reutilizáveis para dashboards com SQL.

• A criação de visualizações (KPIs, tendências, detalhamentos) e a organização de um dashboard de várias páginas bem estruturado.

• O uso do Genie Code para esboçar SQL, gráficos e filtros a partir de prompts em linguagem natural.

• A adição de filtros para tornar os dashboards interativos e responsivos às perguntas de quem os visualiza.

• A publicação, o compartilhamento e o gerenciamento de permissões para que as pessoas certas possam visualizar e editar o dashboard.

• A execução do dashboard em produção com atualização agendada, cache e monitoramento de uso.

Ao final do curso, você será capaz de partir de uma pergunta de negócio, projetar os conjuntos de dados de apoio, criar um dashboard refinado e entregá-lo ao seu público com as permissões corretas e uma estratégia de atualização que o mantenha preciso.

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.

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

Neste curso, você obterá uma compreensão abrangente de como projetar, escalar e operacionalizar pipelines de Engenharia de Recursos de ponta a ponta na plataforma Databricks. O currículo está estruturado em três módulos progressivos: dominar os fundamentos da execução distribuída e da otimização do Spark, implementar ingestão de dados escalável com Auto Loader e pipelines LakeFlow declarativos, e avançar para MLOps de nível de produção com o Databricks Feature Store.

Você participará de experiências de aprendizado práticas, como depuração de desempenho do Spark com o otimizador Catalyst e o Spark UI, construção de arquiteturas medallion Bronze-Prata-Ouro robustas com verificações de qualidade automatizadas, e implementação de transformações de recursos escaláveis usando SparkML. O curso culmina na implantação de serviço de recursos em tempo real por meio de Online Feature Stores, na definição de FeatureSpecs com transformações sob demanda e na aplicação de governança e acompanhamento de linhagem com o Unity Catalog.

Ao final do curso, você estará preparado para gerenciar o ciclo de vida completo de recursos para machine learning em escala empresarial — projetando pipelines que sejam eficientes, confiáveis, governados e prontos para produção.

Observação: Para arquivos de aula SCORM, certifique-se de fechar a janela do SCORM após concluir o conteúdo. Não clique no botão ‘Próxima lição’, pois isso pode impedir que o módulo SCORM seja marcado como concluído.