Ir para o conteúdo principal

Get Started with Databricks for Machine Learning - Portuguese BR

Neste curso, você desenvolverá as habilidades básicas necessárias para usar a Databricks Data Intelligence Platform para executar fluxos de trabalho básicos de aprendizado de Machine Learning e dar suporte a cargas de trabalho de ciência de dados. Você explorará a plataforma da perspectiva de um profissional de Machine Learning, abordando tópicos como engenharia de recursos com Databricks Notebooks e rastreamento do ciclo de vida do modelo com MLflow. Além disso, você aprenderá sobre inferência de modelos em tempo real com o Mosaic AI Model Serving e vivenciará a abordagem "caixa de vidro" da Databricks para desenvolvimento de modelos por meio do AutoML. O curso inclui três demonstrações ministradas por instrutores, culminando em um laboratório abrangente que reforça os conceitos abordados nas demonstrações. 


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

Skill Level
Onboarding
Duration
3h
Prerequisites
  • Uma compreensão de nível iniciante do Python.
  • Compreensão básica de conceitos de DS/ML (por exemplo, modelos de classificação e regressão), métricas de modelo comuns (por exemplo, pontuação F1) e bibliotecas Python (por exemplo, scikit-learn e XGBoost). 

Self-Paced

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

See all our registration options

Registration options

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

Runtime

Self-Paced

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

Register now

Instructors

Instructor-Led

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

Register now

Learning

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

Scale

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 Engineer

Automated Deployment with Databricks Asset Bundles - Portuguese BR

Este curso fornece uma revisão abrangente dos princípios de DevOps e sua aplicação em projetos Databricks. Ele começa com uma visão geral dos principais DevOps, DataOps, integração contínua (CI), implantação contínua (CD) e testes, e explora como esses princípios podem ser aplicados a pipelines de engenharia de dados.

Em seguida, o curso se concentra na implantação contínua dentro do processo de CI/CD, examinando ferramentas como a API REST do Databricks, o SDK e a CLI para implantação de projetos. Você aprenderá sobre os DABs (Asset Bundles, pacotes de ativos do Databricks) e como eles se encaixam no processo de CI/CD. Você se aprofundará em seus principais componentes, na estrutura de pastas e em como eles simplificam a implantação em vários ambientes de destino no Databricks. Você também aprenderá a adicionar variáveis, modificar, validar, implantar e executar Databricks Asset Bundles para vários ambientes com configurações diferentes usando a CLI do Databricks.

Por fim, o curso apresenta o Visual Studio Code como um ambiente de desenvolvimento interativo (IDE) para criar, testar e implantar Databricks Asset Bundles localmente, otimizando seu processo de desenvolvimento. O curso termina com uma introdução à automação de pipelines de implantação usando ações do GitHub para aprimorar o fluxo de trabalho de CI/CD com Databricks Asset Bundles.

Ao final deste curso, você estará equipado para automatizar as implantações de projetos do Databricks com os Databricks Asset Bundles, melhorando a eficiência por meio de práticas de DevOps.

Nota: Este curso é o quarto da série “Engenharia de dados avançada com Databricks”.

Paid & Subscription
3h
Lab
Professional

Questions?

If you have any questions, please refer to our Frequently Asked Questions page.