Machine Learning Model Deployment - Portuguese BR
Este curso foi desenvolvido para apresentar três estratégias principais de implantação de machine learning e ilustrar a implementação de cada estratégia no Databricks. Após uma exploração dos fundamentos de implantação de modelos, o curso aprofunda-se na inferência em lotes, oferecendo demonstrações práticas e laboratórios para utilização de um modelo em cenários de inferência em lotes, juntamente com considerações para otimização de desempenho. A segunda parte do curso aborda de forma abrangente a implantação de pipeline, enquanto o segmento final concentra-se na implantação em tempo real. Os participantes realizarão demonstrações práticas e laboratórios, implantando modelos com Model Serving e utilizando o endpoint de serviço para inferência em tempo real.
Nota: A Databricks Academy está fazendo a transição para um formato baseado em notebooks para as sessões em sala de aula dentro do ambiente Databricks, descontinuando o uso de apresentações de slides para as aulas. Você pode acessar os notebooks de aula no ambiente de laboratório do Vocareum.
Languages Available: English | 日本語 | Português BR | 한국어
Depois de consumir este conteúdo, deverá ser capaz de:
• Familiaridade com o Databricks Data Intelligence Platform e operações básicas de workspace (criar clusters, executar código em notebooks, usar operações básicas de notebook, importar repos do Git)
• Experiência intermediária em programação com Python, incluindo bibliotecas de manipulação de dados (Pandas, NumPy) e trabalho com APIs (databricks-sdk, endpoints REST)
• Conhecimento básico de MLflow para acompanhamento de experimentos, registro de modelos, operações de registro de modelo e versionamento de modelos
• Compreensão dos fundamentos de machine learning, incluindo treinamento de modelos, avaliação, inferência em lotes e conceitos de implantação em tempo real
• Experiência intermediária com Unity Catalog para governança de dados e gerenciamento de registro de modelo
• Familiaridade básica com conceitos de Engenharia de Recursos, incluindo tabelas de recursos, lookups de recursos e armazenamentos de recursos offline versus online
• Compreensão das operações do Delta Lake (criar tabelas, realizar atualizações, otimizar arquivos e liquid clustering) e técnicas de otimização de armazenamento de dados
• Conhecimento básico de Apache Spark e PySpark para processamento distribuído de dados e Funções Definidas pelo Usuário (UDFs)
Outline
Fundamentos de Implantação de Modelos
• Estratégias de Implantação de Modelos
• Implantação de Modelos com MLflow
Implantação em Lotes
• Introdução ao Deployment em Lotes
• Demonstração: Implantação em Lotes
• Laboratório: Implantação em Lotes
Implantação de pipeline
• Introdução ao Implantação de Pipeline
• Demonstração: Implantação de Pipeline
Implantação em Tempo Real e Armazenamentos Online
• Introdução ao Deployment em Tempo Real
• Databricks Model Serving
• Demonstração: Implantação em Tempo Real com Model Serving
• Demonstração: Implantação de Modelos Personalizados com Model Serving
• Laboratório: Implantação em Tempo Real com Model Serving
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.
Private Class Request
If your company is interested in private training, please submit a request.
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 agoraInstructor-Led
Public and private courses taught by expert instructors across half-day to two-day courses
Registre-se agoraBlended 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 nowSkills@Scale
Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details

