Ir para o conteúdo principal

Machine Learning Operations - Portuguese BR

Este curso irá guiar os participantes por uma exploração abrangente das operações de modelo do machine learning, com foco em MLOps e gerenciamento do ciclo de vida do modelo. O segmento inicial aborda os componentes essenciais de MLOps e as melhores práticas, fornecendo aos participantes uma base sólida para operacionalizar modelos do machine learning de forma eficaz. Na parte final do curso, aprofundaremos os conceitos básicos do ciclo de vida do modelo, demonstrando como navegá-lo de forma fluida utilizando o Model Registry em conjunto com o Unity Catalog para um gerenciamento eficiente de modelos. Ao término do curso, os participantes terão adquirido insights práticos e uma compreensão abrangente dos princípios de MLOps, equipados com as habilidades necessárias para navegar pelo intrincado cenário das operações de modelo do machine learning.


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.

Skill Level
Associate
Duration
3h
Prerequisites

No mínimo, você deve conhecer os itens a seguir antes de tentar aprender esse conteúdo:

• 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 (endpoints REST, payloads JSON)

• Conhecimento básico de MLflow para acompanhamento de experimentos, registro de modelos, operações de Model Registry e gerenciamento do ciclo de vida de modelos

• Compreensão dos fundamentos de machine learning, incluindo treinamento de modelos, fluxos de trabalho de avaliação e implantação, e conceitos de monitoramento de desempenho

• Familiaridade com conceitos de MLOps, incluindo avaliação de qualidade de dados, Engenharia de Recursos, testes de modelos e práticas de monitoramento contínuo

• Experiência básica com interfaces de linha de comando e configuração de autenticação para plataformas cloud e ferramentas de desenvolvimento

• Compreensão de Lakeflow Jobs e conceitos de orquestração de fluxo de trabalho (dependências de tarefas, lógica condicional, agendamento, notificações)

• Conhecimento básico de monitoramento de modelos e princípios de detecção de desvios, incluindo métricas de desempenho e detecção de anomalia

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

Registre-se agora

Instructors

Instructor-Led

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

Registre-se agora

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

Advanced Techniques with Apache Spark Declarative Pipelines - Portuguese BR

Este curso explora o Apache Spark Declarative Pipelines (SDP) do Databricks para a construção de pipelines de transmissão prontos para produção. Você aprenderá padrões de design avançados, aplicação robusta de qualidade de dados e integração entre plataformas, essenciais para a engenharia de lakehouse no mundo real.

Ao longo do curso, você mergulhará em técnicas modernas de ingestão de dados e processamento, dominando ferramentas como Liquid Clustering para otimização de configuração e o padrão Multiplex Streaming para eventos com esquemas mistos. Ao final dos módulos, você saberá como lidar com confiança com a evolução do esquema, automatizar o change data capture (CDC) e garantir a integridade de dados.

Por meio de aulas e demonstrações práticas, você irá:

• Criar pipelines com múltiplos fluxos para realizar ingestão de dados de múltiplas fontes em uma Tabela Bronze unificada.

• Aplicar Liquid Clustering e Expectativas de Qualidade de Dados nas camadas Prata e Ouro.

• Implementar o padrão Multiplex com Iceberg UniForm para acesso a dados entre plataformas.

• Automatizar o acompanhamento de história do SCD Tipo 2 usando AUTO CDC INTO.

• Projetar pipelines de quarentena com perda zero de dados para auditar e gerenciar registros inválidos.

Observação: 

1. Este curso é o primeiro da série "Engenharia de Dados Avançada com Databricks".

2. Para arquivos de aula SCORM, feche 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.

Paid & Subscription
4h
Lab
Professional

Questions?

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