Machine Learning with Databricks - Portuguese BR
Bem-vindo ao Machine Learning com Databricks!
Este curso é a sua porta de entrada para dominar os machine learning workflows em Databricks. Mergulhe na preparação de dados, desenvolvimento de modelos, implementação e operações, orientado por instrutores especializados. Aprenda competências essenciais para exploração de dados, treino de modelos e estratégias de implementação adaptadas para Databricks. No final do curso, terá o conhecimento e a confiança para navegar por todo o ciclo de vida do machine learning na plataforma Databricks, capacitando-o a construir e implementar soluções robustas de machine learning de forma eficiente.
Preparação de Dados para Machine Learning
Este curso foca-se nos fundamentos da preparação de dados para machine learning utilizando Databricks. Os participantes irão aprender competências essenciais para explorar, limpar e organizar dados adaptadas a aplicações tradicionais de machine learning. Os tópicos-chave incluem visualização de dados, engenharia de recursos e estratégias ótimas de armazenamento de recursos. Através de exercícios práticos, os participantes ganharão experiência prática na preparação eficiente de datasets para machine learning dentro de Databricks. Este curso é concebido para cientistas de dados de nível associado e profissionais de machine learning e indivíduos que procuram melhorar a sua proficiência na preparação de dados, garantindo uma base sólida para a implementação bem-sucedida de modelos de machine learning.
Desenvolvimento de Modelos de Machine Learning
Este curso abrangente fornece um guia prático para o desenvolvimento de modelos tradicionais de aprendizado de máquina no Databricks, enfatizando demonstrações práticas e fluxos de trabalho usando bibliotecas de ML populares. Os participantes explorarão as principais técnicas de ML, incluindo regressão e clustering, enquanto aproveitam os poderosos recursos do Databricks. O curso aborda a integração do MLflow para rastreamento de modelos, a Databricks Feature Store para gerenciamento de recursos e o Optuna para ajuste de hiperparâmetros. Além disso, os participantes aprenderão como acelerar o desenvolvimento de modelos com o Genie Code, o assistente de codificação baseado em IA da Databricks que usa linguagem natural, conexões MCP, instruções e habilidades para orientar todo o ciclo de vida de ML. Ao final do curso, os alunos terão habilidades práticas do mundo real para desenvolver, otimizar e implantar modelos de aprendizado de máquina de forma eficiente no ambiente Databricks.
Implementação de Modelos de Machine Learning
Este curso foi concebido para apresentar três estratégias principais de implementação de machine learning e ilustrar a implementação de cada estratégia em Databricks. Após uma exploração dos fundamentos da implementação de modelos, o curso aprofunda a inferência em lote, oferecendo demonstrações práticas e laboratórios para utilizar um modelo em cenários de inferência em lote, juntamente com considerações para otimização de desempenho. A segunda parte do curso cobre de forma abrangente a implementação de pipelines, enquanto o segmento final foca-se na implementação em tempo real. Os participantes participarão em demonstrações práticas e laboratórios, implementando modelos com Model Serving e utilizando o Model Serving para inferência em tempo real.
Operações de Machine Learning
Este curso irá guiar os participantes numa exploração abrangente das operações de modelos de machine learning, com foco no MLOps e na gestão do ciclo de vida dos modelos. O segmento inicial cobre componentes essenciais do MLOps e as melhores práticas, proporcionando aos participantes uma base sólida para operacionalizar eficazmente modelos de machine learning. Na parte final do curso, iremos aprofundar os fundamentos do ciclo de vida do modelo, demonstrando como navegar nele de forma fluida usando o Model Registry em conjunto com o Unity Catalog para uma gestão eficiente dos modelos. No final do curso, os participantes terão adquirido conhecimentos práticos e uma compreensão completa dos princípios do MLOps, equipados com as competências necessárias para navegar no complexo panorama das operações de modelos de machine learning.
Languages Available: English | 日本語 | Português BR | 한국어
No mínimo, deve estar familiarizado com o seguinte antes de tentar fazer este conteúdo:
• Concluiu o curso Get Started with Databricks para Machine Learning (Integração) ou possui conhecimentos fundamentais equivalentes de trabalho no ambiente Databricks.
• Proficiência intermédia em programação em Python para preparação e análise de dados.
• Compreensão básica dos fundamentos de machine learning.
• Familiaridade com os Databricks platform workflows.
• Conhecimento básico de formatos de dados e conceitos de lakehouse.
• Compreensão fundamental da exploratory data analysis e estatística básica.
• Familiaridade com a Databricks Data Intelligence Platform e operações básicas de workspace (criar clusters, executar código em notebooks, usar operações básicas de notebooks, importar repositórios do git)
• Experiência intermédia em programação com Python, incluindo bibliotecas de manipulação de dados (pandas, numpy) e trabalho com APIs (databricks-sdk, REST endpoints)
• Conhecimento básico do MLflow para acompanhamento de experimentos, registo de modelos, operações de registo de modelos e versionamento de modelos
• Compreensão dos fundamentos de machine learning, incluindo treino de modelos, avaliação, inferência em lote e conceitos de implementação em tempo real
• Experiência intermédia com o Unity Catalog para governação de dados e gestão de registos de modelos
• Familiaridade básica com conceitos de Engenharia de Recursos, incluindo tabelas de recursos, consultas de recursos e offline vs online feature stores
• Compreensão das operações do Delta Lake (criar tabelas, realizar atualizações, otimizar ficheiros e liquid clustering) e técnicas de otimização de armazenamento de dados
• Conhecimentos básicos do Apache Spark e PySpark para processamento distribuído de dados e Funções Definidas pelo Utilizador (UDFs)
• Conhecimento dos conceitos fundamentais de machine learning, MLflow tracking
• Familiaridade com o Databricks workspace e notebooks
• Conhecimento intermédio de Python
• Conhecimento básico de Apache Spark e PySpark para processamento de dados distribuídos e User Defined Functions (UDFs)
Outline
Preparação de Dados para Machine Learning
• Gestão e Exploração de Dados
• Preparação de Dados e Engenharia de Recursos
• Feature Store
Desenvolvimento de Modelos de Machine Learning
• Fluxo de Trabalho de Desenvolvimento de Modelos
• Afinação por Hiperparâmetros
• AutoML
Implementação de Modelos de Machine Learning
• Fundamentos de Implementação de Modelos
• Desdobramento em lote
• Implementação de Pipeline
• Implantação em Tempo Real e armazenamento Online
Operações de Machine Learning
• MLOps moderno
• Arquitetura de soluções MLOps
• Implementação e Monitorização da Solução MLOps
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 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
