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.
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.
Preparação de Dados para Machine Learning
Este curso se concentra nos fundamentos da preparação de dados para machine learning usando o Databricks. Os participantes aprenderão habilidades essenciais para explorar, limpar e organizar dados voltados para aplicações tradicionais de machine learning. Os principais tópicos incluem visualização de dados, Engenharia de Recursos e estratégias ideais de armazenamento de recursos. Por meio de exercícios práticos, os participantes adquirirão experiência prática na preparação eficiente de conjuntos de dados para machine learning no Databricks. Este curso foi desenvolvido para cientistas de dados de nível associado e profissionais de machine learning, bem como para indivíduos que buscam aprimorar sua proficiência na preparação de dados, garantindo uma base sólida para a implantação com Êxito de modelo do machine learning.
Desenvolvimento de Modelos de Machine Learning
Este curso abrangente fornece um guia prático para o desenvolvimento de modelos tradicionais de machine learning no Databricks, com ênfase em demonstrações práticas e workflows utilizando bibliotecas populares de ML. Os participantes irão explorar técnicas-chave de ML, incluindo regressão e clustering, aproveitando as poderosas capacidades do Databricks. O curso abrange a integração com MLflow para acompanhamento de modelos, o 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 do Databricks, que utiliza linguagem natural, conexões MCP, instruções e habilidades para guiar o ciclo de vida completo de ML. Ao final do curso, os participantes terão habilidades práticas e aplicáveis ao mundo real para desenvolver, otimizar e implantar modelos de machine learning de forma eficiente no ambiente Databricks.
Implementação de Modelos de Machine Learning
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.
Operações de Machine Learning
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.
Languages Available: English | 日本語 | Português BR | 한국어
No mínimo, você deve estar familiarizado com os seguintes itens antes de tentar realizar este conteúdo:
• Ter concluído o curso Get Started with Databricks for Machine Learning (Onboarding) ou possuir conhecimento fundamental equivalente sobre como trabalhar no ambiente Databricks.
• Proficiência de nível intermediário em programação Python para preparação e análise de dados.
• Compreensão básica dos fundamentos de machine learning.
• Familiaridade com os fluxos de trabalho da plataforma Databricks.
• Conhecimento básico de formatos de dados e conceitos de lakehouse.
• Compreensão fundamental de análise exploratória de dados 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 notebook, importar repos do git).
• Experiência intermediária de programação em Python, incluindo bibliotecas de manipulação de dados (Pandas, NumPy) e trabalho com APIs (REST endpoints, databricks-sdk, REST endpoints).
• Conhecimento básico de MLflow para rastreamento de experimentos, logging de modelos, operações de registro de modelo e gerenciamento do ciclo de vida do modelo.
• Compreensão dos fundamentos de machine learning, incluindo treinamento de modelos, avaliação, fluxos de trabalho de implantação e conceitos de monitoramento de desempenho.
• Experiência intermediária com Unity Catalog para governança de dados e gerenciamento de registro de modelo.
• Familiaridade básica com conceitos de Engenharia de Recursos, incluindo feature tables, feature lookups e feature stores offline vs. 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).
• Conhecimento dos conceitos fundamentais de machine learning e do rastreamento com MLflow.
• Familiaridade com conceitos de MLOps, incluindo avaliação da qualidade dos dados, engenharia de recursos, teste de modelos e práticas de monitoramento contínuo, workspace e notebooks do Databricks.
• Conhecimento de nível intermediário de Python.
• Experiência básica com interfaces de linha de comando e configuração de autenticação para plataformas de nuvem 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 dos princípios de monitoramento de modelos e detecção de drift, incluindo métricas de desempenho e detecção de anomalias.
Outline
Preparação de Dados para Machine Learning
• Gerenciando e Explorando Dados
• Preparação de Dados e Engenharia de Recursos
• Feature Store
Desenvolvimento de Modelos de Machine Learning
• Fluxo de Trabalho de Desenvolvimento de Modelos
• Ajuste de Hiperparâmetros
• Machine Learning Agêntico
Implementação de Modelos de Machine Learning
• Fundamentos de Implantação de Modelos
• Implantação em Lotes
• Implantação de pipeline
• Implantação em Tempo Real e Armazenamentos Online
Operações de Machine Learning
• MLOps Moderno
• Arquitetando Soluções de MLOps
• Implementação e Monitoramento de 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
