Databricks Machine Learning Associate: treino e operação
Sete aulas, 40 perguntas e sete casos sobre AutoML, features, MLflow, preparação, treino, métricas e serving. Preparação independente em PT-PT e inglês.
Módulos e aulas
Abre uma aula para começar. Podes seguir a ordem ou voltar a qualquer conceito.
Ambiente, AutoML e reprodutibilidade
Inspeciona experiências e valida dependências antes de aceitar uma métrica.
40 minFeatures temporais e consistência
Evita fuga temporal e diferenças silenciosas entre treino e inferência.
40 minMLflow, registo e promoção
Liga resultados a versões e distingue registo de deployment.
40 minDados, preparação e validação
Prepara features sem usar informação do conjunto reservado.
40 minTreino, pipelines e pesquisa de parâmetros
Compara alternativas com custo e validação controlados.
40 minMétricas, decisão e generalização
Interpreta erros na unidade e no contexto da decisão operacional.
40 minInferência, serving e recuperação
Escolhe o modo de consumo e controla identidade, versão e tráfego.
40 minObjetivos e percurso
Sete aulas, 40 perguntas e sete casos sobre AutoML, features, MLflow, preparação, treino, métricas e serving. Preparação independente em PT-PT e inglês.
Para quem
Profissionais de dados, Python, APS e projetos que preparam e operam modelos de machine learning.
Pré-requisitos
Python, SQL e noções de estatística e ML. O exame não impõe pré-requisitos; recomenda experiência prática.
O que vais aprender
- Inspeciona experiências e valida dependências antes de aceitar uma métrica.
- Evita fuga temporal e diferenças silenciosas entre treino e inferência.
- Liga resultados a versões e distingue registo de deployment.
- Prepara features sem usar informação do conjunto reservado.
- Compara alternativas com custo e validação controlados.
- Interpreta erros na unidade e no contexto da decisão operacional.
- Escolhe o modo de consumo e controla identidade, versão e tráfego.
O que está disponível
7 aulas · 40 perguntas regulares · 7 casos
Avaliação final interna: 28 exercícios em 60 minutos. Simulados completos ainda indisponíveis.
As avaliações e os simulados reutilizam exercícios do percurso. Não atribuem certificações nem garantem aprovação num exame externo.
Âmbito, revisão e limitações
Preparação independente alinhada com os quatro domínios do guia de Machine Learning Associate ainda ligado pela página oficial em outubro de 2026. Aprende a rever trials AutoML, preservar a semântica temporal de features, registar experiências MLflow e distinguir promoção de modelos de deployment efetivo. As aulas ligam preparação de dados, pipelines, pesquisa de parâmetros e métricas à utilização operacional. Sete casos fictícios incluem pressão para promover uma métrica inválida, inputs antigos que substituem lookups, orçamento de treino, capacidade de revisão e identidade removida de um endpoint. Inclui 28 fontes primárias, progresso e avaliação interna de 28 decisões em 60 minutos. Explica diferenças entre termos do blueprint e funcionalidades dos runtimes atuais; esta cobertura inicial não é um mock completo nem substitui prática supervisionada.
Avaliação interna de 28 decisões em 60 minutos, reutilizando perguntas do percurso e incluindo um caso de múltipla resposta. Não é o exame oficial de 48 perguntas pontuadas/90 minutos, com possíveis itens não pontuados e tempo adicional. Não presume percentagem oficial de aprovação.
Preparação independente, sem afiliação ou aprovação Databricks e sem atribuição da certificação oficial. Marcas pertencem aos titulares. Exemplos fictícios não representam procedimentos de instituições financeiras. Revisão editorial sem verificação independente de especialista ou deployment real. Guia efetivo de 1 março 2025, ainda ligado pela página oficial consultada em 1 outubro 2026. Este curso está disponível em português europeu e inglês. O exame oficial está disponível em inglês, japonês, português do Brasil e coreano. Hyperopt e Delta Live Tables são termos do guia; as diferenças face à documentação atual são explícitas.
Domínios do exame4 áreas
Referências e versão
Consulta as fontes, a versão do conteúdo e os limites deste percurso.
Versão deste percurso
2025-03-01
Conteúdo revisto em 01/10/2026
Fontes de aprendizagem
- Databricks Certified Machine Learning AssociateConsultado em 01/10/2026
- Machine Learning Associate exam guide effective 1 March 2025Consultado em 01/10/2026
- AutoML trial notebooks and runtime supportConsultado em 01/10/2026
- Hyperparameter tuning and Hyperopt runtime changesConsultado em 01/10/2026
- Hyperopt fmin Trials and SparkTrials conceptsConsultado em 01/10/2026
Ver mais 23 referências
- MLflow 3 installation and migrationConsultado em 01/10/2026
- Model lifecycle in Unity CatalogConsultado em 01/10/2026
- Feature engineering and serving overviewConsultado em 01/10/2026
- Feature tables in Unity CatalogConsultado em 01/10/2026
- Point-in-time feature lookupsConsultado em 01/10/2026
- Train and score with feature metadataConsultado em 01/10/2026
- Track experiments and training runsConsultado em 01/10/2026
- Deploy models using Model ServingConsultado em 01/10/2026
- Create custom model serving endpoints and identityConsultado em 01/10/2026
- Traffic routing across served modelsConsultado em 01/10/2026
- Delta Lake streaming reads and writesConsultado em 01/10/2026
- Lakeflow Spark Declarative PipelinesConsultado em 01/10/2026
- Prevent inconsistent preprocessing and data leakageConsultado em 01/10/2026
- Imputation of missing valuesConsultado em 01/10/2026
- Cross-validation and time series splitsConsultado em 01/10/2026
- OneHotEncoder unknown categoriesConsultado em 01/10/2026
- Precision and recall interpretationConsultado em 01/10/2026
- Mean absolute errorConsultado em 01/10/2026
- Model evaluation metricsConsultado em 01/10/2026
- GridSearchCV folds and refitConsultado em 01/10/2026
- Transforming regression targetsConsultado em 01/10/2026
- Spark ML Estimators Transformers and PipelinesConsultado em 01/10/2026
- PySpark DataFrame summary statisticsConsultado em 01/10/2026
Preparação independente. Consulta os objetivos, o conteúdo disponível e os limites de cobertura antes de planear o estudo.
Guia efetivo de 1 março 2025 ainda ligado pela página oficial. 48 perguntas pontuadas/90 minutos; itens não pontuados e tempo adicional possíveis. Pesos 38/19/31/12. Segundo domínio: ML Workflows na página e Data Processing no guia. Código e percentagem de aprovação não assumidos. Este curso está disponível em português europeu e inglês. O exame oficial está disponível em português do Brasil (pt-BR).
Preparação independente, sem afiliação ou aprovação Databricks e sem atribuição da certificação oficial. Marcas pertencem aos titulares. Exemplos fictícios não representam procedimentos de instituições financeiras. Revisão editorial sem verificação independente de especialista ou deployment real. Guia efetivo de 1 março 2025, ainda ligado pela página oficial consultada em 1 outubro 2026. Este curso está disponível em português europeu e inglês. O exame oficial está disponível em inglês, japonês, português do Brasil e coreano. Hyperopt e Delta Live Tables são termos do guia; as diferenças face à documentação atual são explícitas.
Databricks é uma marca comercial de Databricks, Inc. A dr.pt é uma plataforma de preparação independente e não está afiliada, associada, patrocinada, autorizada nem aprovada por Databricks. Os conteúdos e as perguntas são originais, não são perguntas oficiais de exame, e concluir os nossos testes não atribui nem garante qualquer certificação. Os nomes são usados apenas para identificar o tema. Todas as outras marcas pertencem aos respetivos titulares.