A plataforma Lakehouse do Databricks é uma arquitetura aberta que combina os melhores elementos de data lake e data warehouse. Nesta demonstração, mostraremos como construir um sistema de detecção de fraudes em tempo real para transações bancárias, fornecendo dados e entendimentos que normalmente levariam meses de esforço em plataformas legadas.

Esta demonstração cobre a plataforma lakehouse de ponta a ponta:

• Ingerir dados de sistemas externos (EPR/Salesforce) e depois transformá-los usando Delta Live Tables (DLT), uma estrutura ETL declarativa para construir pipelinede processamento de dados confiável, sustentável e testável
• Proteja seus dados ingeridos para garantir governança e segurança sobre dados PII
• Aproveite Databricks SQL e o endpoint do warehouse para criar painéis para analisar os dados ingeridos e entender a fraude existente
• Crie um modelo de aprendizado de máquina com Databricks AutoML para sinalizar transações em risco
• Aproveite o modelo instalado do Databricks para implantar uma API REST servindo inferências em tempo real em milissegundos com teste de modelo A/B
• Orquestre todos esses passos com fluxo de trabalho do Databricks

Para instalar a demonstração, obtenha um workspacegratuito do Databricks e execute os dois comandos a seguir em um Python Notebook

%pip instalar dbdemos

importar dbdemos 
 dbdemos.install('lakehouse-fsi-fraud')

Dbdemos é uma biblioteca Python que instala demonstrações completas do Databricks em seu workspace. Dbemos irá carregar e começar Notebook, pipeline Delta Live Tables, clusters, dashboards Databricks SQL , modelos de warehouse… Veja como usar dbdemos

Dbdemos é distribuído como um projeto GitHub.

Para obter mais detalhes, view o arquivo GitHub README.md e siga a documentação.
Dbdemos é fornecido como está. Consulte a Licença e Aviso para mais informações.
Databricks não oferece suporte oficial para dbdemos e ativo associado.
Para qualquer problema, abra um ticket e a equipe de demonstração dará uma olhada na base do melhor esforço.