教員向けのガイド：コースに適したツールの選定、課題の配布、本番データやAIインフラストラクチャを活用した学 生のシステム構築を無料で実現する方法を解説します。
によって ジョーイ・フラジー 、 Elise Hollowed による投稿
Enterpriseが本番環境で使用しているプラットフォーム上で、クラウド契約やライセンスの管理、インストール不要で、完全なデータ・AIコースを無料でお試しいただけます。Databricks Free Editionは、プラットフォームの永続無料版です。学生は各自で登録し、ブラウザ上で作業を完結できるため、サーバーのプロビジョニングや購入を行うことなく、コースに取り入れることができます。
データおよびAIスキルは、ほとんどのカリキュラムの更新スピードを上回る速さで進化しており、その需要は採用活動と学習者の行動の双方に表れています。LinkedInは、Databricksを2026年の「急上昇スキル Top 10」の1つに選出し、Udemyは「世界で最も急成長しているスキル 100選」にDatabricksを含めました。この2つの異なるシグナルが同じ方向を指し示していることは、最新のデータおよびAIプラットフォームの活用方法を身につけることの価値がますます高まっている証拠です。
学生にとって、これは「分散コンピューティングにつ いて学んだ」という状態と、「チームが実務で使用しているプラットフォーム上でデータパイプラインを構築した」という状態の違いを生み出します。講師にとっては、カリキュラムを完全に作り直すことなく、データやAIの実務に近い形で既存のコースをアップデートできることを意味します。
コスト、ライセンス、ITプロビジョニングなど、実務向けのプラットフォームを教育現場に導入する際の障壁となりがちな問題は、クレジットカード不要、クラウド契約不要、インストール不要の永続無料アカウントであるDatabricks Free Editionによって解決されます。
業界標準のツールを教える際の2大障壁であるコストとセットアップの双方を、Free Editionは解消します。学習および非商用目的専用に設計されており、世界中の学生や教育関係者にご利用いただけます。
Databricks Free Editionとは？学生、ホビーユーザー、そして将来データおよびAIのプロを目指す方々のために構築された、Databricks Data + AI Platformの永続無料版です。公平利用枠内の小規模なコンピュート環境で、クラウド契約やクレジットカードの登録なしでブラウザ上で動作します。本番環境や商用利用を目的としたものではありません。（出典：databricks.com/learn/free-edition）
また、Databricksはアカデミアと深い繋がりを持っています。Apache Spark™を創出したUCバークレーの教授陣や博士課程の学生によって設立され、オープンソースは今も私たちの開発の中心にあります。Delta Lake、MLflow、Unity Catalogは、ベンダー中立の財団（Linux Foundation、LF AI & Data、Apache Software Foundation）のもと、グローバルコミュニティと共に 開発されており、Databricksは最近、AIエージェント向けのメタハーネスであるOmnigentをオープンソース化しました。教育関係者にとって、これは学生が身につけるスキルが、特定の独自ツールではなく、業界全体に共通するオープンな標準に基づいていることを意味します。
Free Editionは、簡略化されたサンドボックスではなく実際のプラットフォームそのものであるため、そこで得たスキルをそのまま実務に応用できます。Free Edition上でSparkジョブの記述、SQLクエリの実行、モデルのデプロイ、またはエージェントの構築を行う学生は、プロが実務で使用しているのと同じツールを使っています。後から「学習用ツールを忘れて、本物のツールを学び直す」というステップを踏む必要はありません。
ひとつの環境を、統計学のラボ、データベースのコース、ビジネスアナリティクスのクラス、そしてAIのキャップストーンプロジェクトとして活用できるため、学生や講師が覚えるべきツールの数を減らすことができます。以下の表は、一般的なコースと、現在のカリキュラムに適合する可能性のあるツールをマッピングしたものです。
| 指導内容 | 使用するツール | 学生の作業内容 | 学習リソース |
|---|---|---|---|
| プログラミング入門、データサイエンス、応用統計、データラングリングとEDA、データマイニング、データビジュアライゼーション、機械 学習 | コラボレーティブノートブック（Python、SQL。Free EditionではRとScalaはサポートされていません） | 実データに対するコードの記述と実行、ナラティブ、コード、ビジュアライゼーションの統合 | Get Started with Databricks for Machine Learning |
| ビッグデータ、分散システム、大規模なデータマイニングとラングリング | Apache Spark | DataFrameと分散コンピューティングによる大規模データの処理、バッチおよびストリーミング処理のハンドリング | Introduction to Apache Spark™ |
| データエンジニアリング、キャップストーンやプロジェクトにおけるデータパイプライン構築 | Lakeflow（Lakeflow Connect、Apache Spark Declarative Pipelines、Lakeflow Jobs） | ETLおよびストリーミングパイプラインの構築とオーケストレーション | Get Started with Databricks for Data Engineering |
| データベースシステム、データウェアハウジング（OLAP） | Delta Lake、Lakehouse | 信頼性の高いバージョン管理されたテーブル（ACID、タイムトラベル）の操作 | Get Started with Databricks for Data Warehousing |
| データベースシステム、ビジネスアナリティクスおよびビジネスインテリジェンス（BI）、予測分析、データビジュアライゼーシ ョン、情報システム | Databricks SQL、AI/BIダッシュボード、Genie Agents | データのクエリ、モデリング、ビジュアライゼーション、ダッシュボードの構築、自然言語によるデータへの質問 | Get Started With SQL Analytics and BI on Databricks |
| MBAおよびビジネススクールのデータ関連コース、ビジネスアナリティクス、情報システム | Genie | 平易な言葉でデータに質問し、コードを書くことなくその回答について推論する。Genie Oneは、近年のビジネス分析のあり方を反映したエージェント型のアシスタントとして機能 | Analytics Fundamentals |
| データベースシステム、トランザクション処理（OLTP） | Lakebase（マネージド Postgres） | トランザクション（OLTP）ワークロードの実行、および標準的なPostgres上でのアプリケーションデータのバックアップ | Get Started with Lakebase |
| 機械学習、キャップストーンプロジェクトにおけるモデルのデプロイ | MLflow、Model Serving、GPU | 実験のトラッキング、モデルのトレーニング、登録、デプロイ | Get Started with MLFlow |
| 人工知能、NLP、応用AI | Genie Agents、Agent Framework and Evaluation、AI Search、モデルのトレーニングとファインチューニング | AIエージェントの構築と評価、RAG向けのベクトル検索の活用、自社データを用いたモデルのファインチューニング | AI Agent Fundamentals |
| キャップストーン、ソフトウェアエンジニアリングプロジェクト、学生による開発やハッカソン | Databricks Apps | インタラクティブなデータおよびAIアプリケーションの構築とデプロイ | Building Enterprise Applications with Databricks Apps |
これらの機能全般において、プラットフォームのエージェント型コーディング・データアシスタントであるGenie Codeが、コードの生成、解説、デバッグ、および複数ステップにおよぶタスクの自律的な処理をサポートし、最先端の働き方を体現します。
既存のLMSやGitHubリポジトリを通じて配布できます。課題のノートブックを .ipynb ファイルとしてエクスポートし、データセットや指示と一緒に共有します。学生はFree Editionのワークスペースにそのコピーをインポートして取り組み、完成したノートブックをエクスポートして提出します。グループ課題の場合は、学生同士でノートブックを共有し、リアルタイムで共同作業を行うことができます。
GitHubやローカルでのダウンロードに は大きすぎるデータセット向けに、3つの方法があります。(1) 学生が接続するクラウドストレージにデータセットをホストする、(2) Open Sharing を使用して、自身のFree Editionワークスペースから各学生のワークスペースに直接データセットを共有する、あるいは (3) Databricks Marketplace から、学生がプラットフォーム内でネイティブにアクセスできる無料のデータセットを選択する。
はい。Databricksは共同作業向けに設計されており、リアルタイムの共同編集、コメント機能、タグ付け機能により、学生同士で協力し合いながら進めることができます。また、講師をノートブックに招待してトラブルシューティングの依頼やフィードバックを受けることも可能です。Databricks Free Editionは、最大5人までのグループプロジェクトでのアカウント共有を想定して設計されています。Databricks Free Editionでの共同作業の設定方法をご覧ください。
Free Edition は、フェアユース制限のもとで小規模なコンピュートサイズで実行されます。ワークスペースが割り当て量を超過した場合、その日の残りの期間はコンピュートが一時停止し、翌日に再開されます。課題の途中で制限に達することはまれであり、永続的なものでもありません。さらに、あなたと学生は、年最大3回まで毎日の利用可能クレジットを2倍に増やすことができるため、追い込みの時期や試験の際も学生はいつでも作業を続けることができます。スムーズに利用するための最善の方法は、多くのコンピュートを必要とするステップを見つけるために、Free Editionで各課題を事前にテストしておくことです。
はい、ずっと無料でご利用いただけます。クラウド契約や、登録時のクレジットカードの登録も不要です。学習向けに作られており、本番環境や商用利用を想定していないため、授業に最適です。クレジットは毎日リセットされるため、学生は毎日新鮮な気持ちでスタートできます。
まずは、現在クラウドベースのノートブック環境を使用している場所から始めてみてください。ご自身で Databricks Free Edition に登録し、Databricks Fundamentals コースを受講してください。慣れてきたら、両方を学生に割り当て、セルフペースコースが既存のカリキュラムにどのように適合するかを確認してください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。