Architecting Data Warehouses for Large-Scale Deployments - Japanese

このコースでは、Databricks の Genie Space の設計、構築および保守の方法を学びます。Genie Space は、ビジネスユーザーがガバナンスされたデータについて質問し、コードを書かずに SQL に基づく回答を受け取れる自然言語インターフェースです。

Genie が Databricks の AI/BI 製品ファミリーにどのように位置づけられるか、そして自然言語をどのように信頼できる SQL クエリに変換するかを学びます。このコースでは、正確で一貫性があり、信頼できる結果を提供する Genie Space を作成するために何が必要かに焦点を当てます。

ソースデータの理解とベンチマークの定義から、ナレッジストア のキュレーションツール一式を使った Genie Space の構成と改良まで、完全なエンドツーエンドのワークフローをたどります。これらのツールには、メタデータ、シノニム、プロンプトマッチング、SQL ロジック、サンプルクエリ、テキストの 手順 が含まれます。

また、Databricks One を通じてビジネスユーザーと Genie Space を共有する方法、Unity Catalog のガバナンスがどのように自動的に適用されるかを理解し、モニタリングとユーザーのフィードバックを使って品質を継続的に改善する方法も学びます。

コースを終える頃には、ガバナンスされたセルフサービスの会話型分析を大規模に提供する、本番運用の準備が整った Genie Space を作成および管理できるようになります。

注記：Databricks Academyでは、Databricks環境内での教室セッションをノートブック形式に移行し、講義用スライドデッキの使用を終了します。講義ノートブックはVocareumラボ環境でアクセス可能です。

Languages Available: English | 한국어

このコースでは、Databricks Data Intelligence Platform で純粋な SQL を使用して、本番運用に対応した ETL パイプラインを構築する方法を学びます。 受講者は、増分インジェストのための Auto Loader を使用したストリーミングテーブル、Silver-to-Gold 変換のための増分更新を伴うマテリアライズドビュー、宣言型 SCD タイプ 1 およびタイプ 2 ディメンション管理のための AUTO CDC (FLOW AUTO CDC)、および本番オーケストレーションのための SQL ファイルタスクを使用した Lakeflow ジョブについて学習します。 このコースでは、メダリオンアーキテクチャ(ブロンズ → シルバー → ゴールド)を通じて、現実的な小売データセットに従います。

注記：Databricks Academyでは、Databricks環境内での教室セッションをノートブック形式に移行し、講義用スライドデッキの使用を終了します。講義ノートブックはVocareumラボ環境でアクセス可能です。

「Databricks を使った機械学習」へようこそ！

このコースは、Databricks での機械学習workflowsを習得するための第一歩です。専門の講師陣の指導のもと、データ準備、モデル開発、デプロイ、運用について深く学びます。Databricks に特化したデータ探索、モデルトレーニング、デプロイ戦略に必要なスキルを習得しましょう。コース修了時には、Databricks Platform上で機械学習のライフサイクル全体を円滑に進めるための知識と自信が身につき、堅牢な機械学習ソリューションを効率的に構築・デプロイできるようになります。

機械学習のためのデータ準備

本コースでは、Databricks を使用した機械学習向けデータ準備の基礎に焦点を当てます。受講者は、従来の機械学習アプリケーション向けにデータを探索、クリーニング、整理するための必須スキルを習得します。主なトピックには、データ可視化、特徴量エンジニアリング、および最適な特徴量保存戦略が含まれます。実践的な演習を通じて、参加者はDatabricks内で機械学習用のデータセットを効率的に準備する実践的な経験を積むことができます。本コースは、アソシエイトレベルのデータサイエンティストや機械学習の実務者、およびデータ準備のスキルを向上させ、機械学習モデルの導入を成功させるための強固な基盤を築きたいと考えている方を対象としています。

機械学習モデルの開発

この包括的なコースでは、Databricks で従来の機械学習モデルを開発するための実践的なガイドを提供し、一般的な ML ライブラリを使用した実践的なデモンストレーションとワークフローに重点を置いています。 参加者は、Databricks の強力な機能を活用しながら、回帰やクラスタリングなどの主要な機械学習手法を学習します。 このコースでは、モデル追跡のためのMLflow統合、機能管理のためのDatabricks Feature Store、ハイパーパラメーター調整のためのOptunaについて説明します。 さらに、参加者は、自然言語、MCP 接続、指示、スキルを使用して機械学習ライフサイクル全体をガイドする Databricks の AI 搭載コーディングアシスタントである Genie Code を使用して、モデル開発を加速する方法を学びます。 このコースを修了すると、学習者は Databricks 環境で機械学習モデルを効率的に開発、最適化、デプロイするための実践的なスキルを身に付けることができます。

機械学習モデルのデプロイ

本コースでは、3つの主要な機械学習デプロイ戦略を紹介し、Databricks における各戦略の実装方法を解説します。モデルデプロイの基礎を学んだ後、バッチ推論について詳しく掘り下げ、バッチ推論シナリオでのモデル活用に関する実践的なデモンストレーションや実習に加え、パフォーマンス最適化のための考慮事項についても解説します。コースの後半ではパイプラインデプロイを包括的に扱い、最後のセクションではリアルタイムデプロイに焦点を当てます。受講者は、実践的なデモンストレーションや実習を通じて、Model Serving を使用したモデルのデプロイや、リアルタイム推論のためのサービングendpointの活用について学びます。

機械学習運用（MLOps）

本コースでは、MLOpsとモデルライフサイクル管理に焦点を当て、機械学習モデルの運用について包括的に解説します。前半では、MLOpsの主要な構成要素とベストプラクティスを扱い、機械学習モデルを効果的に運用するための強固な基礎を築きます。後半では、モデルライフサイクルの基礎を深く掘り下げ、効率的なモデル管理のために「Model Registry」と「Unity Catalog」を連携させて、ライフサイクルを円滑に管理する方法を実演します。コース終了時には、受講者はMLOpsの原則に関する実践的な知見と包括的な理解を深め、機械学習モデル運用という複雑な領域を円滑にナビゲートするために必要なスキルを身につけることができます。

Languages Available: English | 日本語 | Português BR | 한국어