Feature Engineering at Scale - Japanese

このコースでは、データ分析に Databricks を効果的に活用する方法を学びます。特に Databricks SQL に重点を置いた内容となっています。Databricks のデータアナリストとして、関連データの検索、潜在的な活用可能性の分析、そして価値あるビジネス上の知見を提供するフォーマットへの変換といった業務を担います。 

また、データオブジェクトの管理における自身の役割と、Databricks Data Intelligence Platform 内でノートブック、SQL エディター、Databricks SQL などのツールを使用してデータオブジェクトを操作する方法についても理解を深めます。 

さらに、データ資産およびプラットフォーム全体の管理における Unity Catalog の重要性についても学びます。最後に、Databricks がパフォーマンス最適化をどのように支援するかの概要を学び、Databricks 上で SQL アナリティクスを実行する際のバックグラウンドで行われるプロセスを把握するためのクエリー知見へのアクセス方法についても習得します。

注：SCORM形式の講義ファイルをご利用の際は、コンテンツをすべて終了した後、必ずSCORMウィンドウを閉じてください。「next lesson」ボタンをクリックしないでください。クリックすると、SCORMモジュールが完了として認識されなくなる可能性があります。

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

このコースでは、Databricks Data + AI Platform を使用してシンプルなデータサイエンスと機械学習のワークフローを実行するための基本的なスキルを習得します。ワークスペースのツアーを通じて全体像を把握し、ノートブックの操作方法を学びます。探索的データ解析と特徴量エンジニアリングを探索し、MLflow を使用してモデルを追跡・管理し、Databricks Genie Code を使用してエクスペリメントを行い、Databricks Model Serving でモデルをデプロイします。最後に、これらのスキルを統合した包括的なラボで、エンドツーエンドの機械学習ライフサイクル全体を学びます。

Languages Available: English | 日本語 | Português BR | 한국어 | Français | Español | 普通话

このコースでは、Databricks上での従来の機械学習に向けたデータ準備の基礎を学びます。受講者は、Unity Catalogで管理されるDeltaテーブルにデータを読み込み、ノートブック、組み込みの可視化ツール、およびGenie Codeを使って探索します。次に、クリーンデータの作成、欠損値や外れ値の処理、データリークのないデータの分割とサンプリングを行い、補完・エンコーディング・標準化のための再現可能なSpark 機械学習パイプラインを構築します。最後に、Unity Catalogの特徴量エンジニアリングを使用して機能を保存、管理、再利用します。これには、リークのないトレーニングセットのためのポイントインタイムルックアップと、Lakebaseを基盤とするOnline Feature Storeを使ったオンライン特徴量サービングの概要が含まれます。各モジュールは、講義とハンズオンデモ、およびサーバーレスコンピュート上で実行するラボを組み合わせた構成になっています。モデルのトレーニング、サービング、およびモニタリングはこのコースの対象外であり、それらはMachine Learning Model DevelopmentおよびMachine Learning Model Deploymentコースで学習します。このコースは、Databricks上でのデータ準備に関する確固たる基礎を身につけたいと考えるアソシエイトレベルのデータサイエンティストおよび機械学習実践者を対象としています。

注：

これは「Machine Learning with Databricks」シリーズの最初のコースです。SCORM講義ファイルでは、コンテンツを完了した後、SCORMウィンドウを閉じてください。「次のレッスン」ボタンはクリックしないでください。クリックすると、SCORMモジュールが完了として記録されない場合があります。