メインコンテンツへジャンプ

Get Started with Databricks for Machine Learning - Japanese

このコースでは、基本的な機械学習ワークフローを実行し、データ サイエンスのワークロードをサポートするためにDatabricks Data Intelligence Platformを使用するために必要な基礎スキルを習得します。 機械学習実践者の視点からプラットフォームを探索し、Databricks Notebooksを使用した機能エンジニアリングやMLflowを使用したモデルライフサイクル追跡などのトピックをカバーします。 さらに、Mosaic AI Model Servingによるリアルタイム モデル推論について学び、AutoMLによるモデル開発に対するDatabricksの「ガラス ボックス」アプローチを体験します。 このコースには、インストラクター主導のデモンストレーションが3回含まれており、最後にはデモで取り上げられた概念を強化する総合的なラボが行われます。 


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

Skill Level
Onboarding
Duration
3h
Prerequisites
  • Pythonの初心者レベルの理解が必要です。
  • DS/MLの概念 (分類モデルや回帰モデルなど)、一般的なモデル メトリクス (F1スコアなど)、Pythonライブラリ (scikit-learnやXGBoostなど) に関する基本的な理解。 

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

See all our registration options

Registration options

Databricks has a delivery method for wherever you are on your learning journey

Runtime

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

Register now

Instructors

Instructor-Led

Public and private courses taught by expert instructors across half-day to two-day courses

Register now

Learning

Blended Learning

Self-paced and weekly instructor-led sessions for every style of learner to optimize course completion and knowledge retention. Go to Subscriptions Catalog tab to purchase

Purchase now

Scale

Skills@Scale

Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details

Upcoming Public Classes

Data Engineer

Build Data Pipelines with Lakeflow Declarative Pipelines - Japanese

このコースでは、複数のストリーミングテーブルとマテリアライズドビューを介した増分バッチまたはストリーミング取り込みと処理のために、DatabricksのLakeflow宣言型パイプラインを使用してデータパイプラインを構築するために必要な基本的な概念とスキルをユーザーに紹介します。 このコースは、Lakeflow 宣言的パイプライン を初めて使用するデータエンジニア向けに設計されており、増分データ処理、ストリーミングテーブル、マテリアライズドビュー、一時ビューなどのコアコンポーネントの概要を包括的に説明し、それらの特定の目的と違いを強調します

取り上げるトピックは次のとおりです:

- SQL を使用した Lakeflow のマルチファイル エディターを使用した ETL パイプラインの開発とデバッグ (Python コード例を提供)

- Lakeflow 宣言的パイプライン が パイプライン グラフを通じて パイプライン でデータの依存関係を追跡する方法

- パイプライン コンピュート リソース、データ アセット、トリガー モード、およびその他の詳細オプションの構成

次に、このコースでは、Lakeflow のデータ品質に対する期待値を紹介し、データの整合性を検証および適用するために、期待値をパイプラインに統合するプロセスをユーザーに案内します。 次に、学習者は、スケジュール オプション、本番運用モード、パイプラインのパフォーマンスと正常性を監視するためのパイプライン イベント ログの有効化など、パイプラインを本番運用に配置する方法について説明します

最後に、このコースでは、Lakeflow 宣言型パイプライン内の APPLY CHANGES INTO 構文を使用して変更データキャプチャ (CDC) を実装し、slowly changing dimensions (SCD タイプ 1 および 2) を管理し、ユーザーが CDC を独自のパイプラインに統合する準備をする方法について説明します。

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

Paid & Subscription
4h
Lab
Associate

Questions?

If you have any questions, please refer to our Frequently Asked Questions page.