メインコンテンツへジャンプ

Machine Learning Model Development - Japanese

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。


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

Skill Level
Associate
Duration
4h
Prerequisites

このコンテンツを受講する前に、少なくとも次のことに関する知識が必要です。:

• Databricks Data Intelligence Platform およびワークスペースの基本操作(クラスターの作成、ノートブックでのコード実行、ノートブックの基本操作、Gitからのリポジトリインポート)に精通していること

• Pythonによる中級レベルのプログラミング経験(データ操作ライブラリ(pandas、numpy)やAPI(databricks-sdk、RESTエンドポイント)の活用を含む)

• 実験の追跡、モデルのロギング、モデルレジストリの操作、モデルのバージョン管理に関するMLflowの基礎知識

• モデルのトレーニング、評価、バッチ推論、リアルタイムデプロイメントの概念を含む、機械学習の基礎知識

• データガバナンスおよびモデルレジストリ管理のためのUnity Catalogの中級レベルの経験

• フィーチャーテーブル、フィーチャールックアップ、オフライン/オンラインのfeature storesを含む、フィーチャーエンジニアリングの概念に関する基本的な知識

• Delta Lakeの操作(テーブルの作成、更新の実行、ファイルの最適化、リキッドクラスタリング)およびデータストレージの最適化手法に関する理解

• 分散データ処理およびユーザー定義関数(UDF)のためのApache SparkおよびPySparkに関する基礎知識

Outline

モデル開発ワークフロー

• モデル開発と MLflow

• モデルのパフォーマンスの評価


ハイパーパラメーターのチューニング

• ハイパーパラメーター チューニングの基礎

• Optunaによるハイパーパラメータ調整


エージェンティック機械学習

• Genie Codeの紹介

Public Class Registration

If your company has purchased success credits or has a learning subscription, please fill out the Training Request form. Otherwise, you can register below.

Private Class Request

If your company is interested in private training, please submit a request.

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

今すぐ登録

Instructors

Instructor-Led

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

今すぐ登録

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

Automated Deployment with Declarative Automation Bundles - Japanese

本コースでは、DevOpsの原則と、Databricks projectsへのその適用について包括的に解説します。まず、DevOps、DataOps、継続的インテグレーション(CI)、継続的デプロイメント(CD)、およびテストの概要から始まり、これらの原則をデータエンジニアリングパイプラインにどのように適用できるかを掘り下げます。

続いて、CI/CDプロセスにおける継続的デプロイメントに焦点を当て、プロジェクトのデプロイメントに利用できるDatabricks REST API、SDK、CLIなどのツールについて解説します。Declarative Automation Bundles(DAB)について、またそれらがCI/CDプロセスにどのように組み込まれるかを学びます。DABの主要な構成要素やフォルダ構造、そしてDatabricks内のさまざまなターゲット環境へのデプロイをどのように効率化するかを詳しく掘り下げます。また、Databricks CLIを使用して、異なる構成を持つ複数の環境向けに、変数の追加、修正、検証、デプロイ、およびDeclarative Automation Bundlesの実行を行う方法についても学びます。

最後に、本コースでは、Declarative Automation Bundleをローカルでビルド、テスト、デプロイするためのインタラクティブ開発環境(IDE)としてVisual Studio Codeを紹介し、開発プロセスの最適化を図ります。コースの最後には、GitHub Actionsを使用したデプロイパイプラインの自動化について解説し、Declarative Automation Bundleを活用したCI/CDワークフローの強化について紹介します。

このコースを修了する頃には、Declarative Automation Bundles を使用して Databricks projectのデプロイを自動化できるようになり、DevOps の実践を通じて効率を向上させることができるようになります。

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

Paid
4h
Lab
instructor-led
Professional

Questions?

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