Omnigent Basics - Japanese

このコースでは、Databricks 上でリトリーバルエージェントを構築するための実践的なトレーニングを提供します。参加者は、非構造化データ向けの Genie Agents の作成、Lakebase Search を使用した情報検索、AI Functions を活用した非構造化ドキュメントの解析と構造化データへの変換、セマンティック検索のためのテキストのチャンク分割、および複数の検索モードを備えた AI Search インデックスの構築について学びます。

注: SCORM講義ファイルでは、コンテンツを完了した後に必ずSCORMウィンドウを閉じてください。「次のレッスン」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記録されない場合があります。

このコースでは、単一マシンからDatabricks上の分散コンピュートまでスケールする機械学習ワークフローを設計・実装する方法を学びます。カリキュラムは3つのモジュールで構成されています。モデル開発の基礎（分散処理が必要な場面・理由、およびSparkの処理実行の仕組み）、Spark MLとMLflowを用いたスケーラブルなモデル開発、そしてRayとPyTorchを用いた分散モデルトレーニング — 最後に、特定のワークロードに適したツールを選択するためのFrameworkを紹介します。

ハンズオンのデモとラボを通じて、Transformer、Estimator、およびfit/transformパラダイムを使用した分散Spark ML機械学習パイプラインを構築し、Pandas API on SparkでPandasの既存コードをスケールさせ、MLflow 3とUnity Catalogを使って実験のトラッキング・比較・ガバナンスを行う方法を習得します。さらに、Ray TrainとPyTorch（TorchDistributorおよびDeepSpeed）を使用してクラスター全体でモデルをトレーニングし、データサイズ、モデルサイズ、ハードウェア、およびコストに基づいて各ワークロードに適切なFrameworkを選択する方法を学びます。

コースの締めくくりとして、問題をエンドツーエンドで扱うキャップストーンを実施します。フィーチャーのエンジニアリング、スケールでのモデルのトレーニング、MLflowによるトラッキング、そしてガバナンスエイリアスを使用したUnity Catalogへの登録を行います。（本番運用へのデプロイ、サービング、およびモニタリングについては、別途提供されるAdvanced MLOpsコースで扱います。）

コース修了後は、Databricks上で分散型・再現可能・ガバナンスに準拠したモデル開発ワークフローを選択・構築し、その妥当性を説明できるようになります。

注：SCORM講義ファイルの場合、コンテンツを完了したらSCORMウィンドウを閉じてください。「Next Lesson」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。

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