Omnigent Basics - Japanese

このコースでは、Apache Spark のアーキテクチャと、Databricks における機械学習ワークロードへの応用について、理論的および実践的な知識を習得します。データ準備、モデルのトレーニング、およびデプロイメントに Spark を活用するタイミングを学ぶとともに、Spark ML および pandas APIs on Spark を使った実践的な経験を積みます。また、ハイパーパラメータチューニングや Spark を用いた Optuna のスケーリングといった高度な概念についても学習します。さらに、包括的なモデルのパッケージングとガバナンスのために、アソシエイトコースで紹介された MLflow や Unity Catalog などの機能および概念を活用します。

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。

このコースでは、Databricks プラットフォーム上でエンドツーエンドの特徴量エンジニアリングパイプラインを設計、スケール、および運用化する方法について包括的な理解を深めます。カリキュラムは3つの段階的なモジュールで構成されています。Spark の分散実行と最適化の基礎をマスターすること、Auto Loader と宣言型 LakeFlow パイプラインを使用したスケーラブルなデータ取り込みの実装、そして Databricks Feature Store を活用した本番運用グレードの MLOps への発展です。

Catalyst オプティマイザと Spark UI を使用した Spark パフォーマンスのデバッグ、自動品質チェックを備えたブロンズ・シルバー・ゴールドのメダリオンアーキテクチャの構築、SparkML を使用したスケーラブルな特徴量の変換処理の実装など、実践的な学習体験に取り組んでいただきます。コースの集大成として、Online Feature Store を通じたリアルタイムの特徴量サービングのデプロイ、オンデマンド変換処理を伴う FeatureSpec の定義、そして Unity Catalog によるガバナンスとリネージトラッキングの適用を行います。

コース修了時には、エンタープライズスケールでの機械学習における完全な特徴量ライフサイクルを管理する能力を身に付け、パフォーマンスが高く、信頼性があり、ガバナンスが整備された、本番運用に対応したパイプラインを設計できるようになります。

注：SCORM講義ファイルの場合は、コンテンツの完了後に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モジュールが完了済みとして記録されない可能性があります。

このコースでは、Databricks Data Intelligence Platform の実践的な入門として、Generative AI システムの構築およびデプロイに向けたキーコンポーネントと機能を中心に学習します。参加者は、Databricks がスケーラブルな Generative AI ソリューションの開発をどのように支援するかを学び、AI Search、Agent Framework、およびモデルのトラッキングとロギングのための MLflow の Generative AI 機能などのツールを探索します。このコースでは、Retrieval-Augmented Generation (RAG) パイプラインの構築と評価、Generative AI エージェントのデプロイ、およびパフォーマンスを最適化するための評価 Framework の活用について、ハンズオン形式で学ぶ機会が含まれています。コース修了時には、学習者は Databricks Data Intelligence Platform 上で一般的な Generative AI アプリケーションを設計、デプロイ、および監視するための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 | 普通话 | Français | Español