Automated Deployment with Declarative Automation Bundles - Korean

이 과정은 DevOps 원칙과 이를 Databricks 프로젝트에 적용하는 방법에 대한 포괄적인 개요를 제공합니다. 먼저 핵심 DevOps, DataOps, continuous integration (CI), continuous deployment (CD), 테스트에 대한 개요를 다룬 후, 이러한 원칙을 데이터 엔지니어링 파이프라인에 어떻게 적용할 수 있는지 살펴봅니다.

이어서 이 과정은 CI/CD 프로세스 내의 지속적 배포에 중점을 두고, 프로젝트 배포를 위한 Databricks REST API, SDK, CLI와 같은 도구를 살펴봅니다. 선언형 자동화 번들(DAB)과 이것이 CI/CD 프로세스에 어떻게 통합되는지 배우게 됩니다. DAB의 주요 구성 요소와 폴더 구조를 심층적으로 살펴보고, Databricks의 다양한 대상 환경에서 배포를 어떻게 간소화하는지 알아봅니다. 또한 Databricks CLI를 사용하여 서로 다른 구성을 가진 여러 환경에 대해 선언형 자동화 번들에 변수를 추가하고, 수정하고, 검증하고, 배포하고, 실행하는 방법을 배우게 됩니다.

마지막으로, 이 과정에서는 선언형 자동화 번들을 로컬에서 빌드, 테스트 및 배포하고 개발 프로세스를 최적화하기 위한 대화형 개발 환경(IDE)으로 Visual Studio Code를 소개합니다. 과정의 마지막 부분에서는 GitHub Actions를 사용하여 배포 파이프라인을 자동화함으로써 선언형 자동화 번들과 함께 CI/CD 워크플로를 강화하는 방법을 다룹니다.

이 과정을 마치면 Databricks 프로젝트 배포를 Declarative Automation Bundles로 자동화하여 DevOps 관행을 통해 효율성을 높일 수 있는 역량을 갖추게 됩니다.

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

Skill Level

Professional

Duration

Prerequisites

이 과정에서는 다음과 같은 기술/지식/능력을 가진 참가자들을 위해 내용이 개발되었습니다:

• Databricks Workspaces, Apache Spark, Delta Lake, Medallion 아키텍처, Unity Catalog, Lakeflow Spark Declarative Pipelines(SDP), Lakeflow Jobs 등을 포함한 Databricks 플랫폼에 대한 깊은 이해와 실무 경험. 특히 SDP에서 Expectations를 활용하는 방법에 대한 지식이 필요합니다.

• 데이터 수집 및 변환 경험과 함께, 데이터 처리 및 DataFrame 조작을 위한 PySpark 활용 능력이 우수해야 합니다. 또한 데이터 분석 및 변환을 위한 중급 수준의 SQL 쿼리 작성 경험이 있어야 합니다.

• 함수 및 클래스 설계 및 구현 능력을 포함한 Python 프로그래밍 숙련도, 그리고 Python 패키지 생성, 임포트 및 활용 경험이 필요합니다.

• DevOps 관행, 특히 continuous integration(CI) 및 continuous delivery/deployment(CD) 원칙에 대한 이해가 필요합니다.

• Git 버전 관리에 대한 기본적인 이해가 필요합니다.

• 필수 수강 과정: 데이터 엔지니어링을 위한 DevOps 필수 과정.

Outline

DevOps 및 CI/CD 복습

• DevOps 복습

• Continuous Integration 및 Continuous Deployment/Delivery (CI/CD) 복습

• 코스 설정 및 인증

Declarative Automation Bundles (DAB)을 사용한 배포

• Databricks 프로젝트 배포

• Declarative Automation Bundles (DAB) 소개

• 간단한 DAB 배포

• DAB 내 변수 대체

• 여러 환경으로 DAB 배포

• DAB 프로젝트 템플릿 개요

• Databricks 기본 DAB 템플릿 사용

• DAB를 활용한 CI/CD 프로젝트 개요

• DAB를 활용한 Continuous Integration 및 Continuous Deployment

• DAB를 활용한 엔지니어링 워크플로우에 ML 추가

Databricks 자산 번들을 활용한 확장 기능

• Visual Studio Code(VSCode)를 사용한 로컬 개발

• Databricks와 VSCode 함께 사용하기

• 데이터 엔지니어링을 위한 CI/CD 모범 사례

• 다음 단계: GitHub Actions를 활용한 자동 배포

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.

Customer registration Partner registration

Private Class Request

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

Request Private Training

See all our registration options

Registration options

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

Self-Paced

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

지금 등록하세요

Instructor-Led

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

지금 등록하세요

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

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

Machine Learning Practitioner

Data Preparation for Machine Learning - Korean

이 과정은 Databricks를 활용하여 머신러닝을 위한 데이터를 준비하는 기본 사항에 중점을 둡니다. 수강생들은 전통적인 머신러닝 애플리케이션에 적합한 데이터를 탐색, 정리 및 구성하는 데 필요한 핵심 기술을 습득하게 됩니다. 주요 주제로는 데이터 시각화, 특징 공학, 최적의 특징 저장 전략 등이 포함됩니다. 실습을 통해 수강생들은 Databricks 환경에서 머신러닝용 데이터 세트를 효율적으로 준비하는 실무 경험을 쌓게 됩니다. 본 과정은 준전문가 수준의 데이터 과학자 및 머신러닝 실무자, 그리고 데이터 준비 역량을 강화하여 성공적인 머신러닝 모델 배포를 위한 탄탄한 기반을 마련하고자 하는 분들을 대상으로 합니다.

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

Data Analysis with Databricks - Korean

이 교육 과정에서는 Databricks SQL에 대한 포괄적인 소개를 제공합니다. 학습자는 데이터를 수집하고, 쿼리를 작성하고, 시각화 및 대시보드를 만들고, 알림을 구성합니다. 이 과정을 통해 Databricks 공인 데이터 분석가 자격증 시험을 준비할 수 있습니다.이 과정은 4시간짜리 두 개의 모듈로 구성됩니다.

SQL Analytics on Databricks

이 과정에서는 Databricks SQL에 특히 초점을 맞춰 Databricks를 사용하여 데이터 분석을 효과적으로 수행하는 방법을 학습합니다. Databricks 데이터 애널리스트로서 귀하의 책임에는 관련 데이터를 찾고, 잠재적인 응용 프로그램을 위해 데이터를 분석하고, 귀중한 비즈니스 통찰력을 제공하는 형식으로 데이터를 변환하는 것이 포함됩니다.

또한 Databricks Data Intelligence Platform에서 Notebooks, SQL Editor, Databricks SQL과 같은 도구를 사용하여 데이터 객체를 관리하는 역할과 이를 조작하는 방법을 이해하게 됩니다.

또한, 데이터 자산과 전반적인 플랫폼을 관리하는 데 있어 Unity Catalog의 중요성에 대해서도 알아봅니다. 마지막으로, 이 과정에서는 Databricks가 어떻게 성능 최적화를 용이하게 하는지에 대한 개요를 제공하고, Databricks에서 SQL 분석을 실행할 때 내부적으로 발생하는 프로세스를 이해하기 위해 Query Insights에 액세스하는 방법을 알려드립니다.

AI/BI for Data Analysts

이 과정에서는 비즈니스 인텔리전스 요구 사항을 충족하기 위해 Databricks가 제공하는 기능을 사용하는 방법을 알아봅니다. AI/BI 대시보드 및 AI/BI Genie. Databricks 데이터 애널리스트는 플랫폼 내에서 AI/BI 대시보드와 AI/BI Genie Spaces를 만들고, 이해 관계자와 필수 당사자가 이러한 자산에 액세스하는 것을 관리하고, 자산이 수명 동안 편집, 새로 고침 또는 폐기될 때 이러한 자산을 유지 관리하는 태스크를 맡게 됩니다. 이 과정에서는 참가자에게 비즈니스 통찰력을 위한 대시보드를 디자인하는 방법, 이를 공동 작업자 및 이해관계자와 공유하는 방법, 플랫폼 내에서 해당 자산을 유지하는 방법을 교육합니다. 참가자는 또한 Databricks Data Intelligence Engine을 기반으로 하는 AI/BI Genie Spaces를 활용하여 셀프 서비스 분석을 지원하는 방법을 배웁니다.

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

Generative AI Engineer

Generative AI Engineering with Databricks - Korean

이 과정은 최신 인기 프레임워크와 Databricks 기능을 활용하여 생성형 AI 애플리케이션을 구축하고자 하는 데이터 과학자, 머신러닝 엔지니어 및 기타 데이터 실무자를 대상으로 합니다.

참고: Databricks Academy는 Databricks 환경 내 강의 세션을 노트북 기반 형식으로 전환하며, 처음 세 모듈 강의에서 슬라이드 데크 사용을 중단합니다. 강의 노트북은 Vocareum 랩 환경에서 확인할 수 있습니다.

아래에서는 본 과정에 포함된 4개의 4시간 모듈을 각각 설명합니다.

Databricks 기반 검색 에이전트 구축

이 과정은 Databricks Data Intelligence Platform에서 검색 에이전트를 구축하기 위한 실습 중심 교육을 제공합니다. 참가자는 비정형 문서를 구조화된 데이터로 파싱하고, 검색 워크플로우를 위해 콘텐츠를 변환 및 분할하며, 문서 검색을 위한 벡터 검색 솔루션을 구축하고, MLflow 및 Agent Bricks를 사용하여 운영 환경에 바로 적용 가능한 에이전트를 개발하는 방법을 학습합니다. 본 과정은 문서 처리부터 임베딩 생성, 벡터 인덱싱, 거버넌스 기능을 갖춘 에이전트 배포에 이르는 완전한 에이전트 라이프사이클을 다룹니다.

Databricks에서 단일 에이전트 애플리케이션 구축

이 과정은 Databricks Data Intelligence Platform에서 단일 에이전트 애플리케이션을 구축하기 위한 실습 교육을 제공합니다. 수강생은 Unity catalog 기능을 도구로 활용하는 AI 에이전트 생성, MLflow를 통한 포괄적인 추적 및 모니터링 구현, LangChain과 같은 기존 프레임워크와 Agent Bricks와 같은 최신 솔루션을 모두 사용한 에이전트 배포 방법을 학습합니다. 본 과정은 AI Playground에서의 초기 도구 생성 및 테스트부터 거버넌스, 평가, 지속적인 개선 기능을 갖춘 프로덕션 배포에 이르기까지 에이전트의 전체 라이프사이클을 다룹니다.

Databricks에서의 에이전트 평가

이 과정은 MLflow의 평가 프레임워크를 활용해 AI 에이전트를 체계적으로 평가하는 방법을 가르치며, 전통적인 소프트웨어 테스트가 해결할 수 없는 비결정론적 AI 시스템의 독특한 도전 과제를 다룹니다. 학생들은 올바름과 안전성 같은 공통 기준에 대한 기본 내장 평가자, 사업 구체화 요구사항을 위한 가이드라인 평가자, 그리고 특화된 필요에 맞는 맞춤형 평가자 등 다양한 평가 방식을 구현하는 법을 배웁니다. 이 과정은 엄선된 데이터셋을 이용한 오프라인 평가와 온라인 생산 모니터링을 모두 포함하며, MLflow의 추적 기능을 활용해 에이전트 실행 패턴을 이해하고 다양한 이해관계자 유형으로부터 인간 피드백을 수집하는 실무 경험을 제공합니다. 실습 시연과 실험을 통해 학생들은 AI 에이전트 개발 수명 주기 전반에 걸쳐 지속적인 품질 개선을 이끄는 평가 워크플로우를 만드는 기술을 개발합니다.

생성형 AI 애플리케이션 배포 및 모니터링

이 과정에서는 생성형 AI 애플리케이션을 배포, 운영 및 모니터링하는 방법에 대한 자세한 내용을 다룹니다. 이 과정에서는 Model Serving과 같은 도구를 사용하여 생성형 AI 애플리케이션을 배포하는 기술을 습득할 수 있습니다. 또한 모범 사례와 권장 아키텍처에 따라 생성형 AI 애플리케이션을 운영하는 방법도 다룹니다. 마지막으로, Lakehouse Monitoring을 사용하여 생성형 AI 애플리케이션과 그 구성 요소를 모니터링하는 방법에 대해 설명합니다.

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