주요 컨텐츠로 이동

Building Persistent Memory for AI Agents with Lakebase on Databricks - Korean

이 과정에서는 Databricks Lakebase를 영속화 백엔드로 사용하여 대화 내에서도, 세션 간에도 기억하는 AI 에이전트를 구축하는 방법을 가르칩니다. 수강자는 LangGraph의 Checkpointer 시스템이 어떻게 단기 메모리(세션 내 대화 연속성)를 제공하고, LangGraph의 Store가 어떻게 장기 메모리(세션 간 사용자 선호도)를 제공하며, 이 둘이 모두 Lakebase Autoscaling으로 뒷받침되는지 배웁니다. 수강자는 이러한 메모리 시스템을 노트북에서 구축하고 테스트하며, MLflow 트레이스를 통해 에이전트 동작을 관찰하고, 완전히 상태를 저장하는 에이전트를 Databricks App으로 배포합니다.


참고: SCORM 강의 파일의 경우, 콘텐츠를 완료한 후 SCORM 창을 닫아 주세요. ‘Next Lesson’ 버튼을 클릭하지 마세요. 클릭하면 SCORM 모듈이 완료로 표시되지 않을 수 있습니다.


Skill Level
Associate
Duration
4h
Prerequisites

이 콘텐츠는 다음 기술/지식/역량을 갖춘 참가자를 위해 개발되었습니다:

Databricks 워크스페이스에 대한 전반적인 친숙함, Unity Catalog 경험, AI 에이전트 구축 경험, 기본적인 Python 숙련도. Lakebase와 Databricks Apps는 개요 수준에서만 소개합니다.

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

지금 등록하세요

Instructors

Instructor-Led

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

지금 등록하세요

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

Databricks Data Privacy - Korean

Databricks 데이터 프라이버시는 데이터 엔지니어가 Databricks Data Intelligence Platform에서 개인 데이터를 찾고, 보호하고, 삭제하고, 책임 있게 관리하는 방법을 가르칩니다. 프라이버시를 Unity Catalog와 Delta Lake 위에 구축된 기술적 결정과 컨트롤의 집합으로 다룹니다. 이 과정은 프라이버시를 보안, 거버넌스, 컴플라이언스와 구분한 뒤, 식별·보호·관리·검증 생명주기와 학습자가 모든 기법에 적용하는 짧은 의사결정 모델을 중심으로 작업을 구성합니다.

학습자는 먼저 Data Classification으로 민감 컬럼을 찾고, 거버넌스 태그로 각 컬럼의 처리 방식을 기록합니다. 태그 기반 속성 기반 액세스 제어(ABAC) 정책으로 해당 컬럼을 보호하고, 중앙 정책이 맞지 않으면 수동 컬럼 마스크와 행 필터를 사용합니다. 비식별화는 솔트 해싱, 별도로 거버넌스되는 볼트를 통한 토큰화, 컬럼 암호화로 더 나아가며, 솔트와 키는 Databricks Secrets에 보관합니다. 삭제권의 경우 요청을 추적하고, 분류와 리니지로 대상자의 데이터를 찾고, DELETE와 MERGE로 삭제 및 변경을 전파한 다음, REORG TABLE ... APPLY (PURGE)와 보존 기간을 고려한 VACUUM으로 기본 파일을 퍼지합니다. 과정은 리니지, 감사 로그, 쿼리 이력, Delta 테이블 이력을 결합하여 각 컨트롤이 작동했는지 보여주는 증거 추적으로 마무리됩니다.

모든 데이터는 합성 데이터입니다. 데모는 한 다국적 소매업체의 데이터 자산을 생명주기를 따라가며, 마스킹된 쿼리 결과, 빈 삭제 확인, 테이블 이력 항목처럼 컨트롤이 작동했다는 증거로 각 단계를 끝냅니다. 시나리오 기반 실습 두 개가 워크플로를 강화합니다. 첫 번째에서는 자회사 고객 테이블의 깨진 보호를 복구합니다. 두 번째에서는 반쯤 완료된 삭제 요청을 마무리하고 완료 증거를 구성합니다. 이 과정은 기술 과정이며 법률 자문을 제공하지 않습니다.

참고:

1. 이 강좌는 '데이터브릭을 사용한 고급 데이터 엔지니어링' 시리즈의 두 번째 강좌입니다.

2. SCORM 강의 파일을 이용할 때는 콘텐츠를 모두 학습한 후 SCORM 창을 닫으시기 바랍니다. ‘다음 강의’ 버튼을 클릭하지 마십시오. 클릭할 경우 SCORM 모듈이 완료로 표시되지 않을 수 있습니다.

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

Free
2h
Professional

Questions?

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