주요 컨텐츠로 이동

Data Modeling Strategies - Korean

이 과정은 실무자들이 Databricks Data Intelligence Platform에서의 전체 데이터 모델링 접근 방식을 학습할 수 있도록 안내합니다. 고전적인 데이터 웨어하우스 기법(Inmon, Kimball, Data Vault 2.0)부터 특성 저장소 기반의 ML 활용 사례, Unity Catalog를 통한 데이터 제품화까지 다룹니다.


각 모델링 접근 방식은 강의를 통해 소개된 후, 공유 데이터셋(TPC-H 샘플)을 활용한 실습 데모로 심화 학습이 이루어집니다. 과정의 마지막에는 ERM, 차원 모델링, Data Vault 2.0, 그리고 특성 저장소를 하나의 통합된 워크플로로 실습하는 종합적인 엔드투엔드 실습이 진행됩니다.


참고: SCORM 강의 파일의 경우 콘텐츠를 완료한 후 SCORM 창을 닫아야 합니다. ‘Next Lesson’ 버튼을 클릭하지 마세요. 클릭하면 SCORM 모듈이 완료된 것으로 표시되지 않을 수 있습니다.

Skill Level
Associate
Duration
2h
Prerequisites

이 과정의 콘텐츠는 다음과 같은 기술, 지식 및 역량을 갖춘 참가자를 대상으로 개발되었습니다:

• SQL 및 관계형 데이터베이스 개념에 대한 실무 지식

• Databricks 기본 사항(Workspaces, Notebooks, Unity Catalog 기초)에 대한 이해

• OLTP 대 OLAP 및 메달리온 아키텍처에 대한 개념적 이해

• Python 및 PySpark에 대한 기본적인 경험이 있으면 도움이 되지만 필수는 아닙니다

• 차원 모델링 개념에 대한 이해가 있으면 도움이 되지만 필수는 아닙니다

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.