DevOps Essentials for Data Engineering - Korean

이 과정에서는 Databricks를 사용하여 작업하는 데이터 엔지니어를 위해 특별히 설계된 소프트웨어 엔지니어링 모범 사례와 DevOps 원칙을 살펴봅니다. 참가자는 코드 품질, 버전 제어, 문서화, 테스트와 같은 핵심 주제에 대한 강력한 기반을 구축하게 됩니다. 이 과정에서는 DevOps를 강조하여 핵심 구성 요소, 이점, 데이터 엔지니어링 워크플로 최적화에서 지속적인 통합 및 배포(CI/CD)의 역할에 대해 다룹니다.

PySpark에서 모듈성 원칙을 적용하여 재사용 가능한 구성 요소를 만들고 효율적으로 코드를 구성하는 방법을 학습합니다. 실습 경험에는 pytest 프레임워크를 사용하여 PySpark 함수에 대한 단위 테스트를 설계하고 구현하는 것과 DLT 및 Workflows를 사용하여 Databricks 데이터 파이프라인에 대한 통합 테스트를 수행하여 안정성을 보장하는 것이 포함됩니다.

또한 이 과정에서는 Databricks Git 폴더를 사용하여 지속적인 통합 관행을 통합하는 것을 포함하여 Databricks 내에서 필수적인 Git 작업도 다룹니다. 마지막으로 REST API, CLI, SDK, Databricks Asset Bundles(DAB) 등 Databricks 자산에 대한 다양한 배포 방법을 간략하게 살펴보고 파이프라인을 배포하고 관리하는 기술에 대한 지식을 얻습니다.

과정을 마치면 소프트웨어 엔지니어링과 DevOps 모범 사례에 능숙해져서 확장 가능하고 유지 관리가 가능하며 효율적인 데이터 엔지니어링 솔루션을 구축할 수 있게 됩니다.

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

Skill Level

Associate

Duration

Prerequisites

Databricks Workspaces, Apache Spark, Delta Lake 및 Medallion Architecture, Unity Catalog, Delta Live Tables, Workflows를 포함한 Databricks 플랫폼에 대한 능숙한 지식. Git 버전 제어에 대한 기본적인 이해도 필요합니다.
데이터 수집 및 변환 경험, 데이터 처리 및 DataFrame 조작을 위한 PySpark에 대한 능숙함이 필요합니다. 또한 지원자는 데이터 분석 및 변환을 위한 중급 수준의 SQL 쿼리를 작성한 경험이 있어야 합니다.
Python 프로그래밍에 대한 지식이 있어야 하며, 함수와 클래스를 설계하고 구현하는 능력을 포함하여 중급 수준의 Python 코드를 작성하는 데 능숙해야 합니다. 사용자는 또한 Python 패키지를 만들고, 가져오고, 효과적으로 활용하는 데 능숙해야 합니다.

Self-Paced

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

Customer registration Partner registration

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

Databricks Get Started Days (Data Engineering + SQL Analytics and BI) - Korean

Get Started with Databricks for Data Engineering

이 코스에서는 Databricks Data Intelligence Platform에서 기본적인 데이터 엔지니어링 워크플로를 수행하는 데 필요한 기초 기술을 소개합니다. 워크스페이스를 살펴보고, Unity Catalog를 사용하며, 데이터 엔지니어가 Databricks에서 일상적으로 활용하는 핵심 구성 요소를 학습합니다.

이 코스는 실습 중심으로 진행됩니다. 먼저 워크스페이스에 익숙해진 다음, 각 주제별로 데모와 랩 노트북을 짝지어 진행합니다. 데모에서는 강사 또는 가이드 노트북과 함께 개념을 살펴보고, 랩에서는 방금 학습한 내용을 직접 적용합니다.

Get Started with SQL Analytics and BI on Databricks

이 과정은 데이터 분석과 데이터 웨어하우징에 필수적인 기술을 다루는 Databricks Data Intelligence Platform을 소개합니다. 워크스페이스 탐색, 데이터 객체 다루기, SQL 쿼리 실행, Delta Lake 기능 사용, 대시보드 생성 등을 배우세요. 실습 실험은 실시간 Databricks 환경에서 실습 경험을 제공합니다.

Databricks Free Edition 계정 을 생성하여 실습 환경에서 따라 해보는 데모를 체험해 보실 수 있습니다.

Free

instructor-led

Onboarding

Machine Learning Practitioner

Machine Learning Model Development - Korean

이 종합 강의는 Databricks에서 전통적인 머신러닝 모델을 개발하는 실용적인 가이드를 제공하며, 인기 있는 ML 라이브러리를 활용한 실습 시연과 워크플로우를 강조합니다. 참가자들은 회귀와 클러스터링 등 주요 ML 기법을 탐구하며 Databricks의 강력한 기능을 활용할 것입니다. 이 과정은 모델 추적을 위한 MLflow 통합, 특성 관리를 위한 Databricks Feature Store, 하이퍼파라미터 튜닝을 위한 Optuna를 다룹니다. 또한, 참가자들은 자연어, MCP 연결, 지침 및 기술을 활용해 전체 ML 수명 주기를 안내하는 Databricks의 AI 기반 코딩 어시스턴트인 Genie Code를 통해 모델 개발을 가속화하는 방법을 배우게 됩니다. 과정이 끝날 때에는 학습자들은 Databricks 환경에서 머신러닝 모델을 효율적으로 개발, 최적화, 배포할 수 있는 실용적인 기술과 실무 능력을 갖추게 됩니다.

Free

Associate

Data Engineer