Generative AI Fundamentals - Korean

이 과정에서는 조직이 생성형 인공 지능(AI) 모델을 이해하고 활용하는 방법을 소개합니다. 먼저, 생성형 AI에 대한 간략한 소개부터 시작하여, 생성형 AI가 무엇인지에 대해 논의하고 LLM이라고도 하는 대규모 언어 모델에 특별한 주의를 기울일 것입니다. 그런 다음 조직이 생성형 AI로 성공할 수 있는 방법을 살펴보고, LLM 애플리케이션이 무엇인지 자세히 알아보고, 레이크하우스 AI가 성공에 어떤 도움을 줄 수 있는지 논의하고, 일반적인 AI 도입을 위한 필수 고려 사항에 대해 논의합니다. 마지막으로, 생성형 AI 사용/채택과 관련된 잠재적 위험과 과제를 평가할 때 고려해야 할 중요한 측면을 다룰 것입니다.

Skill Level

Introductory

Duration

Prerequisites

이 콘텐츠는 다음과 같은 기술/지식/능력을 가진 참가자를 위해 개발되었습니다.

전제 조건의 지식이나 기술에 대한 요구 사항은 없습니다.

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

Instructor-Led

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

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

Data Engineer

Get Started with Data Governance on Databricks - Korean

이 강의에서는 Unity Catalog와 Databricks의 세밀한 접근 통제를 실습 데모와 캡스톤 랩을 통해 탐구하게 됩니다. 테이블 유형, 카탈로그 및 스키마 구성, 그룹 기반 접근 관리, 접근 제어 마이그레이션 전략에 대해 배우게 됩니다. 이 과정에는 행 수준 보안 및 컬럼 마스킹을 사용한 세분화된 접근 제어 적용, 속성 기반 접근 제어, 제어 결합, 제어 마이그레이션, 그리고 포괄적인 거버넌스 구현을 위한 실습 데모가 포함되어 있습니다.

Languages Available: English | 日本語 | 한국어

Free

Onboarding

Get Started with Data Governance on Databricks - Korean

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

Free

Associate