주요 컨텐츠로 이동

Get Started with Databricks for Generative AI - Korean

이 강의는 Mosaic AI 플랫폼에 대한 실용적인 입문으로, 생성형 AI 시스템 구축 및 배포를 위한 키 구성 요소와 기능에 중점을 둡니다. 참가자들은 Databricks가 확장 가능한 생성형 AI 솔루션 개발을 어떻게 촉진하는지 배우고, 벡터 검색, 에이전트 프레임워크, 모델 추적 및 로깅을 위한 MLflow의 생성적 AI 기능과 같은 Mosaic AI 도구를 탐색하게 됩니다. 이 과정에는 검색 증강 생성(RAG) 파이프라인 구축 및 평가, 생성 AI 에이전트 배포, 평가 프레임워크 활용을 통한 성능 최적화 실습 경험이 포함됩니다. 과정이 끝날 때쯤이면 학습자들은 Mosaic AI를 활용한 일반적인 생성형 AI 애플리케이션을 설계, 배포, 모니터링할 수 있는 기술을 갖추게 됩니다.


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

Skill Level
Onboarding
Duration
3h
Prerequisites

이 콘텐츠는 다음과 같은 기술/지식/능력을 갖춘 참여자를 위해 개발되었습니다 :

• Databricks Data Intelligence Platform 및 기본 워크스페이스 연산(클러스터 생성, Notebooks 코드 실행, 기본 notebook 연산 사용)

• Python 프로그래밍 기본 지식과 APIs 작업 (Databricks SDK, 외부 모델 통합)

• 모델 학습, 평가, 배포 개념

 등 머신 러닝 기본 개념 이해- 생성형 AI 개념(대형 언어 모델, 프롬프트 엔지니어링, 환각, 검색 증강 생성)

 기본 숙련 - 데이터 거버넌스 및 model registry 연산

을 위한 Unity Catalog 중급 경험 - 문서 검색

을 위한 벡터 검색 및 유사도 탐색 개념에 대한 기본 지식 - 실험 추적, 모델 로깅, 평가 프레임워크

를 위한 MLflow 익숙함- Delta Lake 및 데이터 관리 개념(테이블, 스키마, 데이터 형식) 이해

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

Build Data Pipelines with Lakeflow Declarative Pipelines - Korean

이 과정에서는 여러 스트리밍 테이블과 구체화된 보기를 통한 증분 배치 또는 스트리밍 수집 및 처리를 위해 Databricks의 Lakeflow 선언적 파이프라인를 사용하여 데이터 파이프라인을 구축하는 데 필요한 필수 개념과 기술을 사용자에게 소개합니다. Lakeflow 선언적 파이프라인를 처음 접하는 데이터 엔지니어를 위해 설계된 이 과정은 증분 데이터 처리, 스트리밍 테이블, 구체화된 보기 및 임시 보기와 같은 핵심 구성 요소에 대한 포괄적인 개요를 제공하고 구체적인 목적과 차이점을 강조합니다.

다루는 주제는 다음과 같습니다.

- SQL을 사용하여 Lakeflow의 다중 파일 편집기로 ETL 파이프라인 개발 및 디버깅 (Python 코드 예제 제공)

- Lakeflow 선언적 파이프라인이 파이프라인 그래프

를 통해 파이프라인의 데이터 종속성을 추적하는 방법- 파이프라인 컴퓨팅 리소스, 데이터 자산, 트리거 모드 및 기타 고급 옵션

 구성 다음으로, 이 과정에서는 Lakeflow의 데이터 품질 기대치를 소개하고, 데이터 무결성을 검증하고 적용하기 위해 기대치를 파이프라인에 통합하는 프로세스를 안내합니다. 그런 다음 학습자는 스케줄링 옵션, 프로덕션 모드, 파이프라인 이벤트 로깅을 활성화하여 파이프라인 성능 및 상태를 모니터링하는 등 파이프라인을 프로덕션에 적용하는 방법을 살펴봅니다.

마지막으로, 이 과정에서는 Lakeflow Declarative Pipelines 내에서 APPLY CHANGES INTO 구문을 사용하여 Change Data Capture  (CDC)를 구현하여 느리게 변화하는 차원(SCD 유형 1 및 유형 2)을 관리하여 사용자가 CDC를 자신의 파이프라인에 통합할 수 있도록 준비하는 방법을 다룹니다.

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

Paid & Subscription
4h
Lab
Associate

Questions?

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