Get Started with Databricks Platform Administration - Korean

이 과정에서는 Databricks Data Intelligence Platform의 기본적인 플랫폼 관리 방법을 학습하게 됩니다. Databricks 환경 내에서 효과적인 데이터 거버넌스를 위한 핵심 구성 요소인 Unity Catalog에 대한 포괄적인 개요를 제공합니다. 다섯 개의 모듈로 구성된 이 과정은 Databricks 인프라와 data intelligence platform에 대한 상세한 소개로 시작하며, Databricks Workspace에 대한 심층적인 안내를 포함합니다. Unity Catalog 내 데이터 거버넌스 원칙을 탐구하며 핵심 개념, 아키텍처 및 역할을 다룹니다. 또한 Unity Catalog 메타스토어와 클러스터 및 SQL 웨어하우스를 포함한 compute 리소스 관리에 중점을 둡니다. 마지막으로 권한, 세분화된 접근 제어, 데이터 객체 거버넌스 방법을 학습하여 데이터 접근 제어를 숙달하게 됩니다. 과정을 마치면 효과적인 데이터 거버넌스 구현, 컴퓨팅 자원 최적화, 강력한 데이터 보안 전략 적용을 위한 유니티 카탈로그 관리 필수 기술을 습득하게 됩니다. Databricks Labs 구독 구매 시, 실제 Databricks Workspace 환경에서 배운 내용을 실습할 수 있는 포괄적인 랩 연습으로 과정을 마무리합니다.

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

Skill Level

Onboarding

Duration

Prerequisites

이 과정에서는 다음과 같은 기술/지식/능력을 가진 참가자들을 위해 내용이 개발되었습니다:

• Databricks Data Intelligence Platform 및 기본 워크스페이스 작업 (클러스터 생성, 노트북에서 코드 실행, 기본 노트북 작업 사용)에 대한 이해

• 신원 및 접근 관리 개념 (사용자, 그룹, 서비스 주체, 인증, 권한 부여)에 대한 기본적인 이해

• 계층적 객체 모델 (메타스토어, 카탈로그, 스키마, 테이블, 볼륨, 모델)을 포함한 Unity Catalog 기본 사항에 대한 이해

• 데이터 거버넌스 원칙 및 접근 제어 개념 (권한, 권한 부여, 관리 책임)에 대한 기초 지식

• 클라우드 compute 개념 (가상 머신, 객체 스토리지, 신원 관리, 클라우드 리소스)에 대한 초급 수준의 이해

• 사용자 관리 및 권한 할당을 포함한 작업 공간 관리 개념에 대한 기본 이해

• 계정 수준 관리와 워크스페이스 수준 관리의 차이 및 상호 관계에 대한 지식

• 네트워킹, SQL 쿼리, 테이블 및 뷰와 같은 데이터베이스 구조를 포함한 클라우드 컴퓨팅 및 SQL 개념에 대한 기본 이해

• Python 프로그래밍, Jupyter 노트북 인터페이스 및 기초적인 PySpark 작업에 대한 익숙함

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

Machine Learning Practitioner

Get Started with Databricks for Machine Learning - Korean

이 과정에서는 Databricks Data Intelligence Platform을 활용하여 기본 머신러닝 워크플로를 실행하고 데이터 사이언스 워크로드를 지원하는 데 필요한 기초 기술을 습득하게 됩니다. 머신러닝 실무자의 관점에서 플랫폼을 탐구하며, Databricks Notebooks를 활용한 피처 엔지니어링과 MLflow를 통한 모델 라이프사이클 추적 등의 주제를 다룹니다. 또한 Mosaic AI Model Serving을 통한 실시간 모델 추론에 대해 배우고, AutoML을 통해 Databricks의 모델 개발에 대한 “투명한 접근 방식(glass box approach)”을 경험하게 됩니다. 본 과정에는 강사가 진행하는 세 가지 데모가 포함되어 있으며, 데모에서 다룬 개념을 강화하는 종합 실습으로 마무리됩니다.

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

Paid & Subscription

Lab

Onboarding

Databricks Data Privacy - Korean

이 콘텐츠는 Databricks 내에서 데이터 프라이버시를 관리하는 포괄적인 가이드를 제공합니다. 델타 레이크 아키텍처, 지역별 데이터 격리, GDPR/CCPA 준수, 변경 데이터 피드(CDF) 사용법 등 핵심 주제를 다룹니다. 실습 데모와 핸즈온 랩을 통해 참가자는 민감한 데이터를 보호하고 규정 준수를 보장하기 위한 Unity catalog 기능을 활용하는 방법을 배우며, 데이터 무결성을 효과적으로 보호할 수 있는 역량을 강화합니다.

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

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

Build Data Pipelines with Lakeflow Spark 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

Lab

Associate