Get Started with SQL Analytics and BI on Databricks - Korean

이 과정에서는 기존 소프트웨어 테스트로는 처리할 수 없는 비결정론적 AI 시스템의 고유한 과제를 해결하기 위해 MLflow의 평가 프레임워크를 사용하여 AI Agents를 체계적으로 평가하는 방법을 학습합니다. 학생들은 Unity Catalog에 등록되어 있으며 Unity Gateway를 통해 모델을 호출하는 공유 도구 호출 에이전트를 평가합니다. 이때 정확성 및 안전성과 같은 일반적인 기준에는 기본 내장 판정자를, 비즈니스별 요구 사항에는 가이드라인 판정자를, 특수한 요구 사항에는 커스텀 판정자를 사용합니다. 이 과정에서는 선별된 데이터셋을 사용한 오프라인 평가와 Unity Catalog에 MLflow Traces를 저장하는 것을 포함한 온라인 생산 모니터링을 모두 다룹니다. 학생들은 MLflow 트레이싱을 사용하여 에이전트 실행 패턴을 파악하고, 개발자 및 Databricks App을 통해 에이전트를 검토하는 도메인 전문가로부터 사람의 피드백을 수집합니다. 실습 시연과 실험을 통해 학생들은 AI Agent 개발 생애 주기 전반에 걸쳐 지속적인 품질 향상을 이끄는 평가 Workflows를 구축하는 역량을 개발합니다.

참고: 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.

이 과정은 Databricks에서 검색 에이전트를 구축하기 위한 실습 학습을 제공합니다. 참가자들은 비정형 데이터를 위한 Genie Agents 생성, Lakebase Search를 활용한 정보 검색, AI Functions를 사용한 비정형 문서의 정형 데이터 파싱 및 변환, 시맨틱 검색을 위한 TEXT 청킹, 그리고 다양한 검색 모드를 갖춘 AI Search 인덱스 구축 방법을 학습합니다.

참고: SCORM 강의 파일의 경우, 콘텐츠를 완료한 후 SCORM 창을 반드시 닫아 주세요. ‘다음 레슨’ 버튼을 클릭하지 마세요. 클릭하면 SCORM 모듈이 완료로 표시되지 않을 수 있습니다.

이 과정에서는 Databricks Data + AI Platform을 사용하여 간단한 데이터 사이언스 및 머신 러닝 워크플로를 수행하는 데 필요한 기본 기술을 학습합니다. 워크스페이스 둘러보기와 Notebooks 사용 방법을 안내받게 됩니다. 탐색적 데이터 분석과 특성 엔지니어링을 탐험하고, MLflow로 모델을 추적 및 관리하며, Databricks Genie Code를 사용하여 실험하고, Databricks Model Serving으로 모델을 배포합니다. 마지막으로, 이 과정은 엔드투엔드 머신 러닝 라이프사이클을 다루는 종합 실습을 통해 이러한 기술들을 통합합니다.

Languages Available: English | 日本語 | Português BR | 한국어 | Français | Español | 普通话