Get Started with SQL Analytics and BI on Databricks - Korean

이 과정에서는 Databricks Data and AI Platform의 Unity Catalog를 사용하여 카탈로그 구조와 대규모 데이터 조직을 설계, 구현 및 관리하는 방법을 학습합니다. 총 5개의 모듈로 구성되며, 먼저 클라우드 배포 모델 내에서 Unity Catalog의 위치를 살펴보고, 어카운트 콘솔, 지역별 메타스토어, 그리고 이를 가능하게 하는 관리자 역할을 다룹니다. 이어서 조직의 토폴로지(비즈니스 단위, 지역, dev/QA/prod 환경)를 명명 규칙, 소유권, MANAGE 위임을 갖춘 스케일 가능한 카탈로그 및 스키마 설계로 전환하는 방법을 학습합니다. 다음으로, 스토리지 자격 증명, 외부 위치, 관리형 스토리지 계층 구조, 관리형 테이블과 외부 테이블의 비교, Volumes, Lakehouse Federation을 활용한 안전한 스토리지 통합을 다룹니다. 그런 다음 워크스페이스-카탈로그 바인딩, 권한 상속, 행 필터, 열 마스크, 속성 기반 접근 제어(ABAC) 정책 등 액세스 패턴과 격리 전략을 적용하고, 감사 신호를 통해 결과를 검증합니다. 마지막으로, Unity Catalog 환경을 설계, 관리 및 운영하기 위한 모범 사례를 다루며 과정을 마무리합니다. 실습 데모와 랩은 서버리스 compute에서 실행되며, 짧은 Genie Code 단계가 포함됩니다.

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

이 과정에서는 데이터 분석을 위해 Databricks를 효과적으로 활용하는 방법을 학습하며, 특히 Databricks SQL에 중점을 둡니다. Databricks 데이터 분석가로서 관련 데이터를 찾고, 잠재적 활용 가능성을 분석하며, 비즈니스에 유용한 인사이트를 제공하는 형식으로 데이터를 변환하는 역할을 담당하게 됩니다. 

또한 데이터 객체 관리에서 맡게 되는 역할을 이해하고, Notebooks, SQL Editor, Databricks SQL과 같은 도구를 활용하여 Databricks Data Intelligence Platform 내에서 데이터 객체를 조작하는 방법을 학습합니다. 

아울러 데이터 자산 및 전체 플랫폼 관리에 있어 Unity Catalog의 중요성에 대해서도 학습합니다. 마지막으로, 이 과정에서는 Databricks가 성능 최적화를 지원하는 방식에 대한 개요를 제공하며, Databricks에서 SQL 분석을 실행할 때 내부적으로 발생하는 프로세스를 파악하기 위해 쿼리 인사이트에 액세스하는 방법을 학습합니다.

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.

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

이 과정은 Databricks에서 전통적인 머신 러닝을 위한 데이터 준비의 기본 사항을 가르칩니다. 학습자는 Unity Catalog에서 관리되는 Delta 테이블에 데이터를 로드하고, Notebooks, 기본 내장 시각화 도구, Genie Code를 활용하여 데이터를 탐색합니다. 이후 데이터를 정제하고, 결측값과 이상값을 처리하며, 데이터 누수 없이 데이터를 분할 및 샘플링하고, 대체(imputation), 인코딩, 표준화를 위한 재현 가능한 Spark ML 파이프라인을 구축합니다. 마지막으로, Unity Catalog의 특성 엔지니어링을 사용하여 특성을 저장하고, 관리하며, 재사용합니다. 여기에는 누수 없는 학습 세트를 위한 포인트-인-타임(point-in-time) 조회와, Lakebase 기반 Online Feature Store를 활용한 온라인 특성 서빙 소개가 포함됩니다. 각 모듈은 강의와 실습 데모, 그리고 서버리스 compute에서 실행되는 실습 랩으로 구성됩니다. 모델 학습, 서빙, 모니터링은 이 과정에서 다루지 않으며, Machine Learning Model Development 및 Machine Learning Model Deployment 과정에서 학습합니다. 이 과정은 Databricks에서 데이터 준비에 대한 탄탄한 기초를 쌓고자 하는 어소시에이트 수준의 데이터 과학자 및 머신 러닝 실무자를 대상으로 설계되었습니다.

참고:

1. 이 과정은 'Databricks를 활용한 머신 러닝' 시리즈의 첫 번째 과정입니다.

2. SCORM 강의 파일의 경우, 콘텐츠를 완료한 후 SCORM 창을 닫아 주세요. '다음 레슨' 버튼은 클릭하지 마세요. 클릭하면 SCORM 모듈이 완료로 표시되지 않을 수 있습니다.