주요 컨텐츠로 이동

Get Started with SQL Analytics and BI on Databricks - Korean

이 과정은 데이터 분석과 데이터 웨어하우징에 필수적인 기술을 다루는 Databricks Data Intelligence Platform을 소개합니다. 워크스페이스 탐색, 데이터 객체 다루기, SQL 쿼리 실행, Delta Lake 기능 사용, 대시보드 생성 등을 배우세요. 실습 실험은 실시간 Databricks 환경에서 실습 경험을 제공합니다.


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

Skill Level
Onboarding
Duration
3h
Prerequisites

본 콘텐츠는 다음과 같은 기술/지식/능력을 갖춘 참가자를 대상으로 개발되었습니다:  
ANSI SQL, 통계 분석, 데이터 준비 및 발표 등 데이터 분석 원칙과 주제에 대한 기본적인 이해

Outline

Databricks 개요

Databricks 인프라

Databricks Data Intelligence Platform

Unity Catalog 개요

Databricks Workspace 가이드


데이터 분석을 위한 Databricks 사용

Databricks에서의 데이터 분석 소개

Databricks에서 쿼리를 작성하는 방법

Databricks SQL과 함께 Databricks Assistant를 사용하는 방법

Delta Lake 개요

Databricks SQL과 함께 Delta Lake 기능 사용


Databricks AI/BI

AI/BI 소개

Databricks에서 대시보드 만들기

Genie Space 만들기

데이터 분석 통합 실습

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

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

Paid & Subscription
3h
Lab
Associate

Questions?

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