주요 컨텐츠로 이동

Introduction to Python for Data Science and Data Engineering - Korean

이 과정은 Python을 처음 접하는 완전한 초보자를 대상으로 하며, 데이터를 프로그래밍 방식으로 다루는 기초를 제공합니다. 과정은 프로그래밍 표현식, 변수, 데이터 타입에 대한 기본 소개로 시작합니다. 이후 조건문 및 제어문, 함수, 컬렉션 타입, 반복문, 오류 처리, 클래스로 이어집니다. 외부 라이브러리를 활용하여 Python을 확장하는 방법을 배우고, 데이터 분석 및 시각화를 위한 Pandas 라이브러리 사용 경험을 쌓게 되며, Apache Spark를 활용한 Pandas Workflows 확장도 포함됩니다. 마지막으로 클라우드 컴퓨팅의 기본 개념을 탐험합니다. 과정 전반에 걸쳐 실습 과제를 통해 실습으로 넘어갑니다, 수업 이후에도 프로그래밍 지식을 심화할 수 있는 추가 리소스도 제공됩니다.

Skill Level
Introductory
Duration
10h
Prerequisites

이 콘텐츠는 다음과 같은 기술, 지식 및 역량을 보유한 참가자를 대상으로 개발되었습니다:

• 기본적인 컴퓨터 활용 능력 및 운영 체제 친숙도 (파일 관리, 웹 브라우저, 소프트웨어 설치)

• 수학적 개념에 대한 기초적인 이해 (산술 연산, 기초 대수, 통계 기본 개념)

• 데이터 개념에 대한 초급 수준의 친숙도 (데이터셋, 테이블, 행, 열, 데이터 유형)

• Databricks 워크스페이스에 접근하기 위한 웹 브라우저 및 온라인 학습 플랫폼 활용 능력

• 프로그래밍 개념을 위한 기본적인 문제 해결 능력 및 논리적 사고력

• 사전 Python 경험 불필요; 다른 언어의 프로그래밍 개념에 대한 일반적인 친숙도가 있으면 도움이 됩니다

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

Catalog Management and Data Organization - 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.

Paid & Subscription
3h
Lab
Associate
Machine Learning Practitioner

Data Preparation for Machine Learning - Korean

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.

Paid & Subscription
3h
Lab
Associate

Questions?

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