Machine Learning with Databricks - Korean
'Databricks를 활용한 머신러닝' 과정에 오신 것을 환영합니다!
이 과정은 Databricks 환경에서 머신러닝 워크플로를 완벽하게 마스터하기 위한 여러분의 입문서가 되어 줄 것입니다. 전문 강사진의 지도 아래 데이터 준비, 모델 개발, 배포 및 운영에 이르는 전 과정을 깊이 있게 탐구해 보세요. Databricks에 최적화된 데이터 탐색, 모델 훈련, 그리고 배포 전략에 필요한 핵심 기술을 습득하게 됩니다. 과정을 마치면 Databricks platform 내에서 전체 머신러닝 수명 주기를 주도적으로 관리할 수 있는 지식과 자신감을 갖추게 되며, 이를 바탕으로 견고한 머신러닝 솔루션을 효율적으로 구축하고 배포할 수 있게 될 것입니다.
참고: Databricks Academy는 Databricks 환경 내의 대면 강의 형식을 노트북 기반 방식으로 전환함에 따라, 강의용 슬라이드 사용이 중단됩니다. Vocareum 랩 환경에서 강의용 노트북에 액세스할 수 있습니다.
머신러닝을 위한 데이터 준비
이 과정은 Databricks를 사용하여 머신 러닝을 위한 데이터 준비의 기본 사항에 중점을 둡니다. 참가자들은 전통적인 머신 러닝 애플리케이션에 맞게 데이터를 탐색, 정제 및 구성하는 데 필요한 핵심 기술을 학습합니다. 주요 주제로는 데이터 시각화, 특성 엔지니어링, 최적의 특성 저장 전략이 포함됩니다. 실습 과제를 통해 참가자들은 Databricks 내에서 머신 러닝을 위한 데이터 세트를 효율적으로 준비하는 실무 경험을 쌓게 됩니다. 이 과정은 어소시에이트 수준의 데이터 과학자 및 머신 러닝 실무자, 그리고 데이터 준비 역량을 강화하고자 하는 개인을 대상으로 설계되었으며, 성공적인 머신 러닝 모델 배포를 위한 탄탄한 기반을 제공합니다.
머신러닝 모델 개발
이 종합 과정은 Databricks에서 전통적인 머신 러닝 모델을 개발하기 위한 실용적인 가이드를 제공하며, 인기 있는 ML 라이브러리를 사용한 실습 데모 및 Workflows에 중점을 둡니다. 참가자들은 회귀 및 클러스터링을 포함한 핵심 ML 기법을 탐험하면서 Databricks의 강력한 기능을 활용하게 됩니다. 이 과정은 모델 추적을 위한 MLflow 통합, 특성 관리를 위한 Databricks Feature Store, 그리고 하이퍼파라미터 튜닝을 위한 Optuna를 다룹니다. 또한 참가자들은 자연어, MCP 연결, 지침 및 스킬을 활용하여 전체 ML 라이프사이클을 가이드하는 Databricks의 AI 기반 코딩 어시스턴트인 Genie Code를 통해 모델 개발을 가속화하는 방법을 학습합니다. 과정이 끝나면 학습자들은 Databricks 환경에서 머신 러닝 모델을 효율적으로 개발, 최적화 및 배포할 수 있는 실무 역량을 갖추게 됩니다.
머신러닝 모델 배포
이 과정은 세 가지 주요 머신러닝 배포 전략을 소개하고, Databricks 환경에서 각 전략을 실제로 구현하는 방법을 보여주기 위해 설계되었습니다. 모델 배포의 기초 원리를 탐구한 후, 과정은 배치 추론(Batch Inference) 분야로 심층적으로 들어갑니다. 배치 추론 시나리오에서 모델을 활용하는 방법에 대한 실습 시연과 랩(Lab) 실습을 제공하며, 성능 최적화를 위한 고려 사항들도 함께 다룹니다. 과정의 두 번째 파트에서는 파이프라인 배포(Pipeline Deployment)에 대해 포괄적으로 다루며, 마지막 파트에서는 실시간 배포(Real-time Deployment)에 집중하여 학습을 진행합니다. 참가자들은 실습 시연 및 랩 세션에 참여하여, Model Serving을 활용해 모델을 배포하고 해당 서빙 엔드포인트를 이용해 실시간 추론을 수행하게 됩니다.
머신러닝 운영
본 과정은 MLOps 및 모델 수명 주기 관리에 중점을 두고, 머신러닝 모델 운영 전반을 심층적으로 탐구할 수 있도록 참가자들을 안내합니다. 과정의 초반부에서는 필수적인 MLOps 구성 요소와 모범 사례를 다루며, 참가자들이 머신러닝 모델을 효과적으로 운영 환경에 적용하는 데 필요한 탄탄한 기초를 다질 수 있도록 지원합니다. 후반부에서는 모델 수명 주기의 기본 원리를 상세히 살펴보고, Unity Catalog와 연계된 Model Registry를 활용하여 모델 수명 주기를 원활하게 관리하는 방법을 시연합니다. 과정을 마치게 되면, 참가자들은 MLOps 원리에 대한 실질적인 통찰력과 포괄적인 이해를 갖추게 되며, 복잡다단한 머신러닝 모델 운영 환경을 능숙하게 다룰 수 있는 역량을 확보하게 될 것입니다.
Languages Available: English | 日本語 | Português BR | 한국어
이 콘텐츠를 수강하기 전에 최소한 다음 사항에 대해 숙지하고 있어야 합니다.
• Get Started with Databricks for Machine Learning (Onboarding) 과정을 이수했거나 Databricks 환경에서의 작업에 대한 동등한 기초 지식을 갖추고 있어야 합니다.
• 데이터 준비 및 분석을 위한 Python 프로그래밍에 대한 중급 수준의 숙련도.
• 머신 러닝 기초에 대한 기본적인 이해.
• Databricks 플랫폼 워크플로에 대한 이해.
• 데이터 형식 및 레이크하우스 개념에 대한 기본 지식.
• 탐색적 데이터 분석 및 기본 통계에 대한 기초적인 이해.
• Databricks Data Intelligence Platform 및 기본적인 워크스페이스 작업(클러스터 생성, 노트북에서 코드 실행, 기본 노트북 작업, git에서 Repos 가져오기)에 대한 이해.
• 데이터 조작 라이브러리(Pandas, NumPy) 및 API 활용(REST 엔드포인트, databricks-sdk, REST 엔드포인트)을 포함한 Python 중급 프로그래밍 경험.
• 실험 추적, 모델 로깅, Model Registry 작업 및 모델 수명 주기 관리를 위한 MLflow에 대한 기본 지식.
• 모델 학습, 평가, 배포 워크플로 및 성능 모니터링 개념을 포함한 머신 러닝 기초에 대한 이해.
• 데이터 거버넌스 및 Model Registry 관리를 위한 Unity Catalog에 대한 중급 경험.
• 특성 테이블, 특성 룩업(feature lookup), 오프라인 및 온라인 특성 저장소를 포함한 특성 엔지니어링 개념에 대한 기본적인 이해.
• Delta Lake 작업(테이블 생성, 업데이트 수행, 파일 최적화, Liquid 클러스터링) 및 데이터 스토리지 최적화 기법에 대한 이해.
• 분산 데이터 처리 및 사용자 정의 함수(UDF)를 위한 Apache Spark 및 PySpark에 대한 기본 지식.
• 머신 러닝 및 MLflow 추적의 기본 개념에 대한 지식.
• 데이터 품질 평가, 특성 엔지니어링, 모델 테스트, 지속적인 모니터링 관행, Databricks 워크스페이스 및 노트북을 포함한 MLOps 개념에 대한 이해.
• Python에 대한 중급 수준의 지식.
• 명령줄 인터페이스 및 클라우드 플랫폼과 개발 도구를 위한 인증 설정에 대한 기본 경험.
• Lakeflow Jobs 및 워크플로 오케스트레이션 개념(태스크 종속성, 조건부 로직, 일정 예약, 알림)에 대한 이해.
• 성능 메트릭 및 이상 탐지를 포함한 모델 모니터링 및 드리프트 탐지 원칙에 대한 기본 지식.
Outline
머신러닝을 위한 데이터 준비
• 데이터 관리 및 탐색
• 데이터 준비 및 특성 엔지니어링
• 특성 저장소
머신러닝 모델 개발
• 모델 개발 워크플로
• 하이퍼파라미터 튜닝
• 에이전틱 머신 러닝
머신러닝 모델 배포
• 모델 배포 기초=
• 배치 배포
• 파이프라인 배포
• 머신러닝 모델 배포 설계 문서
머신러닝 운영 (MLOps)
• 최신 MLOps
• MLOps 솔루션 구조화
• MLOps 솔루션 구현 및 모니터링
Public Class Registration
If your company has purchased success credits or has a learning subscription, please fill out the Training Request form. Otherwise, you can register below.
Private Class Request
If your company is interested in private training, please submit a request.
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
