Advanced Machine Learning Operations - Mandarin Chinese

本课程将为您提供对机器学习生命周期和 MLOps 的全面理解，重点介绍数据与模型管理、测试以及可扩展架构的最佳实践。课程涵盖 MLOps 的关键组件，包括 CI/CD、管道管理和环境隔离，同时展示 Databricks 用于自动化和基础设施管理的工具，如 Declarative Automation Bundles（DABs）、Lakeflow Jobs 和 Model Serving。您将学习监控、自定义指标、漂移检测、模型发布策略、A/B 测试，以及可靠 MLOps 系统的设计原则，从而全面掌握在 Databricks 中实施和管理 ML 项目的方法。

注意：

本课程是“Advanced Machine Learning”系列中的第二门课程。
对于 SCORM 课程文件，请确保完成内容后关闭 SCORM 窗口。请勿点击 ‘Next Lesson’ 按钮，否则可能导致 SCORM 模块无法标记为已完成。

Skill Level

Professional

Duration

Prerequisites

本课程内容面向具备以下技能、知识和能力的学员：

• 具备管理员权限的 Databricks 工作区访问权限，以及对基本 Databricks 运营的熟悉程度（创建集群、运行笔记本、基本笔记本操作）

• 具备 Git 版本控制的中级经验，包括代码仓库管理以及用于 GitHub 集成的个人访问令牌（PAT）配置

• 具备 CI/CD 工作流、管道配置以及自动化部署流程相关 DevOps 概念的基础知识

• 具备 Python 中级编程经验，以及使用 MLflow 进行模型追踪与管理、使用 Unity Catalog 进行数据治理的相关经验

• 熟悉机器学习模型开发生命周期，包括特征工程、模型训练、验证及部署概念

• 具备命令行界面使用经验，尤其是 Databricks CLI 的安装、配置以及使用个人访问令牌进行身份验证

• 了解模型部署策略，包括 A/B 测试、流量分配及实时推理概念

• 具备 Lakeflow Jobs 的基础知识，包括任务创建、任务依赖关系及工作流编排

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

Customer registration Partner registration

See all our registration options

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

Instructor-Led

Public and private courses taught by expert instructors across half-day to two-day courses

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

Upcoming Public Classes

Machine Learning Practitioner

Machine Learning Model Development - Mandarin Chinese

本综合课程提供了一份在 Databricks 上开发传统机器学习模型的实用指南，重点介绍使用主流 ML 库进行实践演示和工作流程。学员将浏览关键 ML 技术，包括回归和集群化，同时充分利用 Databricks 的强大功能。课程涵盖用于模型追踪的 MLflow 集成、用于功能管理的 Databricks 特征存储，以及用于超参数调优的 Optuna。此外，学员还将学习如何借助 Genie Code 加速模型开发——这是 Databricks 的 AI 驱动编程助手，利用自然语言、MCP 连接、指令和技能来指南完整的 ML 生命周期。课程结束时，学员将具备在 Databricks 环境中高效开发、优化和部署机器学习模型的实际应用技能。

注意：1. 这是 'Machine Learning with Databricks' 系列课程中的第二门课程。2. 对于 SCORM 课程文件，请确保完成内容后关闭 SCORM 窗口。请勿点击 ‘Next Lesson’ 按钮，否则可能导致 SCORM 模块无法标记为已完成。

Free

Associate

Generative AI Engineer

Deploying and Monitoring Agent Applications on Databricks - Mandarin Chinese

本课程涵盖在 Databricks 上部署和监控生成式 AI 智能体的端到端生命周期。学员将学习如何使用 Declarative Automation Bundles（DABs）将智能体部署为 Databricks Apps，通过模型上下文协议（MCP）集成工具，使用 MLflow Tracing 对智能体进行埋点，以及使用评分器、多轮评判器和在线评估来评估生产质量。通过动手演示和实验，学员将获得在 Databricks 平台上构建、观测和监控生产级 AI 智能体的实践经验。

注意：对于 SCORM 讲授文件，请确保在完成内容后关闭 SCORM 窗口。请勿点击“Next Lesson”按钮，否则可能导致 SCORM 模块无法被标记为已完成。

Free

Associate

Databricks AI Security Fundamentals

Databricks AI Security Fundamentals explores how to build and secure AI systems on the Databricks platform, from understanding core platform components and AI deployment models through applying the Databricks AI Security Framework (DASF) 3.0 to identify and mitigate real-world threats. Learners will examine the AI System Lifecycle across its 13 components and 97 security risks, study the agentic threat model including the Lethal Trifecta, and see how Databricks products (Unity Catalog ABAC, Unity Gateway, Serverless Egress Controls, and MLflow Tracing) implement the 73 DASF mitigation controls in practice.

Note: For SCORM lecture files, please ensure that you close the SCORM window after completing the content. Do not click the ‘Next Lesson’ button, as doing so may prevent the SCORM module from being marked as complete.

Free

Introductory