Machine Learning at Scale - Mandarin Chinese

在本课程中，您将深入了解 Apache Spark 的架构及其在 Databricks 中应用于机器学习工作负载的理论与实践知识。您将学习何时使用 Spark 进行数据准备、模型训练和部署，同时获得使用 Spark ML 以及 Pandas APIs on Spark 的实践经验。本课程将向您介绍高级概念，例如超参数调优以及使用 Spark 扩展 Optuna。本课程将使用助理课程中介绍的功能和概念，例如 MLflow 和 Unity Catalog，以实现全面的模型打包与治理。

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。

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：

• 熟悉 Databricks Data Intelligence Platform 及基本工作区运营（创建集群、在笔记本中运行代码、使用基本笔记本操作、从 Git 导入 Repos）

• 具备中级 Python 编程经验，包括数据处理库（Pandas、NumPy）和机器学习框架（Scikit-Learn）

• 掌握 Apache Spark 和 PySpark 基础知识，包括 DataFrames、转换及分布式数据处理操作

• 理解机器学习概念，包括模型训练、评估、超参数调优及部署工作流

• 具备中级 Delta Lake 运营经验（创建表、执行更新、优化文件、时间旅行功能）

• 基本熟悉 MLflow 的实验追踪、模型记录及 Model Registry 运营

• 理解分布式计算概念（集群架构、并行化、可扩展性考量）

• 掌握基本 SQL 知识，用于在 Spark 环境中进行数据查询与处理

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

Data Analyst

Introduction to Lakebase

Establishes what Lakebase is and why it exists as fully managed Postgres on the lakehouse with unified governance. Built on the lecture-demo pattern (teach a concept, immediately run it), the course anchors four canonical use cases — each proven with a named customer story — and a three-signal decision framework for choosing between Lakebase, Delta, and the Lakehouse. It is the entry point for the Lakebase pathway; the use cases and decision tree introduced here are expanded by every later course in the series.

Automated Deployment with Declarative Automation Bundles - Mandarin Chinese

本课程全面介绍了 DevOps 原则及其在 Databricks 项目中的应用。课程首先概述了核心 DevOps、DataOps、持续集成（CI）、持续部署（CD）和测试的基本概念，并探讨了如何将这些原则应用于数据工程管道。

课程随后聚焦于 CI/CD 流程中的持续部署，介绍用于项目部署的工具，包括 Databricks REST API、SDK 和 CLI。您将了解声明式自动化包（DAB）及其在 CI/CD 流程中的作用，深入学习其关键组件、文件夹结构，以及它们如何简化在 Databricks 中跨各种目标环境的部署流程。您还将学习如何使用 Databricks CLI 为多个具有不同配置的环境添加变量、修改、验证、部署和执行声明式自动化包。

最后，课程介绍如何将 Visual Studio Code 作为交互式开发环境（IDE），用于在本地构建、测试和部署声明式自动化包，从而优化开发流程。课程最后介绍如何使用 GitHub Actions 自动化部署管道，以增强声明式自动化包的 CI/CD 工作流。

完成本课程后，您将具备使用声明式自动化包自动化 Databricks 项目部署的能力，并能够通过 DevOps 实践提升工作效率。

注意：

Databricks Academy 正在将所有自定进度课程从视频讲座转为更简洁的 PDF 格式，其中包含幻灯片和讲义。请注意，演示视频仍将以原始格式提供。我们非常希望听到您对这一变化的看法，因此请通过课程末尾的课程调查分享您的反馈。感谢您成为我们学习社区的一员！本课程是 ‘Advanced Data Engineering with Databricks’ 系列的第四门课程。

Paid & Subscription

Lab

Professional

Building RAG Agents with Agent Bricks

This course provides hands-on training for building retrieval agents on Databricks. Participants will learn to create Genie Agents for unstructured data, perform information retrieval with Lakebase Search, parse and transform unstructured documents into structured data using AI Functions, chunk text for semantic retrieval, and build AI Search indexes with multiple search modes.

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.

Paid & Subscription

Lab

Associate