Machine Learning Operations - Mandarin Chinese

本课程将引导学员全面探索机器学习模型运营，重点关注 MLOps 与模型生命周期管理。课程初始部分涵盖 MLOps 的核心组件与最佳实践，为学员有效实施机器学习模型的运营化奠定坚实基础。在课程后半部分，我们将深入介绍模型生命周期的基础知识，演示如何结合使用 Model Registry 与 Unity Catalog 无缝管理模型生命周期，从而实现高效的模型管理。课程结束时，学员将获得实践洞察，并对 MLOps 原则形成全面深入的理解，掌握在复杂的机器学习模型运营环境中灵活应对所需的技能。

注意：

这是 'Machine Learning with Databricks’ 系列课程中的第四门课程。
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

Associate

Duration

Prerequisites

在尝试学习此内容之前，您至少应熟悉以下内容:

• 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）的使用以及与 APIs 的交互（REST 端点、JSON 载荷）

• 掌握 MLflow 的基础知识，涵盖实验追踪、模型日志记录、Model Registry 运营及模型生命周期管理

• 理解机器学习基础知识，包括模型训练、评估、部署工作流及性能监控概念

• 熟悉 MLOps 概念，包括数据质量评估、特征工程、模型测试及持续监控实践

• 具备命令行界面的基本使用经验，以及云平台和开发工具的身份验证配置经验

• 理解 LakeFlow Jobs 及工作流编排概念（任务依赖关系、条件逻辑、调度、通知）

• 掌握模型监控与漂移检测的基本原理，包括性能指标与异常检测

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