После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Узнайте о возможностях Lakehouse В современном мире, насыщенном данными, нам нужны инструменты, которые позволяют принимать решения на основе данных максимально эффективно. Этот курс проведет вас от начала до конца через то, как платформа Databricks Lakehouse Platform обеспечивает единое, масштабируемое и высокопроизводительное решение для ваших процессов работы с данными. Работа с реальным набором данных научит вас выполнять различные задачи на платформе Databricks. Вы начнёте курс с изучения того, как администрировать платформу Databricks и обеспечивать безопасную настройку вашей среды.
Практикуйте масштабируемую инженерию данных После настройки рабочего пространства вы узнаете, как создавать мощные конвейеры данных с помощью Databricks. Вы будете применять различные преобразования к набору данных, переводя его из Bronze в Silver, а затем в Gold в архитектуре Medallion. Вы узнаете, как кластеры Databricks обеспечивают легко доступные вычислительные ресурсы и масштабируемость. Вы настроите сквозной Databricks Workflow, чтобы автоматизировать весь ваш конвейер данных.
Используйте Lakehouse в качестве своего хранилища данных Ключевая особенность архитектуры Lakehouse заключается в том, что вы можете выполнять запросы к своему хранилищу данных так же, как к традиционному хранилищу данных. В этом разделе вы узнаете, как Databricks SQL обеспечивает нужную вам производительность хранилища данных поверх вашего озера данных. Вы узнаете, как создавать запросы с использованием стандартного ANSI SQL и использовать эти результаты для создания разовых дашбордов по всему вашему набору данных.
Внедряйте управляемую науку о данных и машинное обучение Наконец, вы узнаете, как Databricks предоставляет полный набор инструментов для задач науки о данных и машинного обучения. Вы научитесь отслеживать и оценивать свои модели с помощью полностью интегрированного фреймворка MLFlow для MLOps. Вы узнаете, как Feature Store и Model Registry упрощают процесс создания моделей машинного обучения производственного уровня. Наконец, вы узнаете, как развертывать и отслеживать свои модели с помощью встроенных возможностей обслуживания моделей.
Предварительные требования
Программа
План курса
1
Добро пожаловать в Databricks
Познакомьтесь с новой парадигмой озёрного хранилища данных (lakehouse) в облачной стратегии работы с данными и узнайте, как платформа Databricks Lakehouse может модернизировать вашу архитектуру данных. Изучите ключевые компоненты платформы Databricks и поймите, как они взаимодействуют друг с другом.
- Введение в платформу Databricks Lakehouse50 XP
- Зачем выбирать Lakehouse?50 XP
- Преимущества Databricks Lakehouse50 XP
- Архитектурные решения100 XP
- Ключевые возможности платформы Databricks Lakehouse50 XP
- Зачем использовать Delta?50 XP
- Databricks для разных специалистов50 XP
- Возможности для каждой роли в работе с данными100 XP
- Администрирование рабочего пространства Databricks50 XP
- Управление пользователями и их добавление50 XP
- Настройка примера рабочего пространства Databricks50 XP
- Плоскость управления и плоскость данных50 XP
- Настройка рабочего пространства Databricks100 XP
2
Инженерия данных
Узнайте, как обрабатывать, преобразовывать и очищать данные с помощью инструментов Databricks. Попрактикуйтесь в использовании таких возможностей, как формат хранения Delta, Delta Live Tables и Workflows, — в совокупности они образуют сквозной конвейер обработки данных.
3
Databricks SQL и хранилища данных
Используйте платформу Databricks Lakehouse в качестве решения для хранения данных в задачах бизнес-аналитики (BI). Применяйте встроенные SQL-оптимизированные возможности Databricks для создания запросов и дашбордов на основе ваших данных.
4
Databricks для крупных приложений и машинного обучения
Используйте Databricks для управления конвейерами машинного обучения с помощью управляемого MLFlow. Пройдите весь жизненный цикл разработки модели — от начала до конца — с использованием Feature Store, Model Registry и Model Serving Endpoints, чтобы создать надёжную MLOps-платформу на базе озёрного хранилища.
R
Концепции Databricks
Курс
завершён
