V této kapitole si nastavíš workspace klienta pro Databricks v Pythonu, ověříš přístup k workspace a prozkoumáš základní API operace pro práci s clustery a joby.

Začínáme s Databricks SDK

Výchozí ověření

Základní operace s Databricks Python SDK

Výpis Databricks jobů

Výpis Databricks clusterů

Úvod do Databricks Python SDK

V další části se naučíš dotazovat AI foundation modely pomocí Databricks SDK, zjistíš, jak fungují role zpráv System a User v chatu, a použiješ LangChain SQL agenty k přímým dotazům na data z katalogu Databricks.

Úvod do dotazování AI modelů v Databricks

Role zpráv v chatu

Dotaz na foundation model

Dotazování chatbotu přes Databricks Servings Endpoint API

Dotazování modelu pro dokončování chatu

Sumarizace textu

Korektury textu

Dotazování katalogu Databricks pomocí Databricks SQL agenta

Vytvoření LangChain SQL agenta s připojením k Databricks

Dotazování datasetu NYC Taxi pomocí SQL agenta

Dotazování na data z prodejny pečiva pomocí SQL agenta

Dotazování LLM modelů pomocí Databricks SDK

V závěrečné kapitole se naučíš programově spouštět, plánovat a mazat clustery a joby v Databricks pomocí Python SDK.

Vytváření a správa clusterů

Spuštění clusteru

Ověření, že cluster běží

Vytváření a správa jobů

Vytvoření a spuštění Databricks jobu

Naplánování Databricks jobu

Smazání Databricks jobu

Závěrečné shrnutí

Správa clusterů a jobů pomocí Databricks SDK

Převezmi kontrolu nad svým prostředím Databricks s Pythonem. Tento kurz ti ukáže, jak pomocí Databricks SDK ověřit přístup k workspace, spravovat clustery a joby a programově pracovat s prostředky platformy. Naučíš se také dotazovat AI modely, vytvářet inteligentní agenty analyzující data z katalogu Databricks a automatizovat pracovní postupy – zkrátka vše, co potřebuješ k efektivní správě a škálování Databricks v Pythonu.

<h2>Začínáme s Databricks Python SDK</h2>
Tento kurz představuje platformu Databricks prostřednictvím Python SDK se zaměřením na praktické workflow přívětivé pro vývojáře. Naučíte se základní nástroje a techniky pro práci se zdroji Databricks a modely AI, a zároveň budete programově spravovat clustery a úlohy. Důraz je kladen na praktické, reprodukovatelné kroky, které můžete znovu použít napříč projekty.  
<br><br>

<h2>Ověřování a prozkoumávání klienta Workspace</h2>
Začněte nastavením a ověřením Workspace Client v Pythonu. Procvičíte si základní operace API pro vytváření, vypisování a mazání zdrojů a získáte jistotu v práci se vzorci požadavek–odpověď, které se používají napříč SDK. Cestou pochopíte, jak ověřování a proměnné prostředí umožňují bezpečný, skriptovatelný přístup k vašemu Databricks Workspace.  
<br><br>

<h2>Dotazování modelů AI pomocí Databricks SDK</h2>
Ponořte se do AI pomocí dotazování základních modelů přes SDK. Naučíte se, jak fungují modely pro dokončování chatu, jak předávat zprávy „System“ a „User“ a jak integrovat externí data do svých pracovních postupů. Také prozkoumáte API Foundation Models a procvičíte si programové generování a shrnování textu.  
<br><br>

<h2>Programové řízení clusterů a úloh</h2>
Uzavřete to orchestrací výpočetního výkonu a automatizace. V Pythonu budete vytvářet, spouštět, ověřovat a mazat clustery; poté vytvářet, spouštět, plánovat, vypisovat a odstraňovat úlohy. Na konci budete mít praktické dovednosti pro správu zdrojů, dotazování AI modelů a automatizaci opakovatelných pracovních postupů v Databricks s jistotou.

Intermediate Python for Developers

Ovládněte Databricks s Pythonem: autentizace, správa clusterů, automatizace úloh, dotazy na AI.

Databricks with the Python SDK

Ovládněte Databricks s Pythonem: naučte se ověřování, správu clusterů, automatizaci úloh a programové dotazování AI modelů.

Role zpráv v chatu

Databricks with the Python SDK

Interaktivní praktické cvičení