Entdecke die Kraft des Lakehouse In der heutigen Welt voller Daten brauchen wir Tools, mit denen wir so datengesteuert wie möglich arbeiten können. Dieser Kurs zeigt dir von Anfang bis Ende, wie die Databricks Lakehouse Platform eine einzige, skalierbare und leistungsstarke Plattform für deine Datenprozesse bietet. Durch die Arbeit mit einem echten Datensatz lernst du, wie du verschiedene Aufgaben auf der Databricks-Plattform erledigen kannst. Du startest den Kurs damit, dass du lernst, wie du die Databricks-Plattform verwaltest und sicherstellst, dass deine Umgebung sicher eingerichtet ist.

Mach dich mit skalierbarem Data Engineering vertraut Nachdem du deinen Arbeitsbereich eingerichtet hast, lernst du, wie du mit Databricks leistungsstarke Datenpipelines erstellen kannst. Du wirst verschiedene Transformationen auf den Datensatz anwenden und ihn in einer Medaillenarchitektur von Bronze zu Silber und dann zu Gold verschieben. Du wirst lernen, wie Databricks-Cluster sofort verfügbare Rechenleistung und Skalierbarkeit bieten. Du richtest einen durchgängigen Databricks-Workflow ein, um deine ganze Datenpipeline zu automatisieren.

Nutze Lakehouse als dein Data Warehouse. Ein wichtiger Teil der Lakehouse-Architektur ist, dass du deinen Datenspeicher wie ein normales Data Warehouse abfragen kannst. In diesem Abschnitt erfährst du, wie Databricks SQL dir die gewünschte Data-Warehousing-Leistung auf Basis deines Data Lake bietet. Du lernst, wie du Abfragen mit Standard-ANSI-SQL erstellst und die Ergebnisse nutzt, um Ad-hoc-Dashboards für deinen gesamten Datensatz zu erstellen.

Implementiere geregelte Datenwissenschaft und maschinelles Lernen. Zum Schluss erfährst du, wie Databricks ein komplettes Toolset für Data Science und Machine Learning bereitstellt. Du lernst, deine Modelle mit dem komplett integrierten MLFlow-Framework für MLOps zu verfolgen und zu bewerten. Du wirst lernen, wie der Feature Store und die Model Registry den Prozess der Erstellung von Machine-Learning-Modellen in Produktionsqualität vereinfachen. Zum Schluss lernst du, wie du deine Modelle mit den integrierten Modellbereitstellungsfunktionen bereitstellen und überwachen kannst.

Beispiel für eine End-to-End-Machine-Learning-Pipeline

Create Your Free Account