W tym rozdziale skonfigurujesz klienta obszaru roboczego Databricks w Pythonie, uwierzytelnisz go i poznasz podstawowe operacje API umożliwiające pracę z klastrami i zadaniami.

Pierwsze kroki z Databricks SDK

Domyślne uwierzytelnianie

Podstawowe operacje z użyciem Databricks Python SDK

Wyświetlanie listy zadań w Databricks

Wyświetlanie listy klastrów w Databricks

Wprowadzenie do Databricks Python SDK

Następnie nauczysz się odpytywać bazowe modele AI za pomocą Databricks SDK, poznasz role wiadomości systemowych i użytkownika w czacie oraz użyjesz agentów LangChain SQL do bezpośredniego odpytywania danych z katalogu Databricks.

Wprowadzenie do odpytywania modeli AI w Databricks

Role wiadomości czatu

Zapytanie do modelu bazowego

Zapytanie chatbota za pomocą API Databricks Servings Endpoint

Zapytaj model czatu

Streszczanie tekstu

Korekta tekstu

Zapytania do katalogu Databricks z użyciem agenta Databricks SQL

Tworzenie agenta SQL LangChain połączonego z Databricks

Zapytanie do zbioru danych NYC Taxi za pomocą agenta SQL

Zapytaj agenta SQL o dane sprzedaży piekarni

Odpytywanie modeli LLM przy użyciu Databricks SDK

W tym ostatnim rozdziale dowiesz się, jak programowo uruchamiać, planować i usuwać klastry oraz zadania Databricks za pomocą Python SDK.

Tworzenie klastrów i zarządzanie nimi

Uruchamianie klastra

Sprawdzanie, czy klaster działa

Tworzenie zadań i zarządzanie nimi

Tworzenie i uruchamianie zadania w Databricks

Planowanie zadania w Databricks

Usuwanie zadania Databricks

Podsumowanie

Zarządzanie klastrami i zadaniami za pomocą Databricks SDK

Przejmij kontrolę nad środowiskiem Databricks z pomocą Pythona. W tym kursie pokażemy ci, jak używać Databricks SDK do uwierzytelniania obszaru roboczego, zarządzania klastrami i zadaniami oraz programowego korzystania z zasobów platformy. Nauczysz się też odpytywać modele AI, tworzyć inteligentne agenty analizujące dane z katalogu Databricks i automatyzować przepływy pracy — rozwijając umiejętności potrzebne do sprawnego zarządzania Databricks w Pythonie i skalowania tego środowiska.

<h2>Pierwsze kroki z Databricks Python SDK</h2>
Ten kurs wprowadza do platformy Databricks za pomocą Python SDK, koncentrując się na praktycznych, przyjaznych dla deweloperów przepływach pracy. Poznasz podstawowe narzędzia i techniki do pracy z zasobami Databricks i modelami AI, a także do programowego zarządzania klastrami i zadaniami. Nacisk położony jest na praktyczne, powtarzalne kroki, które możesz wykorzystywać ponownie w różnych projektach.  
<br><br>

<h2>Uwierzytelnianie i eksploracja klienta obszaru roboczego</h2>
Zacznij od skonfigurowania i uwierzytelnienia Workspace Client w Pythonie. Będziesz ćwiczyć podstawowe operacje API, aby tworzyć, wyświetlać i usuwać zasoby, budując pewność siebie w pracy z wzorcami żądanie–odpowiedź używanymi w całym SDK. Po drodze zrozumiesz, jak uwierzytelnianie i zmienne środowiskowe umożliwiają bezpieczny, skryptowalny dostęp do Twojego Databricks Workspace.  
<br><br>

<h2>Odpytywanie modeli AI za pomocą Databricks SDK</h2>
Zanurz się w AI, korzystając z SDK do odpytywania modeli bazowych. Dowiesz się, jak działają modele uzupełniania czatu, jak przekazywać wiadomości „System” i „User” oraz jak integrować dane zewnętrzne ze swoimi przepływami pracy. Poznasz też API Foundation Models i poćwiczysz programowe generowanie oraz podsumowywanie tekstu.  
<br><br>

<h2>Programowe zarządzanie klastrami i zadaniami</h2>
Zakończ, koordynując obliczenia i automatyzację. Będziesz tworzyć, uruchamiać, weryfikować i usuwać klastry; następnie tworzyć, uruchamiać, planować, wyświetlać i usuwać zadania — wszystko z poziomu Pythona. Pod koniec będziesz mieć praktyczne umiejętności zarządzania zasobami, wykonywania zapytań do modeli AI i automatyzowania powtarzalnych przepływów pracy w Databricks z pewnością siebie.

Intermediate Python for Developers

Opanuj Databricks z Python: uwierzytelnianie, zarządzanie klastrami, automatyzacja zadań, AI.

Databricks z Python SDK

Opanuj Databricks z Pythonem: naucz się uwierzytelniania, zarządzania klastrami, automatyzacji zadań i programowego odpytywania modeli AI.

Wyświetlanie listy zadań w Databricks

Databricks z Python SDK

Instrukcje do ćwiczenia

Interaktywne ćwiczenie praktyczne