Lär dig kraften i Lakehouse I dagens datamättade värld behöver vi verktyg som gör det möjligt för oss att vara så datadrivna som möjligt. Den här kursen guidar dig från början till slut i hur Databricks Lakehouse Platform erbjuder en enda, skalbar och högpresterande plattform för dina dataprocesser. Att arbeta med ett verkligt dataset lär dig hur du utför olika uppgifter inom Databricks-plattformen. Du börjar kursen med att lära dig hur du administrerar Databricks-plattformen och säkerställer att din miljö är korrekt och säkert konfigurerad.

Öva skalbar data engineering Efter att du har ställt in din arbetsyta kommer du att lära dig hur du skapar kraftfulla datapipelines med Databricks. Du kommer att tillämpa olika transformationer på datasetet och flytta det från Bronze till Silver och sedan Gold i en Medallion-arkitektur. Du kommer att lära dig hur Databricks-kluster tillhandahåller lättillgänglig beräkningskraft och skalbarhet. Du kommer att konfigurera ett Databricks Workflow från början till slut för att automatisera hela din datapipeline.

Använd Lakehouse som ditt datalager En viktig del av Lakehouse-arkitekturen är att du kan fråga din datalagring som ett traditionellt datalager. I det här avsnittet lär du dig hur Databricks SQL ger dig den datalagerprestanda du vill ha ovanpå din datalake. Du kommer att lära dig hur du skapar frågor med standard ANSI SQL och använder dessa resultat för att skapa ad hoc-instrumentpaneler för hela din datamängd.

Implementera styrd datavetenskap och maskininlärning Slutligen kommer du att lära dig hur Databricks tillhandahåller en komplett uppsättning verktyg för användningsfall inom datavetenskap och maskininlärning. Du kommer att lära dig att spåra och utvärdera dina modeller med hjälp av det fullt integrerade MLFlow-ramverket för MLOps. Du kommer att lära dig hur Feature Store och Model Registry förenklar processen att skapa maskininlärningsmodeller av produktionskvalitet. Slutligen lär du dig hur du distribuerar och övervakar dina modeller med hjälp av inbyggda funktioner för modellservering.

EDA i Databricks

Databricks – grundläggande koncept

Interaktiv övning med praktiskt arbete