I det här kapitlet konfigurerar du Databricks arbetsytaklient med Python, autentiserar den mot din arbetsyta och utforskar grundläggande API-operationer för att interagera med kluster och jobb.

Kom igång med Databricks SDK

Standardautentisering

Grundläggande operationer med Databricks Python SDK

Lista Databricks-jobb

Lista Databricks-kluster

Introduktion till Databricks Python SDK

Här lär du dig att fråga AI-grundmodeller med Databricks SDK, hur rollerna System och User fungerar i chattmeddelanden samt hur du använder LangChain SQL-agenter för att fråga data direkt från Databricks-katalogen.

Introduktion till att fråga AI-modeller med Databricks

Chattmeddelanderoller

Fråga en foundation-modell

Fråga chatbot via Databricks Servings Endpoint API

Skicka en fråga till en chattifyllnadsmodell

Textsammanfattning

Korrekturläsning av text

Fråga Databricks-katalogen med Databricks SQL-agenten

Skapa en LangChain SQL-agent ansluten till Databricks

Fråga NYC Taxi-datasetet med SQL-agent

Fråga bagerisäljdata med SQL-agent

Fråga LLM-modeller med Databricks SDK

I det här avslutande kapitlet lär du dig att starta, schemalägga och ta bort Databricks-kluster och -jobb programmatiskt med Python SDK.

Skapa och hantera kluster

Starta ett kluster

Kontrollera att ett kluster körs

Skapa och hantera jobb

Skapa och kör ett Databricks-jobb

Schemalägg ett Databricks-jobb

Ta bort ett Databricks-jobb

Avslutning

Hantera kluster och jobb med Databricks SDK

Ta kontroll över din Databricks-miljö med Python. Den här kursen visar hur du använder Databricks SDK för att autentisera din arbetsyta, hantera kluster och jobb samt interagera med plattformens resurser programmatiskt. Du lär dig också att fråga AI-modeller, skapa intelligenta agenter som analyserar data från din Databricks-katalog och automatisera arbetsflöden – och bygger på så sätt de färdigheter som krävs för att effektivt hantera och skala Databricks med Python.

<h2>Kom igång med Databricks Python SDK</h2>
Den här kursen introducerar Databricks-plattformen genom Python SDK och fokuserar på praktiska, utvecklarvänliga arbetsflöden. Du kommer att lära dig de viktigaste verktygen och teknikerna för att interagera med Databricks-resurser och AI-modeller, samtidigt som du hanterar kluster och jobb programmatiskt. Fokus ligger på praktiska, reproducerbara steg som du kan återanvända i olika projekt.  
<br><br>

<h2>Autentisering och utforskning av Workspace-klienten</h2>
Börja med att konfigurera och autentisera en Workspace Client i Python. Du kommer att öva på centrala API-operationer för att skapa, lista och ta bort resurser, och bygga upp trygghet i de request–response-mönster som används genom hela SDK:n. På vägen kommer du att förstå hur autentisering och miljövariabler möjliggör säker, skriptbar åtkomst till din Databricks Workspace.  
<br><br>

<h2>Fråga AI-modeller med Databricks SDK</h2>
Dyk in i AI genom att fråga grundmodeller med SDK:n. Du kommer att lära dig hur chat completion-modeller fungerar, hur du skickar med ”System”- och ”User”-meddelanden, och hur du integrerar extern data i dina arbetsflöden. Du kommer också att utforska Foundation Models API och öva på att generera och sammanfatta text programmatiskt.  
<br><br>

<h2>Hantera kluster och jobb programmatiskt</h2>
Avsluta med att samordna beräkning och automatisering. Du kommer att skapa, starta, validera och ta bort kluster; sedan skapa, köra, schemalägga, lista och ta bort jobb – allt från Python. I slutet kommer du att ha praktiska färdigheter för att hantera resurser, fråga AI-modeller och automatisera repetitiva arbetsflöden i Databricks med självförtroende.

Intermediate Python for Developers

Behärska Databricks med Python: autentisera, hantera kluster, automatisera jobb och fråga AI-modeller.

Databricks med Python SDK

Bemästra Databricks med Python: lär dig autentisera, hantera kluster, automatisera jobb och fråga AI-modeller programmatiskt.

Senior Software Engineer

Frågor med Databricks SQL-agenten

Databricks Unity Catalog

LangChain

Python LangChain-beroenden

Databricks SQL Warehouse-ID

Autentisera LangChain mot Databricks Workspace

Databricks SQL-agenten

Använd Databricks SQL-agenten för att fråga katalogen

Skapa en LangChain SQL-databas från en Databricks-katalog

Skapa en LangChain LLM med en grundmodell

Skapa ett LangChain SQL-databasverktyg

Skapa en Databricks SQL-agent

Nu kör vi en övning!

Fråga LLM-modeller med Databricks SDK - Fråga Databricks-katalogen med Databricks SQL-agenten

Fråga Databricks-katalogen med Databricks SQL-agenten

Create Your Free Account