Machine Learning Model Development - Japanese

この包括的なコースでは、Databricks で従来の機械学習モデルを開発するための実践的なガイドを提供し、一般的な ML ライブラリを使用した実践的なデモンストレーションとワークフローに重点を置いています。参加者は、Databricks の強力な機能を活用しながら、回帰やクラスタリングなどの主要な機械学習手法を学習します。このコースでは、モデル追跡のためのMLflow統合、機能管理のためのDatabricks Feature Store、ハイパーパラメーター調整のためのOptunaについて説明します。さらに、参加者は、自然言語、MCP 接続、指示、スキルを使用して機械学習ライフサイクル全体をガイドする Databricks の AI 搭載コーディングアシスタントである Genie Code を使用して、モデル開発を加速する方法を学びます。このコースを修了すると、学習者は Databricks 環境で機械学習モデルを効率的に開発、最適化、デプロイするための実践的なスキルを身に付けることができます。

Languages Available: English | 日本語 | Português BR | 한국어

Skill Level

Associate

Duration

Prerequisites

このコンテンツを受講する前に、少なくとも次のことに関する知識が必要です。:

• Databricks Data Intelligence Platform およびワークスペースの基本操作（クラスターの作成、ノートブックでのコード実行、ノートブックの基本操作、Gitからのリポジトリインポート）に精通していること

• Pythonによる中級レベルのプログラミング経験（データ操作ライブラリ（pandas、numpy）やAPI（databricks-sdk、RESTエンドポイント）の活用を含む）

• 実験の追跡、モデルのロギング、モデルレジストリの操作、モデルのバージョン管理に関するMLflowの基礎知識

• モデルのトレーニング、評価、バッチ推論、リアルタイムデプロイメントの概念を含む、機械学習の基礎知識

• データガバナンスおよびモデルレジストリ管理のためのUnity Catalogの中級レベルの経験

• フィーチャーテーブル、フィーチャールックアップ、オフライン／オンラインのfeature storesを含む、フィーチャーエンジニアリングの概念に関する基本的な知識

• Delta Lakeの操作（テーブルの作成、更新の実行、ファイルの最適化、リキッドクラスタリング）およびデータストレージの最適化手法に関する理解

• 分散データ処理およびユーザー定義関数（UDF）のためのApache SparkおよびPySparkに関する基礎知識

Outline

モデル開発ワークフロー

• モデル開発と MLflow

• モデルのパフォーマンスの評価

ハイパーパラメーターのチューニング

• ハイパーパラメーターチューニングの基礎

• Optunaによるハイパーパラメータ調整

エージェンティック機械学習

• Genie Codeの紹介

Upcoming Public Classes

Date	Time	Your Local Time	Language	Price
Date	Time	Your Local Time	Language	Price	Aug 26	09 AM - 01 PM (Asia/Tokyo)	-	Japanese	$750.00
Oct 21	09 AM - 01 PM (Asia/Tokyo)	-	Japanese	$750.00

Public Class Registration

If your company has purchased success credits or has a learning subscription, please fill out the Training Request form. Otherwise, you can register below.

Customer registration Partner registration

Private Class Request

If your company is interested in private training, please submit a request.

Request Private Training

See all our registration options

Upcoming Public Classes

Date	Time	Your Local Time	Language	Price
Date	Time	Your Local Time	Language	Price	Aug 26	09 AM - 01 PM (Asia/Tokyo)	-	Japanese	$750.00
Oct 21	09 AM - 01 PM (Asia/Tokyo)	-	Japanese	$750.00

Registration options

Databricks has a delivery method for wherever you are on your learning journey

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

今すぐ登録

Instructor-Led

Public and private courses taught by expert instructors across half-day to two-day courses

今すぐ登録

Blended Learning

Self-paced and weekly instructor-led sessions for every style of learner to optimize course completion and knowledge retention. Go to Subscriptions Catalog tab to purchase

Purchase now

Skills@Scale

Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details

Upcoming Public Classes

Building Reliable Conversational Agents with Genie - Japanese

このコースでは、Databricks の Genie Space の設計、構築および保守の方法を学びます。Genie Space は、ビジネスユーザーがガバナンスされたデータについて質問し、コードを書かずに SQL に基づく回答を受け取れる自然言語インターフェースです。

Genie が Databricks の AI/BI 製品ファミリーにどのように位置づけられるか、そして自然言語をどのように信頼できる SQL クエリに変換するかを学びます。このコースでは、正確で一貫性があり、信頼できる結果を提供する Genie Space を作成するために何が必要かに焦点を当てます。

ソースデータの理解とベンチマークの定義から、ナレッジストアのキュレーションツール一式を使った Genie Space の構成と改良まで、完全なエンドツーエンドのワークフローをたどります。これらのツールには、メタデータ、シノニム、プロンプトマッチング、SQL ロジック、サンプルクエリ、テキストの手順が含まれます。

また、Databricks One を通じてビジネスユーザーと Genie Space を共有する方法、Unity Catalog のガバナンスがどのように自動的に適用されるかを理解し、モニタリングとユーザーのフィードバックを使って品質を継続的に改善する方法も学びます。

コースを終える頃には、ガバナンスされたセルフサービスの会話型分析を大規模に提供する、本番運用の準備が整った Genie Space を作成および管理できるようになります。

注記：Databricks Academyでは、Databricks環境内での教室セッションをノートブック形式に移行し、講義用スライドデッキの使用を終了します。講義ノートブックはVocareumラボ環境でアクセス可能です。

Languages Available: English | 한국어

Building ETL Pipelines with SQL - Japanese

このコースでは、Databricks Data Intelligence Platform で純粋な SQL を使用して、本番運用に対応した ETL パイプラインを構築する方法を学びます。受講者は、増分インジェストのための Auto Loader を使用したストリーミングテーブル、Silver-to-Gold 変換のための増分更新を伴うマテリアライズドビュー、宣言型 SCD タイプ 1 およびタイプ 2 ディメンション管理のための AUTO CDC (FLOW AUTO CDC)、および本番オーケストレーションのための SQL ファイルタスクを使用した Lakeflow ジョブについて学習します。このコースでは、メダリオンアーキテクチャ(ブロンズ → シルバー → ゴールド)を通じて、現実的な小売データセットに従います。

Build Data Pipelines with Lakeflow Spark Declarative Pipelines - Japanese

このコースでは、複数のストリーミングテーブルとマテリアライズドビューを介した増分バッチまたはストリーミング取り込みと処理のために、DatabricksのLakeflow Spark Declarative Pipelinesを使用してデータパイプラインを構築するために必要な基本的な概念とスキルをユーザーに紹介します。このコースは、Lakeflow Spark Declarative Pipelinesを初めて使用するデータエンジニア向けに設計されており、増分データ処理、ストリーミングテーブル、マテリアライズドビュー、一時ビューなどのコアコンポーネントの概要を包括的に説明し、それらの特定の目的と違いを強調します

取り上げるトピックは次のとおりです:

- SQLを使用したSpark Declarative PipelinesにおけるマルチファイルエディタによるETLパイプラインの開発とデバッグ（Pythonコード例付き）

- Spark Declarative Pipelinesがパイプライングラフを通じてパイプライン内のデータ依存関係を追跡する方法

- パイプラインコンピュートリソース、データアセット、トリガーモード、およびその他の詳細オプションの構成

次に、本コースではSpark Declarative Pipelinesにおけるデータ品質の期待値について紹介し、データ整合性を検証・強制するために期待値をパイプラインに統合するプロセスをユーザーにガイドします。学習者はその後、スケジューリングオプションを含むパイプラインの本番環境への導入方法、およびパイプラインのパフォーマンスと健全性を監視するためのイベントログ記録の有効化方法について探求します。

最後に、本コースではSpark Declarative Pipelines内でAUTO CDC INTO構文を用いてチェンジデータキャプチャ（CDC）を実装し、slowly changing dimensions（SCDタイプ1およびタイプ2）を管理する方法を解説します。これにより、ユーザーはCDCを自身のパイプラインに統合する準備が整います。