주요 컨텐츠로 이동

Get Started with Databricks for Generative AI - Korean

이 강의는 Mosaic AI 플랫폼에 대한 실용적인 입문으로, 생성형 AI 시스템 구축 및 배포를 위한 키 구성 요소와 기능에 중점을 둡니다. 참가자들은 Databricks가 확장 가능한 생성형 AI 솔루션 개발을 어떻게 촉진하는지 배우고, 벡터 검색, 에이전트 프레임워크, 모델 추적 및 로깅을 위한 MLflow의 생성적 AI 기능과 같은 Mosaic AI 도구를 탐색하게 됩니다. 이 과정에는 검색 증강 생성(RAG) 파이프라인 구축 및 평가, 생성 AI 에이전트 배포, 평가 프레임워크 활용을 통한 성능 최적화 실습 경험이 포함됩니다. 과정이 끝날 때쯤이면 학습자들은 Mosaic AI를 활용한 일반적인 생성형 AI 애플리케이션을 설계, 배포, 모니터링할 수 있는 기술을 갖추게 됩니다.


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

Skill Level
Onboarding
Duration
2h
Prerequisites

이 콘텐츠는 다음과 같은 기술/지식/능력을 갖춘 참여자를 위해 개발되었습니다 :

• Databricks Data Intelligence Platform 및 기본 워크스페이스 연산(클러스터 생성, Notebooks 코드 실행, 기본 notebook 연산 사용)

• Python 프로그래밍 기본 지식과 APIs 작업 (Databricks SDK, 외부 모델 통합)

• 모델 학습, 평가, 배포 개념

 등 머신 러닝 기본 개념 이해- 생성형 AI 개념(대형 언어 모델, 프롬프트 엔지니어링, 환각, 검색 증강 생성)

 기본 숙련 - 데이터 거버넌스 및 model registry 연산

을 위한 Unity Catalog 중급 경험 - 문서 검색

을 위한 벡터 검색 및 유사도 탐색 개념에 대한 기본 지식 - 실험 추적, 모델 로깅, 평가 프레임워크

를 위한 MLflow 익숙함- Delta Lake 및 데이터 관리 개념(테이블, 스키마, 데이터 형식) 이해


Outline

Databricks Mosaic AI 개요

생성 AI 기회

Databricks Mosaic AI 플랫폼


프롬프트 엔지니어링 (내부 및 외부 모델 사용)

프롬프트 엔지니어링 기초

AI Playground의 프롬프트 엔지니어링

Mosaic AI Gateway 소개

AI 게이트웨이를 사용한 외부 모델


RAG 파이프라인을 만들고 등록하세요

Retrieval Augmented Generation (RAG) 기본 사항

Mosaic AI Vector Search

GenAI를 위한 MLflow

RAG 애플리케이션 빌드 및 등록


AI 시스템 평가 및 배포

종단간 평가

에이전트 프레임워크를 사용한 평가

Model Serving를 사용한 실시간 배포

데모: Model Serving를 사용한 실시간 배포


Databricks의 엔드투엔드 RAG Pipeline

랩: 엔드투엔드 RAG Pipeline

Upcoming Public Classes

Date
Time
Language
Price
Mar 31
02 PM - 04 PM (Asia/Seoul)
Korean
Free

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.

Private Class Request

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

See all our registration options

Registration options

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

Runtime

Self-Paced

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

지금 등록하세요

Instructors

Instructor-Led

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

지금 등록하세요

Learning

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

Scale

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

Data Engineer

Automated Deployment with Databricks Asset Bundles - Korean

이 과정은 DevOps 원칙과 이를 Databricks 프로젝트에 적용하는 방법을 포괄적으로 검토합니다. 핵심 DevOps, DataOps, 지continuous integration (CI), continuous deployment (CD), 테스트에 대한 개요로 시작하여 이러한 원칙을 데이터 엔지니어링 파이프라인에 적용하는 방법을 탐구합니다.

이어서 CI/CD 프로세스 내 지속적 배포에 초점을 맞추며, 프로젝트 배포를 위한 Databricks REST API, SDK, CLI와 같은 도구를 살펴봅니다. Databricks Asset Bundles(DAB)와 CI/CD 프로세스 내에서의 역할을 학습하게 됩니다. 주요 구성 요소, 폴더 구조, Databricks 내 다양한 대상 환경에 걸친 배포 간소화 방식을 심층적으로 다룹니다. 또한 Databricks CLI를 활용하여 서로 다른 구성의 다중 환경에 대해 변수 추가, 수정, 검증, 배포 및 실행하는 방법을 익히게 됩니다.

마지막으로, Visual Studio Code를 인터랙티브 개발 환경(IDE)으로 활용하여 로컬에서 Databricks Asset Bundles를 빌드, 테스트, 배포하는 방법을 소개함으로써 개발 프로세스를 최적화합니다. GitHub Actions를 활용한 배포 파이프라인 자동화를 통해 Databricks Asset Bundles의 CI/CD 워크플로우를 강화하는 방법에 대한 소개로 강좌를 마무리합니다.

본 과정 수료 시, Databricks Asset Bundles를 활용한 Databricks 프로젝트 배포 자동화 역량을 갖추게 되어 DevOps 관행을 통해 효율성을 향상시킬 수 있습니다.

참고: 이 강좌는 ‘Databricks을 사용한 고급 데이터 엔지니어링’ 시리즈의 네 번째 강좌입니다.

Languages Available: English | 日本語 | 한국어

Free
2h
Professional

Questions?

If you have any questions, please refer to our Frequently Asked Questions page.