Machine Learning Model Development - Korean

이 포괄적인 과정에서는 Databricks에서 전통적인 머신러닝 모델을 개발하는 방법에 대한 실용적인 가이드를 제공하며, 인기 ML 라이브러리를 사용한 실습 데모와 워크플로우를 강조합니다. 이 과정은 AutoML 및 MLflow를 사용하여 일반적인 태스크를 효율적으로 실행하는 데 중점을 둡니다. 참가자들은 회귀 및 분류 모델, Databricks의 기능을 최대한 활용하여 모델 학습 추적하기, 모델 개발을 위해 Feature Store 활용하기, 하이퍼패러미터 튜닝 구현 등의 주요 주제를 깊이 있게 다루게 됩니다. 또한 이 과정에서는 모델을 로우코드(low-code)로 빠르게 학습시킬 수 있는 AutoML에 대해 다루므로, 수강생은 Databricks 환경에서 머신러닝 모델을 간단하고 효과적으로 개발하는 데 필요한 실용적이고 실질적인 기술을 습득할 수 있습니다.

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

Skill Level

Associate

Duration

Prerequisites

이 과정을 시작하기 전에 최소한 다음 사항에 익숙해야 합니다.

회귀 및 분류 방법의 기본 개념에 대한 지식
Databricks 워크스페이스 및 노트북에 대한 지식
Python에 대한 중급 수준의 지식

Self-Paced

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

See all our registration options

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

Instructor-Led

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

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

Generative AI Engineer

Generative AI Engineering with Databricks - Korean

이 과정은 Data Scientists, 머신러닝 엔지니어 및 가장 인기 있는 최신 프레임워크와 Databricks 기능을 사용하여 제너레이티브 AI 애플리케이션을 구축하려는 기타 데이터 실무자를 대상으로 합니다.

아래에서는 이 과정에 포함된 4시간짜리 4개의 모듈에 대해 각각 설명합니다.

Generative AI Solution Development: 검색 증강 생성(RAG) 방식을 사용하는 문맥 생성 AI 솔루션에 대해 소개합니다. 먼저 RAG 아키텍처와 Mosaic AI Playground를 사용한 문맥 정보의 중요성에 대해 소개합니다. 다음으로, 생성형 AI 솔루션을 위해 데이터를 준비하는 방법과 이 과정을 RAG 아키텍처 구축과 연결하는 방법을 보여드립니다. 마지막으로 컨텍스트 임베딩, 벡터, 벡터 데이터베이스, Mosaic AI Vector Search의 활용과 관련된 개념을 살펴봅니다.

Generative AI Application Development: 다단계 추론 LLM 체인과 에이전트를 사용해 고급 LLM 애플리케이션을 구축하는 데 필요한 정보와 실무 경험을 쌓을 준비가 되셨나요? 이 모듈에서는 먼저 문제를 구성 요소로 분해하고 각 단계에 가장 적합한 모델을 선택해 비즈니스 사용 사례를 개선하는 방법을 배웁니다. 그 다음에는 LangChain과 HuggingFace 트랜스포머를 활용해 다단계 추론 체인을 구축하는 방법을 보여드리겠습니다. 마지막으로 에이전트를 소개하고 Databricks에서 생성 모델을 사용해 자율 에이전트를 설계합니다.

Generative AI Application Evaluation and Governance: 제너레이티브 AI 시스템 평가 및 거버넌스에 대한 소개입니다. 먼저 평가 및 거버넌스/보안 시스템 구축의 의미와 동기를 살펴봅니다. 다음으로, 평가 및 거버넌스 시스템을 Databricks Data Intelligence Platform에 연결합니다. 셋째, 특정 구성 요소와 애플리케이션 유형에 대한 다양한 평가 기법에 대해 알려드립니다. 마지막으로, 성능과 비용 측면에서 전체 AI 시스템을 평가하는 분석으로 과정을 마무리합니다.

Generative AI Application Deployment and Monitoring: 제너레이티브 AI 애플리케이션을 배포, 운영, 모니터링하는 방법을 배울 준비가 되셨나요? 이 모듈에서는 Model Serving과 같은 도구를 사용하여 제너레이티브 AI 애플리케이션을 배포하는 기술을 습득할 수 있습니다. 또한 모범 사례와 권장 아키텍처에 따라 제너레이티브 AI 애플리케이션을 운영하는 방법도 다룹니다. 마지막으로 Lakehouse Monitoring을 사용하여 제너레이티브 AI 애플리케이션과 그 구성 요소를 모니터링하는 방법에 대해 설명합니다.

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

Data Analytics and Warehousing with Databricks - Korean

이 콘텐츠는 Databricks SQL에 대한 포괄적인 소개를 제공합니다. 이것은 Databricks SQL 자격증의 Associate Data Analysis 자격을 취득하려는 개인을 지원하도록 설계되었습니다. 참가자는 Partner Connect를 사용하여 데이터 수집, 쿼리 작성, 시각화 및 대시보드 제작, Databricks SQL을 추가 도구에 연결하는 방법을 배웁니다.

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

Machine Learning Practitioner

Generative AI Application Evaluation and Governance - Korean

이 과정에서는 생성형 AI 시스템을 평가하고 관리하는 방법을 소개합니다. 첫째, 평가 및 거버넌스/보안 시스템 구축의 의미와 동기를 살펴보겠습니다. 둘째, 평가 및 거버넌스 시스템을 Databricks Data Intelligence Platform에 연결합니다. 셋째, 특정 구성 요소 및 응용 프로그램 유형에 대한 다양한 평가 기법에 대해 알려드립니다. 마지막으로 이 과정은 성능 및 비용과 관련하여 전체 AI 시스템을 평가하는 분석으로 마무리됩니다.

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

Paid

Lab

Associate