Sdílet prostřednictvím

Návody pro začátečníky v Azure Databricks

Kurzy v této části představují základní funkce a provedou vás základy práce s platformou Azure Databricks.

Informace o online školicích materiálech najdete v tématu Získání bezplatného školení Databricks.

Pokud nemáte účet Azure Databricks, zaregistrujte si bezplatnou zkušební verzi.

Tutoriál Popis
Dotazování a vizualizace dat Pomocí poznámkového bloku Databricks můžete dotazovat ukázková data uložená v katalogu Unity pomocí SQL, Pythonu, Scaly a R a potom vizualizovat výsledky dotazu v poznámkovém bloku.
Import a vizualizace dat CSV z poznámkového bloku Pomocí poznámkového bloku Databricks můžete importovat data ze souboru CSV obsahujícího data názvu dítěte do https://health.data.ny.gov svazku katalogu Unity pomocí Pythonu, Scaly a R. Naučíte se také upravovat název sloupce, vizualizovat data a ukládat je do tabulky.
Vytvoření tabulky Vytvořte tabulku a udělte v Databricks oprávnění pomocí modelu zásad správného řízení dat katalogu Unity.
Vytvoření kanálu ETL pomocí deklarativních kanálů Lakeflow Vytvořte a nasaďte potrubí ETL (extrakce, transformace a načítání) pro orchestraci dat pomocí deklarativních potrubí Lakeflow a Auto Loaderu.
Vytvoření kanálu ETL pomocí Apache Sparku Vývoj a nasazení prvního kanálu ETL (extrakce, transformace a načítání) pro orchestraci dat pomocí Apache Sparku™
Trénování a nasazení modelu ML Vytvořte model klasifikace strojového učení pomocí knihovny scikit-learn v Databricks, abyste mohli předpovědět, jestli se víno považuje za vysoce kvalitní. Tento kurz také ukazuje použití MLflow ke sledování procesu vývoje modelu a Hyperopt k automatizaci ladění hyperparametrů.
Dotazování LLM a prototypů agentů AI bez kódu Pomocí AI Playground můžete dotazovat velké jazykové modely (LLM) a porovnat výsledky vedle sebe, vytvořit prototyp agenta AI volajícího nástroje a exportovat agenta do kódu.
Tutoriál Podrobnosti
Dotazování a vizualizace dat Pomocí poznámkového bloku Databricks můžete dotazovat ukázková data uložená v katalogu Unity pomocí SQL, Pythonu, Scaly a R a potom vizualizovat výsledky dotazu v poznámkovém bloku.
Import a vizualizace dat CSV z poznámkového bloku Pomocí poznámkového bloku Databricks můžete importovat data ze souboru CSV obsahujícího data názvu dítěte do https://health.data.ny.gov svazku katalogu Unity pomocí Pythonu, Scaly a R. Naučíte se také upravovat název sloupce, vizualizovat data a ukládat je do tabulky.
Vytvoření tabulky Vytvořte tabulku a udělte v Databricks oprávnění pomocí modelu zásad správného řízení dat katalogu Unity.
Vytvoření kanálu ETL pomocí deklarativních kanálů Lakeflow Vytvořte a nasaďte potrubí ETL (extrakce, transformace a načítání) pro orchestraci dat pomocí deklarativních potrubí Lakeflow a Auto Loaderu.
Vytvoření kanálu ETL pomocí Apache Sparku Vývoj a nasazení prvního kanálu ETL (extrakce, transformace a načítání) pro orchestraci dat pomocí Apache Sparku™
Trénování a nasazení modelu ML Vytvořte model klasifikace strojového učení pomocí knihovny scikit-learn v Databricks, abyste mohli předpovědět, jestli se víno považuje za vysoce kvalitní. Tento kurz také ukazuje použití MLflow ke sledování procesu vývoje modelu a Hyperopt k automatizaci ladění hyperparametrů.
Dotazování LLM a prototypů agentů AI bez kódu Pomocí AI Playground můžete dotazovat velké jazykové modely (LLM) a porovnat výsledky vedle sebe, vytvořit prototyp agenta AI volajícího nástroje a exportovat agenta do kódu.
Připojení ke službě Azure Data Lake Storage Připojte se z Azure Databricks ke službě Azure Data Lake Storage pomocí OAuth 2.0 s principálem služby Microsoft Entra ID.

Získání nápovědy

  • Pokud vaše organizace nemá předplatné podpory Azure Databricks nebo pokud nejste autorizovaným kontaktem pro předplatné podpory vaší společnosti, můžete získat odpovědi od komunity Databricks.