Bevezetés az Azure Databricks használatbavételi oktatóanyagaiba

Az ebben a szakaszban található oktatóanyagok bemutatják az alapvető funkciókat, és végigvezetik az Azure Databricks platform használatának alapjain.

Az online képzési erőforrásokról további információt az ingyenes Databricks-képzések lekérése című témakörben talál.

Ha nem rendelkezik Azure Databricks-fiókkal, regisztráljon egy ingyenes próbaverzióra.

Adatfeltárás

Útmutató	Leírás
Adatok lekérdezése és vizualizációja	Databricks-jegyzetfüzet használatával lekérdezheti a Unity Katalógusban tárolt mintaadatokat, majd megjelenítheti a lekérdezés eredményeit a jegyzetfüzetben.
CSV-adatok importálása és vizualizációja jegyzetfüzetből	Databricks-jegyzetfüzet használatával adatokat importálhat CSV-fájlból https://health.data.ny.gov a Unity Catalog-kötetbe.
Tábla létrehozása	Hozzon létre egy táblát, és adjon jogosultságokat az Azure Databricksben a Unity Catalog adatszabályozási modelljével.
Irányítópultok és adatok lekérdezése a Genie One-ban	Navigáljon az üzleti felhasználók számára tervezett Genie One felületen. Irányítópultok megtekintése, természetes nyelvi adatokkal kapcsolatos kérdések feltevése és az Önnel megosztott objektumok felderítése.

Adatfeldolgozás

Útmutató	Leírás
ETL-folyamat létrehozása Lakeflow-folyamatokkal	Hozzon létre és telepítsen egy ETL-folyamatot (kinyerés, átalakítás és betöltés) az adatvezényléshez a Lakeflow-folyamatok és az automatikus betöltő használatával.
ETL-folyamat létrehozása az Apache Spark használatával	Az első ETL-folyamat (kinyerés, átalakítás és betöltés) fejlesztése és üzembe helyezése az Apache Sparkkal™ való adatvezényléshez.

mesterséges intelligencia és gépi tanulás

Útmutató	Leírás
Ml-modell betanítása és üzembe helyezése	Gépi tanulási besorolási modellt hozhat létre a Databricks scikit-learn kódtárával annak előrejelzéséhez, hogy egy bor "kiváló minőségűnek" minősül-e. Ez az oktatóanyag bemutatja az MLflow használatát a modellfejlesztési folyamat nyomon követéséhez, valamint a Hyperoptot a hiperparaméterek finomhangolásának automatizálásához.
Mélytanulási modell betanítása és nyomon követése	Betanít egy mélytanulási modellt a Databricksen, és nyomon követheti a betanítási futtatásokat, hiperparamétereket és metrikákat az MLflow 3 használatával.
LLM-ek és prototípus-ügynökök lekérdezése kód nélkül	Az AI-játszótér használatával nagy nyelvi modelleket (LLM-eket) kérdezhet le, és egymás mellett összehasonlíthatja az eredményeket, prototípust készíthet egy eszközhívó ügynökről, és kódba exportálhatja az ügynököt.

Segítség kérése

• Ha kérdése van az Azure Databricks beállításával kapcsolatban, és élő segítségre van szüksége, írjon e-mailt help@databricks.com.

• Ha szervezete nem rendelkezik Azure Databricks-támogatási előfizetéssel, vagy ha Nem jogosult partner a vállalat támogatási előfizetéséhez, a Databricks-közösségtől kaphat választ.