Esercitazioni introduttive su Azure Databricks

Le esercitazioni di questa sezione introducono le funzionalità di base e illustrano le nozioni di base sull'uso della piattaforma Azure Databricks.

Per informazioni sulle risorse di training online, vedere Ottenere il training gratuito di Databricks.

Se non si ha un account Azure Databricks, iscriversi per ottenere una versione di valutazione gratuita.

Esplorazione dei dati

Tutoriale	Descrizione
Effettuare query e visualizzare i dati	Usare un notebook di Databricks per eseguire query sui dati di esempio archiviati in Unity Catalog e quindi visualizzare i risultati della query nel notebook.
Importare e visualizzare i dati CSV da un notebook	Utilizza un notebook di Databricks per importare dati da un file CSV da https://health.data.ny.gov nel Unity Catalog.
Creare una tabella	Creare una tabella e concedere privilegi in Azure Databricks usando il modello di governance dei dati di Unity Catalog.
Esplorare dashboard ed eseguire query sui dati con Genie in Databricks One	Esplorare l'interfaccia Databricks One progettata per gli utenti aziendali. Visualizzare i dashboard, porre domande sui dati in linguaggio naturale con Genie e individuare gli asset condivisi con l'utente.

Ingegneria dei dati

Tutoriale	Descrizione
Creare una pipeline ETL usando pipeline dichiarative di Lakeflow Spark	Creare e distribuire una pipeline ETL (estrazione, trasformazione e caricamento) per l'orchestrazione dei dati usando le pipeline dichiarative di Lakeflow Spark e il caricatore automatico.
Creare una pipeline ETL con Apache Spark	Sviluppare e distribuire la prima pipeline ETL (estrazione, trasformazione e caricamento) per l'orchestrazione dei dati con Apache Spark™.

Intelligenza artificiale e Machine Learning

Tutoriale	Descrizione
Eseguire il training e distribuire un modello di Machine Learning	Creare un modello di classificazione di Machine Learning usando la libreria scikit-learn in Databricks per stimare se un vino è considerato "di alta qualità". Questa esercitazione illustra anche l'uso di MLflow per tenere traccia del processo di sviluppo del modello e Hyperopt per automatizzare l'ottimizzazione degli iperparametri.
Eseguire query su LLMs e creare prototipi di agenti di intelligenza artificiale senza codice	Usare AI Playground per eseguire query su modelli di linguaggio di grandi dimensioni e confrontare i risultati side-by-side, creare un prototipo di un agente di intelligenza artificiale chiamante da strumenti ed esportare l'agente nel codice.

Ottenere assistenza

• In caso di domande sulla configurazione di Azure Databricks e necessiti di assistenza in tempo reale, invia un'e-mail a onboarding-help@databricks.com.

• Se l'organizzazione non ha una sottoscrizione di supporto di Azure Databricks o se non si è un contatto autorizzato per la sottoscrizione di supporto dell'azienda, è possibile ottenere risposte dalla community di Databricks.