Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
W samouczkach w tej sekcji przedstawiono podstawowe funkcje i przedstawiono podstawy pracy z platformą Azure Databricks.
Aby uzyskać informacje na temat zasobów szkoleniowych online, zobacz Uzyskaj bezpłatne szkolenie Databricks.
Jeśli nie masz konta usługi Azure Databricks, utwórz konto bezpłatnej wersji próbnej.
Eksploracja danych
| Poradnik | Opis |
|---|---|
| Zapytywanie i wizualizacja danych | Użyj notesu usługi Databricks do wykonywania zapytań na przykładowych danych przechowywanych w Unity Catalog, i następnie wizualizuj wyniki zapytań w notesie. |
| Import i wizualizacja danych CSV z notatnika | Za pomocą notatnika Databricks można zaimportować dane z pliku CSV do woluminu Unity Catalog. |
| Utwórz tabelę | Utwórz tabelę i przyznaj uprawnienia w usłudze Azure Databricks przy użyciu modelu zarządzania danymi Unity Catalog. |
| Eksploruj pulpity i odpytuj dane w Genie One | Nawiguj po interfejsie Genie One zaprojektowanym dla użytkowników biznesowych. Wyświetlanie pulpitów nawigacyjnych, zadawanie pytań dotyczących danych języka naturalnego i odnajdywanie udostępnionych zasobów. |
Inżynieria danych
| Poradnik | Opis |
|---|---|
| Zbuduj potok ETL z wykorzystaniem potoków Lakeflow | Tworzenie i wdrożenie potoku ETL (wyodrębnianie, przekształcanie i ładowanie) do orkiestracji danych przy użyciu potoków Lakeflow i funkcji Auto Loader. |
| Zbuduj potok ETL za pomocą Apache Spark | Twórz i wdrażaj swój pierwszy pipeline ETL (ekstrakcja, transformacja i ładowanie) do orkiestracji danych za pomocą platformy Apache Spark™. |
Sztuczna inteligencja i uczenie maszynowe
| Poradnik | Opis |
|---|---|
| Trenowanie i wdrażanie modelu uczenia maszynowego | Tworzenie modelu klasyfikacji uczenia maszynowego przy użyciu biblioteki scikit-learn w usłudze Databricks w celu przewidywania, czy wino jest uznawane za "wysokiej jakości". W tym samouczku przedstawiono również użycie biblioteki MLflow do śledzenia procesu opracowywania modelu i funkcji Hyperopt w celu zautomatyzowania dostrajania hiperparametrów. |
| Wytrenuj i śledź model głębokiego uczenia | Trenuj model uczenia głębokiego na platformie Databricks i śledź przebiegi trenowania, hiperparametry oraz metryki w MLflow 3. |
| Buduj i wdrażaj agenta | Użyj CLI Agent Bricks do rusztowania agenta, uruchom go lokalnie i wdroż w środowisku działania agenta. |
Uzyskiwanie pomocy
- Jeśli masz pytania dotyczące konfigurowania usługi Azure Databricks i potrzebujesz pomocy na żywo, wyślij wiadomość e-mail na adres help@databricks.com.
- Jeśli Twoja organizacja nie ma subskrypcji pomocy technicznej usługi Azure Databricks lub jeśli nie jesteś autoryzowanym kontaktem dla subskrypcji pomocy technicznej Twojej firmy, możesz uzyskać odpowiedzi od społeczności usługi Databricks.