Skip to main content

Durata corso:

2 giorni

Costo:

860,00 €

Azure Databricks

Codice: DSDA16

Nell’era dell’informazione, i dati sono divenuti la linfa vitale delle organizzazioni. La capacità di analizzare, elaborare e trarre valore dai dati è diventata essenziale per rimanere competitivi. Azure Databricks è una potente piattaforma su scala cloud per analisi dei dati e Machine Learning, facilitando la gestione e l’analisi di grandi quantità di dati da diverse fonti in modo efficiente e collaborativo.

Il corso mira a introdurre i partecipanti alle potenti funzionalità di questa piattaforma, dando loro gli strumenti necessari per sfruttarla appieno nelle loro organizzazioni.

Questo percorso di apprendimento risulta utile per la preparazione dell’esame DP-203: Data Engineering on Microsoft Azure.

Modalità di erogazione

In aula o Live Virtual Classroom

Attestato di partecipazione

Al termine del corso verrà rilasciato l’attestato di frequenza.

Contenuti del corso
  • Esplorare Azure Databricks
  • Introduzione ad Azure Databricks
  • Identificare i carichi di lavoro di Azure Databricks
  • Comprendere i concetti chiave
  • Usare Apache Spark in Azure Databricks
  • Introduzione a Spark
  • Creare un cluster Spark
  • Usare Spark nei notebook
  • Usare Spark su file di dati
  • Visualizzare i dati
  • Usare Delta Lake in Azure Databricks
  • Attività iniziali di Delta Lake
  • Creare tabelle di Delta Lake
  • Creare ed eseguire query su tabelle di catalogo
  • Usare Delta Lake per i dati in streaming
  • Use SQL Warehouse in Azure Databricks
  • Attività iniziali di SQL Warehouse
  • Creare database e tabelle
  • Creare query e dashboard
  • Eseguire notebook di Azure Databricks con Azure Data Factory
  • Informazioni sui notebook e sulle pipeline di Azure Databricks
  • Creare un servizio collegato per Azure Databricks
  • Usare un’attività Notebook in una pipeline
  • Usare parametri in un notebook
  • Eseguire il training di un modello di Machine Learning in Azure Databricks
  • Comprendere i principi del Machine Learning
  • Machine Learning in Azure Databricks
  • Preparazione dei dati per Machine Learning
  • Eseguire il training di un modello di Machine Learning
  • Valutare un modello di Machine Learning
  • Usare MLflow in Azure Databricks
  • Funzionalità di MLflow
  • Eseguire esperimenti con MLflow
  • Registrare e rendere disponibili i modelli con MLflow
  • Ottimizzare gli iperparametri in Azure Databricks
  • Ottimizzare gli iperparametri con Hyperopt
  • Esaminare le prove di Hyperopt
  • Scalare le prove di Hyperopt
  • Usare AutoML in Azure Databricks
  • Che cos’è AutoML?
  • Usare AutoML nell’interfaccia utente di Azure Databricks
  • Usare il codice per eseguire un esperimento di AutoML
  • Eseguire il training di modelli di Deep Learning in Azure Databricks
  • Comprendere i concetti del Deep Learning
  • Eseguire il training di modelli con PyTorch
  • Distribuire il training di PyTorch con Horovod
  • Esercitazione pratiche
Partecipanti
  • Software Engineer
  • Data Scientist
  • Business Analyst
  • Professionisti IT
Prerequisiti
  • Conoscenza di base dell’analisi dei dati
  • Conoscenza di Apache Spark
  • Esperienza nell’uso di Python per esplorare i dati ed eseguire il training di modelli di Machine Learning con framework open source comuni, ad esempio Scikit-Learn, PyTorch e TensorFlow.
Obiettivi
  • Ottenere una panoramica completa di Azure Databricks e delle sue funzionalit√† principali.
  • Apprendere come configurare e gestire ambienti di Databricks su Azure.
  • Introdurre le metodologie per l’importazione, l’elaborazione e l’analisi di grandi dataset.
  • Esplorare le integrazioni di Databricks con altri servizi Azure e strumenti di terze parti.
  • Approfondire le pratiche consigliate per la sicurezza, la monitorizzazione e l’ottimizzazione delle prestazioni su Azure Databricks.
Lingue
Italiano
Vuoi ulteriori info?

Torna a trovarci per conoscere i nuovi Corsi inseriti

Oppure richiedi informazioni sul corso che ti interessa nella sezione Contatti

My Agile Privacy
Questo sito utilizza cookie tecnici e di profilazione. Cliccando su accetta si autorizzano tutti i cookie di profilazione. Cliccando su rifiuta o la X si rifiutano tutti i cookie di profilazione. Cliccando su personalizza è possibile selezionare quali cookie di profilazione attivare.