Das nimmst du mit.
- Eine RAG- oder Agentenarchitektur auf Databricks strukturiert entwerfen.
- Daten, Kontext und Zugriffe nachvollziehbar steuern.
- Qualität, Sicherheit, Kosten und Betrieb mit geeigneten Tests bewerten.
Dein Training im Detail
- Für wen?
- Data Engineers, ML Engineers und Entwicklerteams, die GenAI-Anwendungen auf der Databricks Data Intelligence Platform planen oder betreiben.
- Was bringst du mit?
- Python-, SQL- und Datenplattform-Grundlagen sowie erste Erfahrung mit ML- oder GenAI-Workflows.
- Umfang & Planung
- Richtwert: 3 bis 5 Tage mit Projektlabor. Umfang, Plattformzugang und Prüfungsbezug werden vor dem Training festgelegt.
Agenda: vom Verständnis zur Anwendung
Unser eigenständig entwickelter Agenda-Vorschlag. Schwerpunkte, Übungsumgebung und Umfang stimmen wir vor einer Buchung ab.
Use Case, Datenquellen und messbare Qualitätskriterien abgrenzen
Kontextaufbereitung, Embeddings und Retrieval-Pipeline gestalten
Modell- und Agentenabläufe entwickeln und mit Werkzeugen verbinden
Evaluation, Sicherheit, Governance und MLflow-Nachverfolgung
Bereitstellung, Überwachung, Kosten und Verbesserungszyklus
Baue einen kleinen, quellengebundenen Assistenten mit synthetischem Wissensbestand. Definiere Testfragen, bewerte Retrieval und Antworten und dokumentiere Betriebs- und Governance-Grenzen.
Prüfung, Lizenzen & Nachweise
Eine Ausrichtung auf die Databricks Certified Generative AI Engineer Associate Prüfung kann vereinbart werden. Prüfung und Zertifizierung sind externe Leistungen und nur enthalten, wenn dies ausdrücklich im Angebot steht.
Herstellerquellen & fachlicher Stand
Quellen geprüft am 2026-10-06. Die Quellen beschreiben die Technologie bzw. externe Prüfungsanforderungen. Sie belegen keine Partnerschaft mit NextNowa.
Dein Lerninhalt
Die genannten Inhalte beschreiben das gewünschte Schulungsthema. Konkreten Lehrplan, Dauer, Termine, Trainer und Preis stimmen wir vor einer Buchung ab.