Nach diesem Tag trainierst du Machine-Learning-Modelle direkt in Azure Databricks und hältst jeden Versuch mit MLflow fest. Du bereitest Daten mit Spark auf, stimmst Hyperparameter automatisch ab, testest AutoML als Abkürzung und weißt, wie ein Modell vom Notebook in den Produktivbetrieb kommt. Der Kurs richtet sich an Data Scientists und AI Engineers, die Python und gängige ML-Bibliotheken schon nutzen und ihre Arbeit auf eine skalierbare Plattform mit sauberer Nachverfolgung bringen wollen.
Das nimmst du mit.
- Daten in Azure Databricks mit Apache Spark aufbereiten und untersuchen
- Modelle mit gängigen Frameworks trainieren und mit MLflow nachvollziehbar protokollieren
- Hyperparameter automatisch abstimmen und AutoML für einen ersten Modellvorschlag nutzen
- Deep-Learning-Modelle auf Databricks-Clustern trainieren
- Modelle für den produktiven Einsatz verwalten und bereitstellen
Dein Training im Detail
- Für wen?
- Data Scientists und AI Engineers, die Machine-Learning-Modelle auf Azure Databricks trainieren, vergleichen und verwalten wollen.
- Was bringst du mit?
- Du untersuchst Daten mit Python und hast bereits Modelle mit Bibliotheken wie scikit-learn, PyTorch oder TensorFlow trainiert. Databricks-Kenntnisse sind nicht nötig.
- Umfang & Planung
- Standardumfang: 1 Trainingstag. Für Firmen ist nach Absprache ein angepasster Umfang möglich.
Agenda: vom Verständnis zur Anwendung
Unser eigenständig entwickelter Agenda-Vorschlag. Schwerpunkte, Übungsumgebung und Umfang stimmen wir vor einer Buchung ab.
Azure Databricks im Überblick: Workspace, Cluster und Notebooks
Daten mit Apache Spark laden, transformieren und visualisieren
Modelle trainieren und bewerten
Experimente, Läufe und Modelle mit MLflow verfolgen
Hyperparameter-Tuning mit Optuna und AutoML in Azure Databricks
Deep Learning auf Databricks und Modelle im Produktivbetrieb verwalten
Du trainierst auf einem Beispieldatensatz mehrere Modellvarianten, vergleichst sie in MLflow, verbesserst das beste Modell per Hyperparameter-Tuning und registrierst es für die Bereitstellung.
Prüfung, Lizenzen & Nachweise
Zu DP-3014 gibt es keine eigene Microsoft-Prüfung, der Kurs schließt daher ohne Zertifikatsprüfung ab. Es ist kein offizieller Microsoft-Kurs, sofern das Angebot das nicht ausdrücklich nennt.
Herstellerquellen & fachlicher Stand
Quellen geprüft am 2026-11-10. Die Quellen beschreiben die Technologie bzw. externe Prüfungsanforderungen. Sie belegen keine Partnerschaft mit NextNowa.
Dein Lerninhalt
Die genannten Inhalte beschreiben das Schulungsthema. Konkreten Lehrplan, Termine und Trainer stimmen wir vor einer Buchung ab; verbindlich ist das Angebot.
Häufige Fragen
Brauche ich Vorkenntnisse in Databricks?
Nein. Der Kurs beginnt mit Workspace, Clustern und Notebooks. Erfahrung mit Python und dem Training von Modellen solltest du aber mitbringen.
Welche Rolle spielt MLflow im Kurs?
MLflow ist in Azure Databricks integriert und dient im Kurs dazu, Parameter, Metriken und Modelle jedes Trainingslaufs festzuhalten und Modelle für die Bereitstellung zu verwalten.
Erhalte ich bei DP-3014 Build machine learning solutions using Azure Databricks: ML-Modelle mit Spark und MLflow ein Zertifikat?
Zu DP-3014 gibt es keine eigene Microsoft-Prüfung, der Kurs schließt daher ohne Zertifikatsprüfung ab. Es ist kein offizieller Microsoft-Kurs, sofern das Angebot das nicht ausdrücklich nennt.