资源介绍
视频数量：32个
总时长：3小时35分
课程介绍：
Databricks生成式AI工程师认证备考课
如果你最近浏览过技术招聘网站，可能已经注意到一个明显趋势：越来越多的岗位开始要求候选人熟悉生成式AI，尤其是掌握Databricks平台的企业。短短两年间，大模型从实验室走进了真实业务场景，而Databricks凭借在数据处理和AI工程化方面的深厚积累，成为许多公司落地生成式AI应用的首选。想进入这个领域，拿下Databricks生成式AI工程师助理认证是个不错的敲门砖。但考试范围涉及RAG、AI Agent、模型部署、评估治理等多个领域，该怎么系统准备？这门课程就是为解决这个问题而来。
讲师Birar Al-Hussein是资深数据与AI工程师，拥有数据挖掘硕士学位，在Databricks平台上有十余年项目经验。他是Databricks最有价值专家（MVP），手握十项Databricks认证，包括本课程对应的助理认证，同时也是O'Reilly出版的《Databricks数据工程师助理学习指南》的作者。跟着这样一位有实战经验又有教学沉淀的老师学习，备考过程会少走很多弯路。整个课程约三个半小时，三十二节视频课，围绕考试涉及的六大核心主题展开，配有简体中文字幕。
一、熟悉Databricks平台
第一章是铺垫，帮助零基础或刚接触Databricks的同学快速上手。课程先介绍Databricks的整体定位，它是什么、核心能力有哪些、为什么在数据工程和AI领域如此受欢迎。接着讲解Databricks免费版的使用方式，认证考试涉及的大部分功能在免费版里就能练习，这对想先试水的学习者非常友好。
之后是工作区的探索环节，了解各个功能模块的入口和布局。课程材料使用说明和Notebook基础操作也会一并讲解。Notebook是Databricks中写代码、做实验的核心载体，后续所有动手实验都要用到它，掌握创建、运行、查看结果这些基本操作至关重要。
二、生成式AI核心知识
进入第二章，正式进入生成式AI的世界。课程先讲清楚生成式AI的基本概念、工作原理，以及它与传统判别式AI的本质区别，为后续学习建立必要的知识框架。
Databricks托管的基础模型是这部分的重点。平台集成了GPT、Claude、Llama等主流大模型，工程师可以直接调用，无需自行部署。课程会介绍这些模型的特性、适用场景和选型思路。
提示工程部分理论与实践并重。理论层面讲解提示编写的基本原则，指令要清晰、上下文要充分、避免常见陷阱。动手环节则带你在AI Playground中实际操作，直观感受不同提示策略对模型输出的影响。按令牌付费和预配置吞吐量两种定价模式也会讲清楚，帮助你根据实际业务量做出合理选择。
三、检索增强生成全流程
第三章是重头戏，聚焦检索增强生成。这是当前企业级生成式AI应用最主流的技术方案，也是考试的重点。
课程先剖析RAG诞生的背景。大模型存在两个绕不开的短板，知识截止和知识差距。前者意味着模型只训练到某个时间点，之后的事情它不知道；后者指面对企业内部数据或专业领域细节时，模型可能答不上甚至一本正经地胡说八道。从头训练或微调模型成本太高，RAG提供了轻量级替代方案：把外部知识作为上下文喂给模型，让回答更准确、更贴合场景。
数据准备环节沿用Databricks标志性的Medallion架构，Bronze、Silver、Gold三层数据加工。Bronze层接入原始数据，Silver层做清洗和标准化，Gold层则把数据组织成最契合应用场景的形式。每层都有对应的动手实验，让你亲身体验数据是如何一步步被打磨成RAG可用的高质量素材。
数据准备好后，需要通过embedding模型转成向量，用向量搜索实现高效检索。课程会讲解其原理，并演示如何创建向量索引、配置参数、执行查询。最后的实现环节会教你把检索和生成串联起来，构建完整应用，还会单独演示如何用RAG技术构建AI Agent。
四、AI Agent开发实战
第四章聚焦AI Agent开发。Agent是当前业界热门概念，它能感知环境、自主决策、调用工具、执行多步推理，完成比简单问答更复杂的任务。
课程先讲Agent的基本概念和典型架构，对比它与普通聊天机器人的本质差异。然后通过一个具体业务场景的走读，帮助理解Agent在实际工作中是如何运转的。
动手环节分为两部分：一是使用UC Functions构建Agent，让Agent可以调用Unity Catalog中的数据库函数；二是把Agent作为代码来管理，把Agent的配置和逻辑纳入版本管理，这在团队协作和生产部署中非常关键。
五、模型评估与治理
第五章讨论模型的评估与治理。模型上线前必须有科学的评估方法，否则无法判断实际表现。课程会介绍评估框架、常用指标、测试数据集的构建方式。动手环节带你在Databricks平台实际操作评估流程，观察模型在不同维度上的表现。
治理部分关注企业环境中的合规与安全问题，涉及数据隐私保护、模型使用审计、权限管理等。对于真正要在企业部署AI应用的工程师，这些不只是考试内容，更是日后工作的实务基础。
六、模型部署与监控
第六章讲部署和监控。课程介绍Databricks的模型服务功能，包括模型部署、资源配置、版本管理等。动手环节演示从打包模型、创建服务终端节点到测试在线推理的完整流程。预配置吞吐量的定价模式也会详细展开，对于高并发场景更经济且能保证响应延迟。
部署上线只是开始。课程会讲AI Agent的安全防护，包括访问控制、提示注入攻击防范等。监控环节涉及推理性能、调用频率、错误率等关键指标的追踪，以及告警机制的设置。
七、认证考试概览
最后一章是备考指南，介绍考试报名、形式、题型、时间安排等实用信息，并分享备考策略。Bonus Lecture还会推荐额外的学习资源。
整门课程结构清晰，从平台基础到生成式AI理论，再到RAG、Agent、评估、部署，每个环节都配有动手实验，理论与实操比例约为四六开，这正好契合Databricks认证的考查方向，既考理解，也考动手。
如果你是想往AI方向转型的数据工程师，或是希望系统掌握Databricks Gen AI开发能力的从业者，又或者正在准备认证考试、希望有一门对口备考课程，这门课都值得认真投入。三个半小时换来的不仅是一张证书，更是当下最热门的生成式AI工程化能力。