sql planet

실무를 하다 보면, 작은 것부터 헷갈리는 법! 나연 대표님~ 아래 내용을 직원들에게 공유해주고, 습관 들이라고 해주세요~공식 권장 패턴: TEAM_PROJECT_NAME (밑줄 구분, 명확하고 일관된 패턴)실무 가이드규칙예시설명소문자 or snake_casecrm_analytics/가장 보편적목적 + 주제 조합data_eng_pipeline/팀_프로젝트숫자 접두사 (정렬용)01_ingestion/, 02_transform/단계별 정렬하기 유리환경 구분dev/, staging/, prod/배포 단계피해야 할 것공백 포함 (경로 참조 시 문제 가능)한글 폴더명 (CLI 호환성 이슈) : CLI를 AI 코딩 툴에서 많이 사용하는데, 그럴 때 오류나기 쉬워요.특수문자 (@, #, & 등) : 탐색기 폴더에 특수..

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

주요 섹션:Agent 아키텍처 & 개념CREATE AGENT DDL 구문Specification YAML 구조 (models, instructions, tools, tool_resources)Tool 종류 (Cortex Search, Cortex Analyst, SQL Exec, Python, API 등)DATA_AGENT_RUN 호출 방법ALTER AGENT / 버전 관리예산 제어 (budget)제한사항 & 시험 포인트UI vs DDL 매핑 (마지막 섹션 — UI로 만들어본 경험이랑 연결됨!)-- UI로 한땀한땀 만들어왔으니, 이제 DDL로 정확히 재현할 수 있어야 한다.-- 시험: CREATE AGENT 구문, YAML 스펙 구조, tool 타입별 설정, 권한 체계 -- ================..

-- =====================================================================-- 10. Vector Embeddings & Semantic Search-- =====================================================================-- 시험 도메인: 벡터 임베딩 생성, 저장, 유사도 검색, Cortex Search 활용-- RAG 파이프라인의 기반 기술 → Search/Agent와 연결되는 핵심-- =====================================================================-- ============================================..

Parquet에서 Iceberg로: Snowflake와 Databricks가 동시에 바라보는 멀티버설 S3 파이프라인 구축기. 조직의 파이프라인 확장에 대한 고민. 새로 인수한 회사는 브릭스를 사용중이더라구요 나연 대표님~

[추천 1순위] Databricks Certified Data Engineer AssociateSnowpro 대응: SnowPRO Core 와 완전 1:1 대응되는 핵심 자격증![최종 목표] Databricks Certified Data Engineer ProfessionalSnowpro 대응: SnowPRO Advanced (Architect/Data Engineer) 급시험 내용: 대규모 성능 최적화, CI/CD, FinOps(비용 관리), 고급 보안 아키텍처.나중에 '프라나링크' 명함에 SnowPRO Core + Databricks Professional 딱 박혀있으면, 기업 고객들이 보자마자 바로 계약서 들고 찾아올 치트키 조합이지.

보호되어 있는 글입니다.