如何用 Databricks Free Edition 开展数据与 AI 教学
How to teach with Databricks Free Edition
Databricks Free Edition 提供永久免费、无需信用卡和云合同的浏览器版 Data + AI 平台，学生和教师可全球注册使用，在较小算力与公平使用限制下运行，不适用于生产或商业用途。
你可以在企业生产环境中使用的同一平台上免费运行完整的数据或 AI 课程——无需云合同、无需管理许可证，也无需安装任何东西。Databricks Free Edition 是该平台的永久免费版本；每位学生单独注册并完全在浏览器中操作，因此课程无需配置服务器或购买任何东西即可采用它。
为什么要学习 Databricks？
数据与 AI 技能的演进速度超过了大多数课程体系所能跟上的节奏，而这些技能的需求在招聘和学习者行为中都有体现。LinkedIn 将 Databricks 列为 2026 年十大上升技能之一，Udemy 则将 Databricks 纳入其全球增长最快的 100 项技能。两个截然不同的信号指向同一方向：掌握现代数据与 AI 平台的使用方法正变得越来越有价值。
对学生而言，这可能是“我学过分布式计算”与“我在你们团队使用的平台上构建过数据管道”之间的差别。对教师而言，这意味着能让现有课程与行业中数据与 AI 工作的实际开展方式更直接地衔接，而无需彻底重新设计课程。
通常使行业平台难以引入课堂的障碍——包括成本、许可和 IT 配置——都由 Databricks Free Edition 解决；这是一个永久免费账户，无需信用卡、无需云合同，也无需安装任何东西。
这一点很重要，因为使用行业工具教学的两大常见障碍是成本和配置，而 Free Edition 将两者都消除了。它专为学习和非商业用途设计，面向全球的学生和教育工作者开放。
什么是 Databricks Free Edition？ 它是 Databricks Data + AI 平台的零成本、永久免费版本，专为学生、爱好者以及有志于从事数据与 AI 工作的专业人士打造。它在浏览器中运行，无需云合同，注册无需信用卡，使用较小的计算规格并受合理使用限制约束。它不适用于生产或商业用途。（来源：databricks.com/learn/free-edition）
Databricks 在学术界也有着深厚根基。它由创建 Apache Spark™ 的 UC Berkeley 教授和博士生创立，开源至今仍是我们构建工作的核心——Delta Lake、MLflow 和 Unity Catalog 都是在厂商中立基金会（Linux 基金会、LF AI & Data 和 Apache 软件基金会）下与全球社区共同开发的，Databricks 最近还开源了 Omnigent，一个面向 AI 智能体的元框架。对教育工作者而言，这意味着学生所培养的技能植根于行业范围内的开放标准，而非单一专有工具。
生产级平台，而非教学沙盒
由于 Free Edition 是真实平台而非简化沙盒，技能可以直接迁移。在 Free Edition 中编写 Spark 作业、运行 SQL 查询、部署模型或构建智能体的学生，使用的正是专业人士在生产中使用的相同工具。日后不存在“现在忘掉教学工具、去学真正的工具”这一步。
将课程映射到平台能力
一个环境可以同时充当统计实验室、数据库课程、商业分析课程和 AI 毕业设计——这减少了学生和教师需要学习的工具数量。下表将常见课程映射到可能适合你当前课程体系的工具。
| 你教授的内容 | 你会使用的工具 | 学生做什么 | 在哪里学习 |
|---|---|---|---|
| 入门编程、数据科学、应用统计学、数据整理与 EDA、数据挖掘、数据可视化、机器学习 | 协作笔记本（Python、SQL；Free Edition 不支持 R 和 Scala） | 针对真实数据编写和运行代码；将叙述、代码和可视化结合起来 | 开始使用 Databricks 进行机器学习 |
| 大数据、分布式系统；大规模数据挖掘与数据整理 | Apache Spark | 使用 DataFrame 和分布式计算大规模处理数据；处理批处理和流处理 | Apache Spark™ 简介 |
| 数据工程；在毕业项目和项目中开展数据管道工作 | Lakeflow（Lakeflow Connect、Apache Spark 声明式管道、Lakeflow Jobs） | 构建和编排 ETL 与流处理管道 | 开始使用 Databricks 进行数据工程 |
| 数据库系统、数据仓库（OLAP） | Delta Lake、Lakehouse | 使用可靠、带版本的表（ACID、时间旅行） | 开始使用 Databricks 进行数据仓库 |
| 数据库系统、业务分析与商业智能（BI）、预测分析、数据可视化、信息系统 | Databricks SQL、AI/BI 仪表板和 Genie Agents | 查询、建模和可视化数据；构建仪表板；用自然语言对数据提问 | 在 Databricks 上开始使用 SQL 分析和 BI |
| MBA 和商学院数据课程、业务分析、信息系统 | Genie | 用通俗语言对数据提问，并在不编写代码的情况下对答案进行推理；Genie One 充当代理式助手，反映了业务分析日益普遍的开展方式 | 分析基础 |
| 数据库系统、事务处理（OLTP） | Lakebase（托管 Postgres） | 运行事务性（OLTP）工作负载，并将应用数据存储在标准 Postgres 上 | 开始使用 Lakebase |
| 机器学习；在毕业项目中部署模型 | MLflow、Model Serving、GPU | 跟踪实验；训练、注册和部署模型 | 开始使用 MLFlow |
| 人工智能、NLP、应用 AI | Genie Agents、Agent Framework and Evaluation、AI Search、模型训练和微调 | 构建和评估 AI 代理，使用向量搜索进行 RAG，并在自己的数据上微调模型 | AI Agent 基础 |
| 毕业项目、软件工程项目、学生构建和黑客松 | Databricks Apps | 构建和部署交互式数据与 AI 应用 | 使用 Databricks Apps 构建企业应用 |
在这些界面中，平台的代理式编码和数据助手 Genie Code 帮助学生生成、解释和调试代码，并自主承担多步骤任务，反映了工作日益普遍的开展方式。
面向教师的常见问题
我如何分发作业？
通过你现有的 LMS 或 GitHub 仓库分发。将作业笔记本导出为 .ipynb 文件，并连同任何数据集或说明一起分享；学生将副本导入其 Free Edition 工作区，完成后再导出完成的笔记本以供提交。对于小组作业，学生可以共享笔记本并实时协作。
我如何向学生分发大型数据集？
对于太大而无法放入 GitHub 或本地下载的数据集，有三种选择：(1) 将数据集托管在学生可连接的云存储中；(2) 使用 Open Sharing 将数据集从你的 Free Edition 工作区直接共享到每个学生的工作区；或者 (3) 从 Databricks Marketplace 选择一个免费数据集，学生可在平台内原生访问。
我可以使用 Databricks 完成小组作业吗？
可以。Databricks 专为协作而构建——借助实时共同编辑、评论和标记功能，学生可以协同工作，并邀请你进入他们的 notebook 进行故障排查或提供反馈。Databricks Free Edition 专为最多五人共享一个账户进行小组项目而设计。请参阅如何在 Databricks Free Edition 中设置协作。
如果学生在作业过程中用完了计算资源怎么办？
Free Edition 在公平使用限制下运行于较小的计算规格。如果工作区超出其配额，其计算资源将在当天剩余时间内暂停，并于次日恢复。在作业中途触及限制的情况很少见，且绝不会是永久性的。此外，你和你的学生每年最多可将每日可用额度翻倍三次，因此学生在冲刺阶段和考试期间始终可以继续工作。确保顺畅体验的最佳方式是提前在 Free Edition 中测试每项作业，以发现任何需要大量计算的步骤。
Free Edition 真的免费吗？它适合课程使用吗？
是的——它永久免费，无需云合同，注册也无需信用卡。它专为学习而构建，明确不适用于生产或商业用途，这非常契合课堂场景。额度每日重置，因此学生每天都能重新开始。
如何在你的大学开始使用
一个不错的起点是你目前使用基于云的 notebook 环境的任何地方。自行注册 Databricks Free Edition 并学习 Databricks Fundamentals 课程；一旦你熟悉了，就将这两者分配给你的学生，并看看 自定进度课程 如何契合你现有的课程体系。
来源：Databricks Blog · databricks.com