Architecting Data Warehouses for Large-Scale Deployments - French

Ce cours traite de l'optimisation des performances, de la maîtrise des coûts et de la sécurité pour les déploiements de data warehousing à grande échelle.

Ce cours s'adresse aux praticiens du data warehousing chargés de gérer des environnements Databricks au service de centaines ou de milliers d'utilisateurs répartis dans plusieurs unités opérationnelles. Vous acquerrez les compétences nécessaires pour faire évoluer efficacement les opérations de data warehousing tout en maintenant des performances élevées, une bonne rentabilité et la conformité aux normes de sécurité.

Remarque : Databricks Academy passe à un format basé sur des cahiers de travail pour les sessions en présentiel au sein de l'environnement Databricks, et abandonne ainsi l'utilisation de présentations PowerPoint pour les cours magistraux. Vous pouvez accéder aux cahiers de travail des cours dans l'environnement de laboratoire Vocareum.

Languages Available: English | 日本語 | Português BR | 한국어 | Español

Skill Level

Associate

Duration

Prerequisites

Le contenu a été développé pour les participants possédant ces compétences/connaissances/aptitudes:

• Maîtrise du SQL

• Expérience en data warehousing ou en architecture ou gestion de plateformes de données

• Expérience et compréhension générales du cloud

Outline

Ingestion et stockage de données efficaces

• Introduction à l'architecture de données à grande échelle

• Ingestion dans le data warehouse à grande échelle

• Démonstration: Ingestion et transformation à grande échelle avec Lakeflow

• Atelier pratique: Ingestion et transformation avec Lakeflow

• Lakehouse Federation et Foreign Catalogs

Stratégie multi-workspace

• Présentation des comptes et workspaces Databricks

• Conception d'architecture pour plusieurs workspaces

• Conception de Unity Catalog pour les environnements à grande échelle

• Partage de données dans les environnements à grande échelle

Sécurité et gouvernance du workspace

• Sécurité d'entreprise du data warehouse

• Sécurisation des données avec Unity Catalog

• Démonstration: Implémentation du FGAC dans UC

• Atelier pratique: Application de la gouvernance à grande échelle avec ABAC

Identité et administration

• Identités Databricks

• Déploiement de solutions Databricks en entreprise

• Démonstration: Déploiement de solutions avec DABs et GitOps

• Audit et surveillance de Databricks

Public Class Registration

If your company has purchased success credits or has a learning subscription, please fill out the Training Request form. Otherwise, you can register below.

Customer registration Partner registration

Private Class Request

If your company is interested in private training, please submit a request.

Request Private Training

See all our registration options

Registration options

Databricks has a delivery method for wherever you are on your learning journey

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

Inscrivez-vous maintenant

Instructor-Led

Public and private courses taught by expert instructors across half-day to two-day courses

Inscrivez-vous maintenant

Blended Learning

Self-paced and weekly instructor-led sessions for every style of learner to optimize course completion and knowledge retention. Go to Subscriptions Catalog tab to purchase

Purchase now

Skills@Scale

Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details

Upcoming Public Classes

Generative AI Engineer

Agent Evaluation on Databricks - French

Ce cours apprend aux étudiants à évaluer systématiquement les agents IA à l’aide du cadre d’évaluation de MLflow, en répondant aux défis propres aux systèmes d’IA non déterministes que les tests logiciels traditionnels ne peuvent pas gérer. Les étudiants apprennent à mettre en œuvre différentes approches d’évaluation, notamment des juges intégrés pour des critères courants tels que l’exactitude et la sécurité, des juges de directives pour des exigences propres à l’entreprise, et des juges personnalisés pour des besoins spécialisés. Le cours couvre à la fois l’évaluation hors ligne à partir d’ensembles de données organisés et le monitoring en ligne en production, avec une expérience pratique des capacités de traçage de MLflow pour comprendre les schémas d’exécution des agents et recueillir les retours humains de différents types de parties prenantes. À travers des démonstrations pratiques et des laboratoires, les étudiants développent des compétences pour créer des workflows d’évaluation qui favorisent l’amélioration continue de la qualité tout au long du cycle de vie de développement des agents IA.

Remarque : Databricks Academy passe à un format basé sur des notebooks pour les sessions en classe dans l’environnement Databricks, et n’utilise plus de diaporamas pour les cours. Vous pouvez accéder aux notebooks de cours dans l’environnement de laboratoire Vocareum.

Building Agentic Applications on Databricks - French

Ce cours enseigne aux étudiants comment créer des applications agentiques de niveau production sur Databricks. Les étudiants apprennent à créer des outils d’agent gouvernés avec Unity Catalog et MCP, à construire des systèmes mono-agent et multi-agents avec le OpenAI Agents SDK, et à tirer parti d’Agent Bricks et de Genie pour des cas d’usage de knowledge assistant orchestrés par un agent supervisor. Le cours couvre l’ensemble du parcours, du prototypage d’outils au déploiement en production, avec une pratique du tracing MLflow pour observer l’exécution des agents.

Remarque : La Databricks Academy est en train de passer à un format basé sur des notebooks pour les sessions en classe au sein de l'environnement Databricks, en abandonnant l'utilisation de présentations de diapositives pour les cours. Vous pouvez accéder aux notebooks de cours dans l'environnement de laboratoire Vocareum.

Generative AI Engineer

Building RAG Agents with Agent Bricks - French

Ce cours propose une formation pratique pour créer des agents de récupération avec Databricks Agent Bricks. Les participants apprendront à explorer et interroger des Knowledge Assistants, à transformer des documents non structurés en données structurées avec les AI Functions, à découper le texte pour la récupération sémantique, à créer des index AI Search, et à concevoir des Knowledge Assistants prêts pour la production s’appuyant sur plusieurs sources de connaissances.