Building Agentic Applications on Databricks - French

Ce cours vous apprend à concevoir, créer et maintenir un Databricks Genie Agent, une interface en langage naturel qui permet aux utilisateurs métier de poser des questions sur des données gouvernées et de recevoir des réponses basées sur SQL sans écrire de code.

Vous apprendrez comment les Genie Agents s'intègrent dans la famille de produits Databricks AI/BI et comment ils traduisent le langage naturel en requêtes SQL fiables. Le cours se concentre sur ce qu'il faut pour créer un Genie Agent qui fournit des résultats précis, cohérents et fiables.

Vous suivrez un workflow complet de bout en bout, depuis la compréhension des données source et la définition des benchmarks jusqu'à la configuration et l'amélioration d'un Genie Agent à l'aide de l'ensemble des outils de curation du Knowledge Store. Ceux-ci comprennent les métadonnées, les synonymes, la correspondance de prompts, la logique SQL, les exemples de requêtes et les instructions textuelles.

Vous apprendrez également à partager les Genie Agents avec les utilisateurs métier via Genie One, à comprendre comment la gouvernance Unity Catalog est automatiquement appliquée, et à utiliser le monitoring et les retours des utilisateurs pour améliorer continuellement la qualité au fil du temps.

À la fin du cours, vous serez en mesure de créer et de gérer un Genie Agent prêt pour la production, offrant une analyse de données conversationnelle gouvernée et en libre-service à grande échelle.

Remarque : Pour les fichiers de cours SCORM, veuillez fermer la fenêtre SCORM après avoir terminé le contenu. Ne cliquez pas sur le bouton « Leçon suivante », car cela pourrait empêcher le module SCORM d’être marqué comme terminé. 

Ce cours est destiné aux débutants complets en Python afin de fournir les bases de l'interaction programmatique avec les données. Le cours commence par une introduction aux expressions de programmation, aux variables et aux types de données. Il aborde ensuite les instructions conditionnelles et de contrôle, les fonctions, les types Collection, les boucles, la gestion des erreurs et les classes. Vous apprendrez à étendre Python avec des bibliothèques externes et acquerrez de l'expérience dans l'utilisation de la bibliothèque Pandas pour l'analyse et la visualisation de données, notamment en faisant évoluer les Workflows Pandas avec Apache Spark. Enfin, vous explorerez les fondamentaux du cloud computing. Tout au long du cours, vous acquerrez une pratique concrète grâce à des exercices de laboratoire, avec des ressources supplémentaires pour approfondir vos connaissances en programmation après la formation.

Ce cours guide les praticiens à travers l'ensemble des approches de modélisation des données sur la Databricks Data Intelligence Platform - des techniques classiques de data warehouse (Inmon, Kimball, Data Vault 2.0), en passant par les cas d'usage ML pilotés par le Feature Store, jusqu'à la mise en production des données via des Data Products sur Unity Catalog.

Chaque approche de modélisation est introduite par un cours magistral, puis consolidée par une démonstration pratique sur un ensemble de données partagé (échantillons TPC-H). Le cours se termine par un laboratoire complet de bout en bout couvrant la modélisation ERM, la modélisation dimensionnelle, Data Vault 2.0 et le Feature Store dans un workflow intégré unique.

Remarque : Pour les fichiers de cours SCORM, veuillez fermer la fenêtre SCORM après avoir terminé le contenu. Ne cliquez pas sur le bouton ‘Next Lesson’, car cela pourrait empêcher le module SCORM d’être marqué comme terminé.

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