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 : Pour les fichiers de cours SCORM, veuillez vous assurer de 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.

Skill Level

Associate

Duration

Prerequisites

Compétences spécifiques à Python :

• Syntaxe Python de base et structures de données

• Compréhension des fonctions, classes et décorateurs

• Expérience de la gestion des packages Python et des imports

• Familiarité avec la manipulation de données JSON

• Compréhension de base des modèles async/await

Compétences spécifiques à SQL :

• Syntaxe de requête SQL de base (SELECT, FROM, WHERE)

• Compréhension des fonctions SQL et des fonctions définies par l’utilisateur

• Expérience des fonctions SQL Unity Catalog

Compétences spécifiques à Databricks :

• Compréhension de la navigation dans l’espace de travail Databricks et de l’interface des notebooks

• Connaissance de la structure Unity Catalog (catalogues, schémas, tables, volumes, fonctions)

• Expérience des ressources de calcul Databricks et du calcul serverless

• Familiarité avec le suivi d’expériences MLflow

• Compréhension des points de terminaison de service de modèles Databricks

Compétences spécifiques GenAI/Agent :

• Compréhension de base des LLM et de leurs capacités

• Connaissance de l’ingénierie de prompts et des prompts système

• Familiarité avec les agents à appel d’outils et les concepts de function calling

• Connaissance de base du Model Context Protocol (MCP)

Outline

1. Fondamentaux

• Agents, MCP et gouvernance IA sur Databricks

• Demo: Créer des outils d’agent sur Databricks

• Lab: Évaluer et corriger les outils d’agent

2. Développement d’agents

• Créer des agents avec le OpenAI Agents SDK et MLflow

• Demo: Créer des agents individuels avec le OpenAI Agents SDK

• Demo: Orchestration multi-agents avec le OpenAI Agents SDK

3. Agent Bricks et au-delà

• Agent Bricks et Genie

• Lab: Créer un Supervisor Agent avec Agent Bricks

• BONUS : Créer des agents individuels avec LangChain

Self-Paced

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

Customer registration Partner registration

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

Machine Learning at Scale - French

Dans ce cours, vous acquerrez des connaissances théoriques et pratiques sur l'architecture d'Apache Spark et son application aux charges de travail de machine learning dans Databricks. Vous apprendrez quand utiliser Spark pour la préparation des données, l'entraînement des modèles et le déploiement, tout en acquérant une expérience pratique avec Spark ML et les APIs Pandas sur Spark. Ce cours vous introduira à des concepts avancés tels que l'optimisation des hyperparamètres et la mise à l'échelle d'Optuna avec Spark. Ce cours utilisera des fonctionnalités et des concepts introduits dans le cours associé, tels que MLflow et Unity Catalog, pour un packaging et une gouvernance complets des modèles.

Remarque: pour les fichiers de cours SCORM, veillez à fermer la fenêtre SCORM une fois le contenu terminé. Ne cliquez pas sur le bouton « Next Lesson », car cela pourrait empêcher le module SCORM d'être marqué comme terminé.

SQL Analytics on Databricks - French

Dans ce cours, vous apprendrez à utiliser efficacement Databricks pour l'analyse de données, avec un focus particulier sur Databricks SQL. En tant qu'analyste de données Databricks, vos responsabilités incluront la recherche de données pertinentes, leur analyse pour des applications potentielles, et leur transformation en formats fournissant des insights commerciaux précieux.

Vous comprendrez également votre rôle dans la gestion des objets de données et la manière de les manipuler au sein de la Plateforme d'intelligence des données Databricks, à l'aide d'outils tels que Notebooks, l'éditeur SQL et Databricks SQL.

De plus, vous découvrirez l'importance de Unity Catalog dans la gestion des actifs de données et de la plateforme globale. Enfin, le cours donnera un aperçu de la façon dont Databricks facilite l'optimisation des performances et vous apprendra à accéder à Query Insights pour comprendre les processus se déroulant en coulisses lors de l'exécution de requêtes d'analyse SQL sur Databricks.

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.

Data Ingestion with Lakeflow Connect - French

Ce cours propose une introduction complète à LakeFlow Connect, une solution évolutive et simplifiée pour l'Ingestion de données dans Databricks à partir d'un large éventail de sources. Vous commencerez par explorer les différents types de connecteurs LakeFlow Connect (Standard et Managed) et apprendrez diverses techniques d'Ingestion de données, notamment l'ingestion batch, incrémentale batch et streaming. Vous passerez également en revue les principaux avantages de l'utilisation des tables UC et de la Medallion Architecture.

Ensuite, vous développerez des compétences pratiques pour l'Ingestion de données depuis un stockage d'objets cloud à l'aide des connecteurs standard LakeFlow Connect. Cela comprend l'utilisation de méthodes telles que CREATE TABLE AS SELECT (CTAS), COPY INTO et Auto Loader, en mettant l'accent sur les avantages et les considérations propres à chaque approche. Vous apprendrez également à ajouter des colonnes de métadonnées à vos tables de niveau Bronze lors de l'ingestion dans la Databricks Data Intelligence Platform. Le cours aborde ensuite la gestion des enregistrements ne correspondant pas au schéma de votre table à l'aide de la colonne de données récupérées, ainsi que les stratégies de gestion et d'analyse de ces données. Vous explorerez également des techniques pour l'ingestion et l'aplatissement de données JSON semi-structurées.

Par la suite, vous découvrirez comment réaliser une Ingestion de données de niveau entreprise à l'aide des connecteurs Managed LakeFlow Connect pour intégrer des données provenant de bases de données et d'applications Software-as-a-Service (SaaS). Le cours présente également Partner Connect comme option d'intégration d'outils partenaires dans vos charges de travail d'ingestion.

Enfin, le cours se conclut par des stratégies d'ingestion alternatives, notamment les opérations MERGE INTO et l'exploitation du Databricks Marketplace, vous dotant ainsi de bases solides pour prendre en charge les cas d'usage modernes de data engineering.

Paid & Subscription

Lab

Associate