Data Governance at Scale - French

Dans ce cours, vous apprendrez à implémenter la Gouvernance des données à grande échelle sur Databricks à l'aide de Unity Catalog, en mettant l'accent sur le contrôle d'accès basé sur les attributs, l'observabilité et le partage fédéré. Vous configurerez l'ABAC avec des tags gouvernés, migrerez depuis des contrôles affinés hérités, activerez et utiliserez les tables système pour l'audit et le monitoring des coûts, déploierez le monitoring de la qualité des données pour la qualité des données et des modèles, interpréterez la traçabilité des données pour l'impact et la conformité, et appliquerez la gouvernance fédérée et les modèles Delta Sharing pour une collaboration sécurisée entre clouds.

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.

Skill Level

Associate

Duration

Prerequisites

Suivez le cours ci-dessous avant de commencer celui-ci:

• Databricks Fundamentals (ou tout cours d'introduction à Databricks équivalent)

Dans ce cours, le contenu a été développé pour les participants possédant les compétences, connaissances et aptitudes suivantes:

• Familiarité avec la plateforme Databricks et les opérations de base dans un workspace (création et rattachement de clusters, exécution de Notebooks, gestion des exécutions de tâches simples).

• Connaissance des concepts fondamentaux de Gouvernance des données, tels que le contrôle d'accès, les permissions et les politiques de sécurité dans une plateforme de données.

• Expérience intermédiaire en SQL, notamment la création et la gestion de tables, de vues et de fonctions, ainsi que l'attribution et la révocation de privilèges sur des objets de base de données.

• Compréhension du modèle d'objets de base de Unity Catalog (metastore, Catalogues, schémas, tables, volumes, fonctions, modèles).

• Compréhension de base de la Traçabilité des données et de la façon dont les données transitent entre les sources, les transformations et les ressources d'analyse de données ou de ML en aval.

• Familiarité avec les techniques de sécurité à granularité fine, telles que les filtres au niveau des lignes et le masquage de colonnes, même si elles n'ont pas encore été implémentées dans Unity Catalog.

• Connaissances de niveau débutant des concepts cloud (compute, stockage, identités/groupes) sur au moins un fournisseur cloud majeur.

• Sensibilisation de base à la gestion des métadonnées et aux pratiques de Découverte de données dans les plateformes de données modernes.

Outline

Contrôle d'accès à la mise à l'échelle : ABAC

• Pourquoi l'ABAC, Quand l'ABAC

• Tags gouvernés et politiques de tags

• Politique Modèle, Portée et Héritage

• Migration de RLS/CM vers ABAC

• Démo: Contrôle d'accès basé sur les attributs avec les politiques de tag dans Databricks

• Laboratoire: Mise en œuvre de l'ABAC pour la Gouvernance des données des services financiers

Observabilité : gouvernance et audit à la mise à l'échelle

• Activation des schémas système et accès

• Utilisation et coûts : system.billing et budgets

• Tableaux de bord & Livraison des log de diagnostic

• Démo: Audit, Monitoring et sensibilisation aux coûts avec les tables système

• Laboratoire: Audit, Monitoring et Sensibilisation aux Coûts avec les Tables Système

Monitoring de la qualité des données

• Architecture & Types de Monitoring

• Configurer un moniteur et ses sorties

• Indicateurs personnalisés et notifications

• Lire les Tableaux de bord comme un ingénieur en fiabilité des sites

• Démo: Monitoring de la qualité des données

• Laboratoire: Gestion de la qualité des données e-commerce

Traçabilité des données et des modèles

• Pourquoi la traçabilité des données : analyse des causes racines, impact, conformité

• Traçabilité des données et autorisations dans l'interface utilisateur

• Requêtes des tables système de traçabilité des données

• Traçabilité des données du modèle et apportez votre propre traçabilité des données

• Démo: Visibilité de la traçabilité des données et gouvernance

• Laboratoire: Traçabilité des données, gouvernance et conformité

Gouvernance fédérée et Partage de données inter-cloud

• Modèles de gouvernance fédérée

• Lakehouse Federation Primer

• Collaboration inter-cloud avec Delta Sharing

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

Advanced Machine Learning with Databricks - French

Ce cours s’adresse aux data scientists et aux praticiens du machine learning et se compose de deux modules de quatre heures.

Machine Learning at Scale

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.

Advanced Machine Learning Operations

Dans ce cours, vous bénéficierez d'une compréhension complète du cycle de vie du machine learning et du MLOps, en mettant l'accent sur les meilleures pratiques en matière de gestion des données et des modèles, de tests et d'architectures évolutives. Il couvre les composants clés du MLOps, notamment le CI/CD, la gestion des pipelines et la séparation des environnements, tout en présentant les outils Databricks pour l'automatisation et la gestion de l'infrastructure, tels que les Declarative Automation Bundles (DABs), les Lakeflow jobs et le Model Serving. Vous apprendrez les concepts de monitoring, de métriques personnalisées, de détection de dérive, de stratégies de déploiement de modèles, de tests A/B et les principes des systèmes MLOps fiables, offrant une vue globale de la mise en œuvre et de la gestion de projets ML dans Databricks.

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.