Revenir au contenu principal

Data Preparation for Machine Learning - French

Ce cours enseigne les fondamentaux de la préparation des données pour le machine learning traditionnel sur Databricks. Les apprenants chargent des données dans des tables Delta régies par Unity Catalog et les explorent à l'aide de Notebooks, de visualisations intégrées et de Genie Code. Ils nettoient ensuite les Données nettoyées, gèrent les valeurs manquantes et les valeurs aberrantes, les divisent et les échantillonnent sans fuite de données, et construisent des Pipelines ML reproductibles avec Spark pour l'imputation, l'encodage et la standardisation. Enfin, ils stockent, gouvernent et réutilisent les fonctionnalités grâce à l'Ingénierie des caractéristiques dans Unity Catalog. Cela inclut les recherches ponctuelles dans le temps pour des ensembles d'entraînement sans fuite de données, ainsi qu'une introduction au service de fonctionnalités en ligne avec les Online Feature Stores reposant sur Lakebase. Chaque module combine des cours magistraux avec des démonstrations pratiques et un atelier qui s'exécutent sur du compute serverless. L'entraînement, le service et le monitoring des modèles ne sont pas abordés ; ils sont enseignés dans les cours Machine Learning Model Development et Machine Learning Model Deployment. Ce cours est conçu pour les data scientists de niveau associé et les praticiens du machine learning qui souhaitent acquérir des bases solides en préparation des données sur Databricks.


Remarque :

1. Il s’agit du premier cours de la série « Machine Learning avec Databricks ».

2. Pour les fichiers de cours SCORM, veillez à 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
3h
Prerequisites

Dans ce cours, le contenu a été conçu pour des participants possédant les compétences, connaissances et capacités suivantes : 

• Avoir suivi le cours Get Started with Databricks for Machine Learning (Onboarding) ou posséder des connaissances fondamentales équivalentes sur l'utilisation de l'environnement Databricks.

    - Les apprenants doivent être familiarisés avec la navigation dans le Databricks workspace, la création et l'exécution de notebooks, ainsi que la compréhension du workflow de base du machine learning sur Databricks. Ce cours s'appuie sur ces bases pour se concentrer sur la préparation des données pour le machine learning.

• Maîtrise intermédiaire de la programmation Python pour la préparation et l'analyse des données.

    - Les apprenants doivent être à l'aise avec l'utilisation de bibliothèques telles que Pandas, NumPy et scikit-learn pour la manipulation des données, la gestion des valeurs manquantes et les transformations de base des fonctionnalités.

• Compréhension fondamentale des principes du machine learning.

    - Cela inclut la familiarité avec des concepts tels que les jeux de données d'entraînement et de test, l'ingénierie des caractéristiques et les pipelines de développement de modèles.

• Familiarité avec les workflows de la Databricks Platform.

    - Les apprenants doivent être capables d'effectuer des tâches de base telles que la création de clusters, l'exécution de code dans des notebooks et l'utilisation des opérations courantes des notebooks.

• Connaissance de base des formats de données et des concepts du lakehouse.

    - Les apprenants doivent être familiarisés avec les formats de données courants tels que CSV, JSON et Parquet, et posséder une connaissance introductive de Delta Lake et de l'architecture Lakehouse.

• Compréhension fondamentale de l'analyse exploratoire des données et des statistiques de base.

    - Cela inclut la connaissance des distributions de données, des valeurs manquantes, des valeurs aberrantes et des techniques simples de visualisation des données utilisées pour évaluer la qualité des données.

Self-Paced

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

See all our registration options

Registration options

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

Runtime

Self-Paced

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

Inscrivez-vous maintenant

Instructors

Instructor-Led

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

Inscrivez-vous maintenant

Learning

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

Scale

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

Data Engineer

Databricks Data Privacy - French

Confidentialité des Données dans Databricks enseigne aux ingénieurs data comment trouver, protéger, supprimer et rendre compte des données personnelles sur la Databricks Data Intelligence Platform. La confidentialité y est traitée comme un ensemble de décisions techniques et de contrôles construits sur Unity Catalog et Delta Lake. Le cours sépare la confidentialité de la sécurité, de la gouvernance et de la conformité, puis organise le travail autour d'un cycle de vie identifier, protéger, gérer et vérifier, et d'un modèle de décision court que les apprenants appliquent à chaque technique.

Les apprenants commencent par trouver les colonnes sensibles avec Data Classification et consigner le traitement de chacune avec un tag gouverné. Ils protègent ces colonnes avec des politiques de contrôle d'accès basé sur les attributs (ABAC) pilotées par les tags, et utilisent des masques de colonnes et des filtres de lignes manuels lorsqu'une politique centrale ne convient pas. La désidentification va plus loin avec le hachage salé, la tokenisation via un coffre gouverné séparément et le chiffrement de colonnes, le sel et la clé étant conservés dans Databricks Secrets. Pour le droit à l'effacement, les apprenants suivent une demande, trouvent les données de la personne concernée avec la classification et le lignage, suppriment et propagent le changement avec DELETE et MERGE, puis purgent les fichiers sous-jacents avec REORG TABLE ... APPLY (PURGE) et un VACUUM tenant compte de la rétention. Le cours se termine en combinant lignage, journaux d'audit, historique des requêtes et historique des tables Delta en une piste de preuves montrant si chaque contrôle a fonctionné.

Toutes les données sont synthétiques. Les démos suivent le patrimoine de données d'un détaillant multinational tout au long du cycle de vie et closent chaque contrôle par une preuve qu'il a fonctionné, comme un résultat de requête masqué, un contrôle d'effacement vide ou une entrée d'historique de table. Deux laboratoires basés sur des scénarios renforcent le flux. Dans le premier, les apprenants réparent une protection défaillante sur la table clients d'une filiale. Dans le second, ils terminent une demande d'effacement à moitié réalisée et rassemblent les preuves qu'elle est complète. Le cours est technique et ne fournit pas de conseil juridique.

Remarque : Databricks Academy passe à un format basé sur des notebooks pour les sessions en classe dans l'environnement Databricks, et abandonne l'utilisation de diapositives pour les cours. Vous pouvez accéder aux notebooks de cours dans l'environnement de laboratoire Vocareum.

Paid & Subscription
3h
Lab
Professional

Questions?

If you have any questions, please refer to our Frequently Asked Questions page.