Deploy Workloads with Lakeflow Jobs - French

Le cours Deploy Workloads with Lakeflow Jobs enseigne comment orchestrer et automatiser des workflows de données, d'analyse de données et d'IA à l'aide de Lakeflow Jobs en tant que plateforme d'orchestration unifiée au sein de l'écosystème Databricks.

• Vous apprendrez à concevoir et à mettre en œuvre des charges de travail de données à l'aide de graphes orientés acycliques (DAG), à configurer diverses options de planification et à implémenter des fonctionnalités avancées de workflow telles que l'exécution conditionnelle de tâches, les dépendances run-if et les boucles for each.

• Le cours couvre les bonnes pratiques pour créer des pipelines robustes et prêts pour la production, avec une sélection appropriée du compute, une orchestration modulaire, des techniques de gestion des erreurs et une conception tolérante aux pannes — le tout nativement intégré au sein de la Databricks Data Intelligence Platform.

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

• Avoir suivi le cours « Get Started with Databricks for Data Engineering », ou posséder une bonne compréhension de la Databricks Data Intelligence Platform

• Compréhension de base de sujets tels que la navigation dans un Databricks Workspace, Apache Spark, Delta Lake, Medallion Architecture et Unity Catalog.

• Familiarité avec Python/PySpark

• Expérience dans l'écriture de requêtes SQL de niveau intermédiaire.

Outline

• Présentation du cours

• Introduction au data engineering dans Databricks

• Lakeflow Jobs Core Components

• Présentation du projet de cours

• Création d'une tâche à l'aide de l'interface utilisateur Lakeflow jobs

• Lab - Créez votre première tâche

• Création et planification des jobs

• Démo - Automatisation des charges de travail avec la planification et les Déclencheurs

• Tâche conditionnelle et itérative

• Démo - Création de charges de travail dynamiques avec des tâches avancées

• Lab - Ajout d'une tâche If-Else et automatisation de votre tâche

• Gestion des échecs de tâche et monitoring des performances des Jobs

• Demo - Monitoring and Repairing Task

• Lakeflow Jobs en production et bonnes pratiques

• Résumé et Étapes Suivantes

• BONUS LAB - Orchestration Modulaire

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

Machine Learning Model Deployment - French

Ce cours est conçu pour présenter trois stratégies principales de déploiement de machine learning et illustrer la mise en œuvre de chacune de ces stratégies sur Databricks. Après une exploration des fondamentaux du déploiement de modèles, le cours aborde le batch inference, en proposant des démonstrations pratiques et des travaux dirigés pour l'utilisation d'un modèle dans des scénarios de batch inference, ainsi que des considérations relatives à l'optimisation des performance. La deuxième partie du cours couvre de manière exhaustive le déploiement de pipeline, tandis que le dernier segment se concentre sur le déploiement en temps réel. Les participants s'engageront dans des démonstrations pratiques et des travaux dirigés, en déployant des modèles avec Model Serving et en utilisant le serving endpoint pour l'inférence en temps réel.

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

Data Preparation for Machine Learning - French

Ce cours se concentre sur les fondamentaux de la préparation des données pour le machine learning avec Databricks. Les participants acquerront les compétences essentielles pour explorer, nettoyer et organiser les données en vue d'applications de machine learning traditionnelles. Les sujets clés comprennent la visualisation des données, l'Ingénierie des caractéristiques et les stratégies optimales de stockage des fonctionnalités. Grâce à des exercices pratiques, les participants acquerront une expérience concrète dans la préparation efficace de jeux de données pour le machine learning au sein de Databricks. Ce cours est conçu pour les data scientists de niveau associé et les praticiens du machine learning, ainsi que pour les personnes souhaitant renforcer leurs compétences en préparation des données, garantissant ainsi une base solide pour le déploiement Réussi d'un Modèle de machine learning.

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

Automated Deployment with Declarative Automation Bundles - French

Ce cours propose une revue approfondie des principes DevOps et de leur application aux projets Databricks. Il commence par un aperçu des concepts fondamentaux de DevOps, DataOps, intégration continue (CI), déploiement continu (CD) et tests, et explore comment ces principes peuvent s'appliquer aux pipelines d'ingénierie des données.

Le cours se concentre ensuite sur le déploiement continu au sein du processus CI/CD, en examinant des outils tels que l'API REST, le SDK et le CLI Databricks pour le déploiement de projets. Vous découvrirez les Declarative Automation Bundles (DABs) et leur place dans le processus CI/CD. Vous approfondirez leurs composants clés, la structure des dossiers et la façon dont ils accélèrent le déploiement dans divers environnements cibles sur Databricks. Vous apprendrez également à ajouter des variables, modifier, valider, déployer et exécuter des Declarative Automation Bundles pour plusieurs environnements avec différentes configurations via le CLI Databricks.

Enfin, le cours présente Visual Studio Code comme environnement de développement interactif (IDE) pour construire, tester et déployer des Declarative Automation Bundles localement, en optimisant le processus de développement. Le cours se termine par une introduction à l'automatisation des pipelines de déploiement avec GitHub Actions afin d'améliorer le flux de travail CI/CD avec les Declarative Automation Bundles.

À la fin de ce cours, vous serez prêt à automatiser les déploiements de projets Databricks avec les Declarative Automation Bundles, en améliorant l'efficacité grâce aux pratiques DevOps.

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