Deploying and Monitoring Agent Applications on Databricks - French

Ce cours couvre le cycle de vie de bout en bout pour le déploiement et la surveillance d’agents d’IA générative sur Databricks. Les participants apprendront à déployer des agents en tant que Databricks Apps à l’aide de Declarative Automation Bundles (DABs), à intégrer des outils via le Model Context Protocol (MCP), à instrumenter les agents avec MLflow Tracing, et à évaluer la qualité en production à l’aide de scorers, de juges multi-tours et d’une évaluation en ligne. Grâce à des démos et labs pratiques, les participants acquerront une expérience concrète de création, d’observation et de surveillance d’agents IA de niveau production sur la plateforme Databricks.

Remarque : Databricks Academy passe à un format basé sur des notebooks pour les sessions en classe dans l’environnement Databricks, et n’utilise plus de diaporamas pour les cours. Vous pouvez accéder aux notebooks de cours dans l’environnement de laboratoire Vocareum.

Skill Level

Associate

Duration

Prerequisites

Ce contenu a été conçu pour des participants disposant des compétences, connaissances et aptitudes suivantes :

• Familiarité avec l’espace de travail et les notebooks Databricks

• Familiarité avec Unity Catalog

• Expérience de création d’agents avec le OpenAI Agents SDK

• Connaissances de base de MLflow et de Python

• Familiarité avec les concepts d’agents GenAI (appels LLM, invocation d’outils, récupération)

Outline

1. Déploiement d’agents

• Déploiement d’agents sur Databricks

• Déployer un agent observable

2. Intégration d’outils et observabilité

• Intégration d’outils et observabilité

• Tracing pour les agents en production

3. Évaluation et surveillance en production

• Évaluation et surveillance en production

• Évaluation en ligne avec des conversations multi-tours

• Rattrapage et archivage des conversations multi-tours

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

Introduction to Python for Data Science and Data Engineering - French

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.

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.

Generative AI Engineer

Agent Evaluation on Databricks - French

Ce cours apprend aux étudiants à évaluer systématiquement les agents IA à l’aide du cadre d’évaluation de MLflow, en répondant aux défis propres aux systèmes d’IA non déterministes que les tests logiciels traditionnels ne peuvent pas gérer. Les étudiants apprennent à mettre en œuvre différentes approches d’évaluation, notamment des juges intégrés pour des critères courants tels que l’exactitude et la sécurité, des juges de directives pour des exigences propres à l’entreprise, et des juges personnalisés pour des besoins spécialisés. Le cours couvre à la fois l’évaluation hors ligne à partir d’ensembles de données organisés et le monitoring en ligne en production, avec une expérience pratique des capacités de traçage de MLflow pour comprendre les schémas d’exécution des agents et recueillir les retours humains de différents types de parties prenantes. À travers des démonstrations pratiques et des laboratoires, les étudiants développent des compétences pour créer des workflows d’évaluation qui favorisent l’amélioration continue de la qualité tout au long du cycle de vie de développement des agents IA.

Remarque : Databricks Academy passe à un format basé sur des notebooks pour les sessions en classe dans l’environnement Databricks, et n’utilise plus de diaporamas pour les cours. Vous pouvez accéder aux notebooks de cours dans l’environnement de laboratoire Vocareum.

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 : La Databricks Academy est en train de passer à un format basé sur des notebooks pour les sessions en classe au sein de l'environnement Databricks, en abandonnant l'utilisation de présentations de diapositives pour les cours. Vous pouvez accéder aux notebooks de cours dans l'environnement de laboratoire Vocareum.