Revenir au contenu principal

Machine Learning Operations - French

Ce cours guidera les participants à travers une exploration complète des opérations de Modèle de machine learning, en mettant l'accent sur le MLOps et la gestion du cycle de vie des modèles. La première partie couvre les composants essentiels du MLOps et les meilleures pratiques, offrant aux participants une base solide pour opérationnaliser efficacement les Modèles de machine learning. Dans la seconde partie du cours, nous aborderons les fondamentaux du cycle de vie des modèles, en démontrant comment le parcourir de manière fluide en utilisant le Model Registry conjointement avec Unity Catalog pour une gestion efficace des modèles. À la conclusion du cours, les participants auront acquis des DNT pratiques ainsi qu'une compréhension approfondie des principes du MLOps, dotés des compétences nécessaires pour naviguer dans le paysage complexe des opérations de Modèle de machine learning.


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.

Skill Level
Associate
Duration
2h
Prerequisites

Le contenu a été développé pour des participants possédant les compétences/connaissances/aptitudes suivantes:

• Familiarité avec la Databricks Data Intelligence Platform et les opérations de base du workspace (créer des clusters, exécuter du code dans des notebooks, utiliser les opérations de base des notebooks, importer des dépôts depuis Git)

• Expérience de programmation intermédiaire en Python, notamment avec les bibliothèques de manipulation de données (Pandas, NumPy) et l'utilisation des APIs (endpoints REST, charges utiles JSON)

• Connaissance de base de MLflow pour le suivi des expériences, la journalisation des modèles, les opérations du Registre des modèles et la gestion du cycle de vie des modèles

• Compréhension des fondamentaux du machine learning, notamment l'entraînement des modèles, les workflows d'évaluation et de déploiement, ainsi que les concepts de monitoring des performances

• Familiarité avec les concepts MLOps, notamment l'évaluation de la qualité des données, l'ingénierie des caractéristiques, les tests de modèles et les pratiques de monitoring continu

• Expérience de base avec les interfaces en ligne de commande et la configuration de l'authentification pour les plateformes cloud et les outils de développement

• Compréhension des Lakeflow Jobs et des concepts d'orchestration de workflow (dépendances entre tâches, logique conditionnelle, planification, notifications)

• Connaissance de base des principes de monitoring des modèles et de détection de dérive, notamment les métriques de performance et la Détection d'anomalies

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

Catalog Management and Data Organization - French

Dans ce cours, vous apprendrez à concevoir, mettre en œuvre et gérer des structures de Catalogue ainsi que l'organisation de données à grande échelle avec Unity Catalog sur la plateforme Databricks Data and AI. Divisé en cinq modules, il commence par situer Unity Catalog dans le modèle de déploiement cloud, en couvrant la console de compte, les métastores régionaux et les rôles d'administrateur qui le rendent opérationnel. Vous traduirez ensuite la topologie organisationnelle (unités métier, régions et environnements dev/QA/prod) en une conception de Catalogue et de schéma évolutive, avec des conventions de nommage, la propriété et la délégation MANAGE. Le cours aborde ensuite l'intégration sécurisée du stockage, avec les identifiants de stockage, les emplacements externes, la hiérarchie de stockage géré, les tables gérées par opposition aux tables externes, les Volumes et Lakehouse Federation. Vous appliquerez ensuite des modèles d'accès et des stratégies d'isolation, notamment la liaison workspace-Catalogue, l'héritage de privilèges, les filtres de lignes, les masques de colonnes et les politiques de contrôle d'accès basé sur les attributs (ABAC), et vous validerez les résultats à l'aide de signaux d'audit. Enfin, le cours se conclut par les bonnes pratiques de conception, de gouvernance et d'exploitation d'un patrimoine Unity Catalog. Les démonstrations pratiques et les travaux dirigés s'exécutent sur du compute serverless et comprennent de courtes étapes Genie Code.

Remarque : 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.

Free
2h
Associate

Unity Gateway Basics - French

Unity Gateway étend la gouvernance de Unity Catalog au trafic IA. Unity Catalog régit déjà vos modèles, services MCP, fonctions et connexions en tant qu'objets sécurisables ; Unity Gateway ajoute un Control Plane centralisé sur le trafic qui leur est destiné, en appliquant le routage, les limites de débit, les budgets, le suivi de l'utilisation et les **politiques de service** (garde-fous) à chaque requête et réponse.

Ce lab présente les fondamentaux à travers un court exposé, puis les met en pratique lors d'une démonstration guidée. Dans cette démonstration, vous gouvernez une application agentique réelle — qui génère des diagrammes natifs Databricks sous forme de code — en la faisant transiter par Unity Gateway et en renforçant progressivement sa gouvernance : création d'un service de modèle, attribution de permissions, ajout de tables d'inférence, limites de débit, une politique de garde-fou contre les hallucinations, répartition du trafic entre les modèles Claude, et routage avec solution de secours. Enfin, vous explorez les schémas `system.ai` et `system.ai_gateway` pour voir comment la télémétrie et l'observabilité complètent la journalisation des inférences au niveau des charges utiles.

À l'issue du lab, vous comprendrez comment la gouvernance des ressources, du trafic et des comportements se combinent en un seul Control Plane pour l'IA, et comment appliquer ces contrôles à une application d'IA générative de type production sur Databricks.

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

Free
1h
Associate

Questions?

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