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.
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
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
