Omnigent Basics - French

Ce cours apprend aux analystes de données à concevoir, créer, publier et exploiter des AI/BI Dashboards dans Databricks. Les AI/BI Dashboards associent des données gouvernées par Unity Catalog à des visualisations interactives, des filtres et l'intégration de Genie, afin que les utilisateurs métier puissent explorer les réponses sans écrire de code.

Le cours suit une seule réalisation de bout en bout. Vous commencez avec des tables sources dans Unity Catalog et terminez avec un tableau de bord multipage publié et surveillé. En chemin, vous découvrez comment les tableaux de bord s'intègrent dans la famille de produits AI/BI de Databricks et où interviennent Genie, les jeux de données, les visualisations et les filtres dans le flux de travail.

Le contenu couvre :

• Les principes fondamentaux des AI/BI Dashboards et leur relation avec Genie et le reste de la plateforme Databricks.

• L'exploration des données sources dans Unity Catalog et la conception de jeux de données de tableau de bord réutilisables avec SQL.

• La création de visualisations (KPI, tendances, répartitions) et la mise en page d'un tableau de bord multipage soigné.

• L'utilisation de Genie Code pour générer du SQL, des graphiques et des filtres à partir de prompts en langage naturel.

• L'ajout de filtres pour rendre les tableaux de bord interactifs et réactifs aux questions des utilisateurs.

• La publication, le partage et la gestion des autorisations afin que les bonnes personnes puissent consulter et modifier le tableau de bord.

• L'exploitation du tableau de bord en production avec actualisation planifiée, mise en cache et suivi de l'utilisation.

À la fin du cours, vous serez en mesure de partir d'une question métier, de concevoir les jeux de données nécessaires, de créer un tableau de bord abouti et de le livrer à votre audience avec les autorisations appropriées et une stratégie d'actualisation qui en garantit l'exactitude.

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.

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

Dans ce cours, vous acquerrez une compréhension approfondie de la façon de concevoir, mettre à l'échelle et opérationnaliser des pipelines d'Ingénierie des caractéristiques de bout en bout sur la plateforme Databricks. Le programme est structuré en trois modules progressifs : maîtriser les fondamentaux de l'exécution distribuée et de l'optimisation de Spark, implémenter l'Ingestion de données évolutive avec Auto Loader et des pipelines LakeFlow déclaratifs, et progresser vers un MLOps de niveau production avec le Databricks Feature Store.

Vous bénéficierez d'expériences d'apprentissage pratiques telles que le débogage des performances de Spark avec le Catalyst Optimizer et le Spark UI, la construction d'architectures médaillon Bronze-Argent-gold robustes avec des contrôles de qualité automatisés, et l'implémentation de transformations de fonctionnalités évolutives à l'aide de SparkML. Le cours se conclut par le déploiement d'un service de fonctionnalités en temps réel via des Online Feature Stores, la définition de FeatureSpecs avec des transformations à la demande, et l'application de la gouvernance et du suivi de la traçabilité des données avec Unity Catalog.

À la fin du cours, vous serez en mesure de gérer le cycle de vie complet des fonctionnalités pour le machine learning à l'échelle entreprise — en concevant des pipelines performants, fiables, gouvernés et prêts pour la production.

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.

L'IA a transformé ce que les développeurs sont appelés à construire : les agents, les copilotes et les outils intelligents passent du stade expérimental à la production, et le travail évolue de l'écriture de code vers l'orchestration de modèles, de données et de services. Dans ce cours, vous apprendrez comment la création d'applications agentiques là où résident les données supprime la complexité d'infrastructure liée à l'assemblage de stacks fragmentées. À travers une démonstration guidée de synthèse de compte, vous verrez comment Databricks Apps, Lakebase et Agent Bricks (Genie Spaces, les assistants de connaissances et les agents Supervisor) fonctionnent ensemble sur une base serverless et gouvernée pour fournir une application agentique prête pour la production.