SF34388
1 jour
En présentiel ou distanciel
- 7 heures de formation
- Exercices pratiques
- Prise en charge OPCO possible
Un renseignement ?
Contactez-nous !- En entreprise ou à distance
- Cadrage pédagogique gratuit
- Programme de formation sur mesure
- Formateur expert dédié
- Prise en charge OPCO possible
Formation Construire des solutions de Machine Learning avec Azure Databricks (DP-3014).
Apprenez à concevoir, entraîner et déployer des modèles de Machine Learning à grande échelle en exploitant la puissance d’Azure Databricks !
Azure Databricks est une plateforme cloud puissante conçue pour l’analytique des données et l’intelligence artificielle. Elle permet aux data scientists et ingénieurs en Machine Learning de développer des solutions prédictives robustes, en intégrant des frameworks open source largement utilisés. Au travers de ce parcours, vous découvrirez comment exploiter Spark, MLflow, AutoML et le Deep Learning dans Azure Databricks pour industrialiser vos projets de Machine Learning et gérer leur cycle de vie complet, de la préparation des données jusqu’au déploiement en production.
Programme de formation Construire des solutions de Machine Learning avec Azure Databricks (DP-3014).
Explorer Azure Databricks
Introduction
Prise en main de l’environnement Azure Databricks
Identifier les différents types de charges de travail
Concepts fondamentaux de la plateforme
Gouvernance des données avec Unity Catalog et Microsoft Purview
Exercice pratique : exploration de l’interface Azure Databricks
Utiliser Apache Spark dans Azure Databricks
Introduction
Présentation de Spark
Création et gestion d’un cluster Spark
Utilisation des notebooks pour exécuter du code Spark
Manipuler des fichiers de données avec Spark
Visualiser les données
Exercice pratique : traitement de données avec Spark
Entraîner un modèle de Machine Learning avec Azure Databricks
Introduction
Principes du Machine Learning
Intégration du Machine Learning dans Azure Databricks
Préparer les données pour l’entraînement
Entraîner un modèle prédictif
Évaluer la performance du modèle
Exercice pratique : entraînement d’un modèle de Machine Learning
Gérer les expériences avec MLflow dans Azure Databricks
Introduction
Fonctionnalités clés de MLflow
Lancer et suivre des expériences
Enregistrer et déployer des modèles avec MLflow
Exercice pratique : suivi et gestion de modèles avec MLflow
Optimiser les hyperparamètres dans Azure Databricks
Introduction
Optimisation avec la bibliothèque Optuna
Analyse et suivi des essais
Mise à l’échelle de l’optimisation
Exercice pratique : réglage des hyperparamètres dans Databricks
Automatiser l’apprentissage avec AutoML dans Azure Databricks
Introduction
Comprendre le rôle d’AutoML
Utiliser AutoML via l’interface graphique
Lancer des expériences AutoML en code
Exercice pratique : génération automatique d’un modèle avec AutoML
Entraîner des modèles de Deep Learning dans Azure Databricks
Introduction
Concepts fondamentaux du Deep Learning
Entraînement de modèles avec PyTorch
Distribution de l’entraînement avec TorchDistributor
Exercice pratique : implémenter un modèle de Deep Learning dans Databricks
Mettre en production des modèles de Machine Learning avec Azure Databricks
Introduction
Automatiser les pipelines de transformation de données
Développement et mise à jour de modèles
Stratégies de déploiement en production
Gestion des versions et du cycle de vie des modèles
Exercice pratique : déploiement et supervision d’un modèle Machine Learning
Nos autres formations en Cloud .
Formation Administrateur d’identité et de l’accès Microsoft (SC-300)
Formation Administration des solutions Microsoft Azure SQL (DP-300)
Formation Advanced Architecting on AWS (cours officiel)
Formation Applications Cloud-Native
Formation Architecting on AWS (AWSA)
Formation Architecting with Google Compute Engine (AGCE)
A travers sa Charte Engagement Qualité, Sparks s’engage à tout mettre en œuvre pour que chaque session de formation soit un succès et que votre satisfaction soit totale.
