Découvrez la puissance du Lakehouse Dans le monde actuel, riche en données, nous avons besoin d’outils qui nous permettent d’être aussi axés sur les données que possible. Ce cours vous guide du début à la fin sur la façon dont la plateforme Databricks Lakehouse offre une plateforme unique, évolutive et performante pour vos processus de données. Travailler avec un ensemble de données réel vous apprendra à accomplir diverses tâches au sein de la plateforme Databricks. Vous commencerez le cours en apprenant à administrer la plateforme Databricks et à vous assurer que votre environnement est configuré de manière sécurisée.

Pratiquez l’ingénierie des données à grande échelle Après avoir configuré votre espace de travail, vous apprendrez à créer de puissants pipelines de données à l’aide de Databricks. Vous appliquerez différentes transformations au jeu de données, en le faisant passer de Bronze à Silver, puis à Gold dans une architecture Medallion. Vous apprendrez comment les clusters Databricks offrent une puissance de calcul et une évolutivité immédiatement disponibles. Vous configurerez un flux de travail Databricks de bout en bout pour automatiser l’ensemble de votre pipeline de données.

Utilisez le Lakehouse comme entrepôt de données Une composante clé de l’architecture Lakehouse est que vous pouvez interroger votre stockage de données comme un entrepôt de données traditionnel. Dans cette section, vous apprendrez comment Databricks SQL vous offre les performances d’entrepôt de données que vous recherchez, directement au-dessus de votre lac de données. Vous apprendrez à créer des requêtes à l’aide du SQL ANSI standard, puis à utiliser ces résultats pour créer des tableaux de bord ad hoc sur l’ensemble de votre jeu de données.

Mettre en œuvre la science des données et l’apprentissage automatique gouvernés Enfin, vous apprendrez comment Databricks offre un ensemble complet d’outils pour les cas d’utilisation de la science des données et de l’apprentissage automatique. Vous apprendrez à suivre et à évaluer vos modèles à l’aide du cadre MLFlow entièrement intégré pour MLOps. Vous apprendrez comment le Feature Store et le Model Registry simplifient le processus de création de modèles d’apprentissage automatique de qualité production. Enfin, vous apprendrez à déployer et à surveiller vos modèles à l’aide des fonctionnalités intégrées de diffusion de modèles.

Avantages du Databricks Lakehouse

Concepts de Databricks

Exercice interactif pratique