Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Les didacticiels de cette section présentent les principales fonctionnalités et vous guident tout au long des concepts de base de l’utilisation de la plateforme Azure Databricks.
Pour plus d’informations sur les ressources de formation en ligne, consultez Obtenir une formation Databricks gratuite.
Si vous n’avez pas de compte Azure Databricks, inscrivez-vous à un essai gratuit.
Exploration des données
| Tutoriel | Description |
|---|---|
| Interroger et visualiser les données | Utilisez un notebook Databricks pour interroger des exemples de données stockés dans le catalogue Unity, puis visualiser les résultats de la requête dans le notebook. |
| Importez et visualisez des données CSV depuis un notebook | Utilisez un notebook Databricks pour importer des données à partir d'un fichier CSV situé dans https://health.data.ny.gov vers votre volume de catalogue Unity. |
| Créez un tableau | Créez une table et accordez des privilèges dans Azure Databricks à l’aide du modèle de gouvernance des données Unity Catalog. |
| Explorez les tableaux de bord et interrogez les données dans Genie One | Naviguez dans l’interface Genie One conçue pour les utilisateurs professionnels. Affichez des tableaux de bord, posez des questions sur les données en langage naturel et découvrez les ressources partagées avec vous. |
Ingénierie des données
| Tutoriel | Description |
|---|---|
| Construire un pipeline ETL en utilisant des pipelines Lakeflow | Créez et déployez un pipeline ETL (extraire, transformer et charger) pour l’orchestration des données à l’aide de pipelines Lakeflow et du chargeur automatique. |
| Construire un pipeline ETL en utilisant Apache Spark | Développez et déployez votre premier pipeline ETL (extraire, transformer et charger) pour l’orchestration des données avec Apache Spark™. |
IA et Machine Learning
| Tutoriel | Description |
|---|---|
| Entraîner et déployer un modèle de ML | Créez un modèle de classification Machine Learning à l’aide de la bibliothèque scikit-learn sur Databricks pour prédire si un vin est considéré comme « de haute qualité ». Ce tutoriel illustre également l’utilisation de MLflow pour suivre le processus de développement de modèle et Hyperopt pour automatiser l’optimisation des hyperparamètres. |
| Entraîner et suivre un modèle d’apprentissage profond | Entraîner un modèle d’apprentissage profond sur Databricks et suivre les exécutions d’entraînement, les hyperparamètres et les métriques avec MLflow 3. |
| Construire et déployer un agent | Utilisez Agent Bricks CLI pour générer la structure d’un agent, l’exécuter localement et le déployer dans l’environnement d’exécution de l’agent. |
Obtenir de l’aide
- Si vous avez des questions sur la configuration d’Azure Databricks et que vous avez besoin d’aide en direct, veuillez envoyer un e-mail help@databricks.com.
- Si votre organisation n’a pas d’abonnement au support Azure Databricks ou si vous n’êtes pas un contact autorisé pour l’abonnement de support de votre entreprise, vous pouvez obtenir des réponses de la Communauté Databricks.