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.
| Tutoriel | Détails |
|---|---|
| Interroger et visualiser des données | Utilisez un notebook Databricks pour interroger des exemples de données stockés dans le catalogue Unity à l’aide de SQL, Python, Scala et R, puis visualisez les résultats de la requête dans le notebook. |
| Importer et visualiser des données CSV à partir d’un notebook | Utilisez un notebook Databricks pour importer des données à partir d’un fichier CSV contenant des données de noms de bébé dans votre volume du catalogue Unity en utilisant Python, Scala et R. Vous apprendrez également à modifier un nom de colonne, à visualiser les données et à enregistrer dans une table. |
| Créer une table | Créez une table et accordez des privilèges dans Databricks à l’aide du modèle de gouvernance des données Unity Catalog. |
| Créer un pipeline ETL à l’aide de Pipelines Déclaratifs de Lakeflow Spark | Créez et déployez un pipeline ETL (extraction, transformation et chargement) pour l’orchestration des données à l’aide de pipelines déclaratifs Spark Lakeflow et du chargeur automatique. |
| Créer un pipeline ETL à l’aide de pipelines déclaratifs Spark Lakeflow | Développez et déployez votre premier pipeline ETL (extraire, transformer et charger) pour l’orchestration des données avec Apache Spark™. |
| Entraîner et déployer un modèle 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. |
| Interroger des LLMs et des agents IA prototypes sans code | Utilisez AI Playground pour interroger des modèles de langage volumineux (LLMs) et comparer les résultats côte à côte, prototyper un agent IA appelant des outils et exporter votre agent vers du code. |
| Se connecter à Azure Data Lake Storage | Connectez-vous d’Azure Databricks à Azure Data Lake Storage à l’aide d’OAuth 2.0 avec un principal de service Microsoft Entra ID. |
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 onboarding-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.