À qui s'adresse cette formation ?
- Débutant
- Scientifique des données
- Analyste de données
- Ingénieur de données
Objectifs de la formation
Vous découvrirez comment explorer, prétraiter, entraîner et suivre des modèles d'apprentissage automatique dans Microsoft Fabric.
Description sommaire
Les formations Applied Skills sont conçues pour valider des compétences spécifiques en étant orientées vers des scénarios réels. Elles offrent une alternative ciblée aux certifications traditionnelles basées sur des rôles, en mettant l'accent sur l'application des compétences techniques dans des situations professionnelles concrètes. Explorez le processus de science des données et apprenez à former des modèles d'apprentissage automatique pour réaliser l'intelligence artificielle dans Microsoft Fabric.
Contenu du plan de cours
- Démarrez avec la science des données dans Microsoft Fabric
- Explorez les données pour la science des données avec des blocs-notes dans Microsoft Fabric
- Prétraiter les données avec Data Wrangler dans Microsoft Fabric
- Entraîner et suivre des modèles d'apprentissage automatique avec MLflow dans Microsoft Fabric
- Générer des prédictions par lots à l'aide d'un modèle déployé dans Microsoft Fabric
Approche et méthode pédagogique
Approche pratique et structurée combinant théorie ciblée et ateliers guidés. Les participants implémentent progressivement une solution de science des données et d’apprentissage automatique pour l’IA dans Microsoft Fabric à travers des exercices concrets inspirés de scénarios professionnels, favorisant une mise en application immédiate des apprentissages. Ils apprennent à préparer et analyser les données, entraîner des modèles et exploiter les capacités intégrées de Fabric pour développer des solutions analytiques et d’IA. Animée par un formateur certifié Microsoft, la formation privilégie l’interactivité et le développement de compétences techniques directement transférables pour réaliser des projets de science des données en contexte professionnel.
Prérequis
Vous devez être familier avec les concepts et la terminologie de base des données.
Recommandations
- Bases en science des données et apprentissage automatique (modèles, entraînement, évaluation)
- Connaissance de Python et des bibliothèques associées (ex. : Pandas, scikit‑learn)
- Compréhension des concepts de manipulation et préparation des données Notions de statistiques et analyse de données
- Familiarité avec les environnements data ou cloud (Azure / Fabric – atout)
