Formation Data Science et IA avec Fabric

Programme de votre formation

1. #

   M2I START AVANT VOTRE FORMATION

   Contextualisation du projet de formation et prise en compte des besoins de chacun

   • Positionnement initial de l’apprenant par rapport aux objectifs
   • Définition des priorités et des objectifs personnels de l’apprenant
   • Vidéos de mise en situation
   • Accès au Chat interactif myM2i pour interagir avec les membres de son groupe
   
2. #

   M2I LIVE VOTRE FORMATION ANIMÉE PAR NOTRE EXPERT ^¹

   Programme

   Jour 1 - Concevoir et entraîner des modèles IA dans Fabric

   • Découvrir le workload Data Science de Microsoft Fabric
   • Positionner les notebooks, expérimentations, modèles et environnements scientifiques
   • Organiser un projet Data Science dans un environnement Fabric déjà gouverné
   • Exploiter OneLake et les Lakehouses comme socle des jeux de données IA
   • Identifier les scénarios Data Science pertinents dans une architecture Fabric

   Préparer les données pour l'entraînement

   • Sélectionner et consolider les jeux de données utiles aux modèles
   • Mettre en oeuvre les principes du Feature Engineering
   • Préparer les données d'entraînement, de validation et de test
   • Identifier les biais, anomalies et déséquilibres de données
   • Optimiser les volumes de données pour les phases d'apprentissage
   • Documenter les hypothèses et transformations appliquées aux données

   Utiliser les notebooks Fabric pour la Data Science

   • Développer des analyses avec Python dans Fabric
   • Exploiter Pandas, NumPy, Scikit-Learn et les bibliothèques scientifiques
   • Utiliser Apache Spark pour les traitements distribués
   • Structurer et réutiliser les composants analytiques
   • Industrialiser progressivement les notebooks dans les traitements Fabric

   Entraîner et évaluer des modèles de Machine Learning

   • Mettre en oeuvre des modèles de classification et de régression
   • Introduire les usages de segmentation, clustering et détection d'anomalies
   • Sélectionner les métriques d'évaluation adaptées
   • Comparer les performances de plusieurs modèles
   • Interpréter les résultats et préparer la mise en exploitation

   Automatiser les expérimentations avec AutoML

   • Comprendre les principes et limites de l'AutoML
   • Générer et comparer plusieurs modèles automatiquement
   • Identifier les facteurs influençant la qualité des prédictions
   • Sélectionner le modèle le plus pertinent pour un cas d'usage métier

   Jour 2 - Industrialiser, gouverner et enrichir avec l'IA Générative

   Mettre en oeuvre une démarche MLOps avec Fabric

   • Comprendre le cycle de vie d'un modèle de Machine Learning
   • Gérer les expérimentations, métriques et artefacts de modèles
   • Versionner les modèles et assurer la reproductibilité des entraînements
   • Automatiser les réentraînements et les traitements de scoring
   • Surveiller les performances et les dérives des modèles dans le temps

   Déployer et exploiter les modèles

   • Publier un modèle pour la consommation métier
   • Mettre en oeuvre le scoring automatisé dans Fabric
   • Intégrer les traitements IA dans des pipelines Fabric
   • Organiser les échanges entre modèles, Lakehouse, Warehouse et rapports analytiques
   • Préparer l'exploitation opérationnelle des modèles dans les usages métiers

   Exploiter l'IA Générative dans Fabric

   • Comprendre les principes des grands modèles de langage
   • Utiliser Copilot dans les workloads Microsoft Fabric
   • Enrichir des données avec des modèles génératifs
   • Réaliser des opérations de classification sémantique et d'extraction de contenu
   • Concevoir des workflows augmentés par l'IA Générative

   Intégrer Fabric avec Azure AI Foundry

   • Positionner Fabric dans une architecture GenAI d'entreprise
   • Comprendre le rôle d'Azure AI Foundry dans les scénarios IA avancés
   • Exploiter des modèles externes depuis les données Fabric
   • Construire des scénarios RAG connectés aux données gouvernées de OneLake
   • Préparer l'industrialisation de solutions IA combinant Fabric et Azure AI

   Exemples de travaux pratiques (à titre indicatif)

   • Construire un projet Data Science complet sur un Lakehouse existant
   • Préparer un jeu de données pour un modèle prédictif
   • Réaliser une expérimentation AutoML
   • Entraîner et comparer plusieurs modèles de Machine Learning
   • Publier et exploiter un modèle dans Fabric
   • Mettre en place un suivi de performances et de dérive de modèle
   • Classifier ou extraire des informations avec IA Générative
   • Construire un mini assistant RAG connecté à OneLake
   • Exploiter un modèle Azure AI Foundry depuis Fabric
   • Intégrer un traitement de scoring dans un pipeline Fabric
   • Présenter une architecture cible Data Science et IA sur Microsoft Fabric

   Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.

   
3. #

   M2I BOOST APRÈS VOTRE FORMATION

   Réactivation et consolidation des acquis en situation de travail

   • 30 jours d’accompagnement personnalisé sur myM2i inclus ^²
   • Ressources Boosters (Abonnement au M2i’Mag Soft Skills, formations offertes, invitations aux conférences d’actualité…)
   

1. ^¹ Les actions et les outils présentés dans ce programme le sont à titre indicatif et peuvent faire l’objet d'adaptation selon les niveaux, prérequis et besoins des apprenants. Les compétences clés de ce programme sont traitées à raison d'une compétence par demi-journée de formation.
2. ^² Sur myM2i, pendant 30 jours post-fin de formation, les apprenants disposent d’une messagerie sécurisée pour échanger, dans la limite de 4 sollicitations, avec leur formateur.