Microsoft Azure - Administrer les bases de données relationnelles dans Azure
- Durée
- Durée :4 jours
- Niveau
- Niveau :Intermédiaire
- Certification
- Certification :Azure Database Administrator Associate
2890€ HT
Prochaine session :
Description de la formation Azure Data Science
Le cours est délivré dans les conditions définies par Microsoft : en partenariat avec un centre de formation agréé Microsoft Learning, formateur certifié Microsoft, lab officiel Microsoft, support de cours officiel Microsoft.
Cette formation permet de maîtriser les compétences clés pour concevoir, orchestrer et industrialiser des solutions d’IA générative sur Microsoft Azure. Elle s’adresse aux professionnels souhaitant développer des applications intelligentes exploitant les modèles de langage, l’automatisation et les services d’IA avancés dans des environnements cloud modernes.
Elle apporte une vision opérationnelle de la conception de solutions basées sur l’IA générative, en couvrant les architectures modernes autour des LLM, des agents IA, du Retrieval-Augmented Generation (RAG) et des services Azure dédiés. Les participants apprennent à structurer des applications capables d’exploiter des données métier, de générer du contenu, d’automatiser des interactions et de s’intégrer aux systèmes d’information, tout en respectant les exigences de sécurité, gouvernance et IA responsable.
Programme de la formation
Objectif opérationnel :
Savoir opérationnaliser le Machine Learning et les solutions d'IA générative sur Microsoft Azure.
Objectifs pédagogiques :
À l'issue de cette formation, vous aurez acquis les connaissances et compétences nécessaires pour :
- Comprendre les principes du GenAIOps et son rôle dans l’industrialisation des applications d’IA générative
- Structurer le cycle de vie d’une application d’IA générative avec une approche code-first
- Gérer les prompts comme des artefacts versionnés avec GitHub et Microsoft Foundry
- Concevoir des stratégies d’évaluation pour mesurer qualité, coût, performance et fiabilité des agents IA
- Automatiser les évaluations avec Microsoft Foundry, Python et GitHub
- Actions Superviser une application d’IA générative avec des métriques de performance, latence, erreurs et consommation de tokens
- Mettre en œuvre le monitoring et l’observabilité distribuée avec Azure Monitor, OpenTelemetry et tracing
- Identifier les leviers d’optimisation de performance, de coût et de fiabilité en environnement de production
Opérationnaliser des modèles de Machine Learning avec une démarche MLOps
Expérimenter, entraîner et piloter des modèles avec Azure Machine LearningOptimiser les performances des modèles grâce au réglage des hyperparamètres dans Azure Machine Learning
Orchestrer des workflows de data science avec les pipelines Azure Machine Learning
Automatiser l’exécution des jobs Azure Machine Learning avec GitHub
Déclencher GitHub Actions avec le développement basé sur les fonctionnalités
Gérer les environnements d’exécution et la reproductibilité avec GitHub Actions
Déployer un modèle de Machine Learning en production avec GitHub Actions et Azure Machine Learning
Opérationnaliser des applications d’IA générative avec une démarche GenAIOps
Planifier et structurer une stratégie GenAIOps pour fiabiliser les applications d’IA générativeGérer et versionner les invites d’agents IA dans Microsoft Foundry avec GitHub
Évaluer et optimiser les agents IA grâce à des expérimentations structurées
Automatiser les évaluations d’IA avec Microsoft Foundry et GitHub Actions
Superviser et monitorer les performances d’une application d’IA générative en production
Analyser, tracer et déboguer une application d’IA générative avec des mécanismes avancés de tracing
Public cible :
Cette formation s'adresse aux data scientists ainsi qu'à toute personne chargée de la préparation et du déploiement de modèles de machine learning.
Prérequis :
Pour participer à cette formation, les participants doivent avoir :
- des connaissances de base d’Azure
- une bonne compréhension de la data science (préparation des données et la sélection, l’évaluation et le déploiement des modèles)
- des bases de programmation en langage Python et l’utilisation de librairies comme : Pandas, scikit-learn, Matplotlib, et Seaborn
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 11/05/2026
Dates et lieux
Période souhaitée
Lieux
Type d'affichage