Formation Data Science et IA avec Fabric

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