Valide la capacité à utiliser Databricks pour le cycle de vie complet du ML (MLflow, Feature Store).
Réponse : MLflow.
Permet de suivre les expériences, de packager le code et de déployer les modèles.
Réponse : Une couche de stockage optimisée apportant des transactions ACID à Apache Spark.
Garantit l'intégrité des données tout en offrant des performances élevées pour le ML.
Réponse : À générer automatiquement des modèles de ML et les notebooks associés à partir d'un jeu de données.
Accélère le processus de prototypage en testant plusieurs algorithmes.
Réponse : Via le 'Databricks Feature Store'.
Permet une réutilisation et une cohérence des données entre l'entraînement et le service des modèles.
Réponse : Apache Spark.
C'est le moteur de calcul haute performance au cœur de la plateforme Databricks.