EnglishDeutschFrançaisEspañolPortuguês

Databricks · DB-MLA · Associate

Databricks Machine Learning Associate — Questions d'entraînement et examen blanc

L’examen Databricks Certified Machine Learning Associate valide ta capacité à concevoir, entraîner et déployer des modèles de machine learning sur la plateforme Databricks.

48Questions par examen blanc Pass-IT
90minDurée limite de l’examen blanc Pass-IT

Vérifié auprès de Databricks · octobre 2026 · Version actuelle de l’examen

Découvre comment tu apprends avec Pass-IT.

Réponds à une question d’exemple pour DB-MLA et lis l’explication avec sa source. Ici même, sans inscription.

Databricks Machine Learning1 / 5

Comment AutoML dans Databricks règle-t-il le problème du choix du bon algorithme de ML ?

AlexExplication complète d’Alex

Déroulé d'AutoML : 1) Tu spécifies : jeu de données, colonne cible, type de problème (classification/régression/forecasting) et métrique d'évaluation. 2) AutoML explore : prétraitement des données (encodage, imputation), sélection de features, sélection d'algorithmes, recherche d'hyperparamètres. 3) Résultats : une liste de modèles classée selon les métriques, et des notebooks générés montrant le code exact de chaque approche. 4) Bonne pratique : sers-toi d'AutoML comme point de départ, puis personnalise le notebook le plus performant. Les notebooks générés utilisent des bibliothèques standard (scikit-learn, XGBoost, LightGBM) : ils sont donc entièrement portables et modifiables.

Sourcedocs.databricks.com

Model Deployment3 / 5

Un machine learning engineer veut revenir en arrière sur un déploiement de modèle sur Databricks après avoir découvert des problèmes en production. Quelle est l'approche la plus rapide ?

AlexExplication complète d’Alex

Les model aliases sont utiles dans les workflows de déploiement parce qu'ils découplent le libellé humain de déploiement d'une version de modèle immuable. L'inférence batch peut charger des modèles directement par alias, mais Databricks documente les workflows de Model Serving endpoint comme résolvant l'alias vers une version de modèle puis mettant à jour la configuration de l'endpoint pour servir cette version. Un rollback met donc à jour l'entité servie par l'endpoint vers la version précédente du modèle tout en conservant l'URL de l'endpoint.

Sourcedocs.databricks.com

Développement de modèles5 / 5

Qu'est-ce que le fléau de la dimensionnalité et comment affecte-t-il les modèles de machine learning ?

AlexExplication complète d’Alex

Conséquences pratiques : en grande dimension, le plus proche voisin d'un point est presque aussi éloigné que le point le plus lointain, ce qui rend KNN inefficace. Le clustering fondé sur les distances se dégrade. Les modèles linéaires peuvent avoir besoin d'exponentiellement plus de données. Parmi les remèdes : la sélection de features (retirer les features non pertinentes), la réduction de dimension (PCA, autoencodeurs), la régularisation (pénalités L1/L2) et le recours à des algorithmes moins sensibles à la dimensionnalité (les modèles à base d'arbres gèrent plutôt bien les grandes dimensions, car ils sélectionnent des features informatives à chaque split).

Sourcescikit-learn.org

* Les questions de l’app sont actuellement en anglais. Les traductions de cet aperçu concernent uniquement l’aperçu. Consulte l’organisme de certification pour connaître les langues disponibles pour l’examen officiel.

Comment te préparer à DB-MLA avec Pass-IT.

Actuellement, 362 questions d’entraînement pour DB-MLA, et nous en ajoutons régulièrement. Concentre-toi sur ce qu’il te reste à apprendre.

Avance quand une question te bloque.

Comprends pourquoi une réponse est correcte. Alex t’explique les notions et répond à tes questions pour que tu puisses appliquer ce que tu apprends à l’exercice suivant.

Découvrir Alex →

Aperçu de conversation · DB-MLA

Comparer avec AutoML

  1. Toi

    Comment AutoML aide-t-il à choisir un algorithme ?

  2. Alex · Tuteur IA

    Il entraîne plusieurs candidats et compare leurs performances de validation.

    Lire la documentation Databricks ↗
  3. Toi

    Puis-je examiner le travail obtenu ?

  4. Alex · Tuteur IA

    Oui. Il génère des notebooks de candidats que tu peux examiner et poursuivre.

    Lire la documentation Databricks ↗

Utilise ton temps d’étude à bon escient.

Entraîne-toi à ton niveau.
Pour les nouvelles séances d’entraînement, Pass-IT adapte la difficulté à tes réponses précédentes.

Apprends de tes erreurs.
Les réponses incorrectes deviennent automatiquement des fiches de révision. En les revoyant, tu évalues à quel point tu te souviens de la réponse ; Pass-IT programme la prochaine révision.

Découvrir les révisions ciblées →

Démonstration animée de la fonctionnalité

Transforme tes erreurs en connaissances solides.

Comment fonctionne Pass-IT

Ta révision

Tu as mal répondu à une question ?

Pass-IT la conserve pour ta révision.

DB-MLA · Extrait de question

Comparer avec AutoML

Voir la question complète

Comment AutoML dans Databricks règle-t-il le problème du choix du bon algorithme de ML ?

Comprends la bonne réponse.

Il entraîne automatiquement plusieurs algorithmes en parallèle, compare leurs performances sur un jeu de validation et génère des notebooks pour les modèles les plus performants

AutoML compare les modèles sur des données de validation et fournit des notebooks pour poursuivre le travail.

Lire la documentation Databricks ↗

À quel point te souviens-tu de la réponse ?

Pendant la révision, tu évalues si tu te souviens bien de la réponse.

Correct après hésitation

Pass-IT programme ta prochaine révision.

La date dépend de ton évaluation et de tes révisions précédentes.

Démonstration simplifiée. Aucun progrès d’apprentissage n’est enregistré.

Entraîne-toi pour le moment qui compte.

Passe un examen blanc complet avec une limite de temps et vérifie si tu arrives à terminer à temps.

Ton examen blanc DB-MLA

Questions
48
Minutes
90

Illustration du déroulement d’un examen

  1. Début
  2. Répondre aux questions
  3. Fin

Nombre de questions et durée limite de l’examen blanc Pass-IT.

Aborde l’examen avec plus de confiance.

Ton Readiness Score t’aide à évaluer si tu es prêt pour l’examen. Les résultats par domaine te montrent où tu devrais continuer à t’entraîner.

Remboursé si tu échoues malgré 80 % de Readiness.
Si ton Readiness Score atteint au moins 80 % au moment de l’examen et que tu échoues malgré tout, nous te remboursons le prix d’achat Pass-IT de cette certification.

Pour les accès payants actifs. Envoie la preuve de ton échec sous 14 jours.

Autres conditions de la garantie

Au moment de l’examen, tu dois avoir au moins 80 % de Readiness et un accès payant actif à la certification. Passe l’examen pendant ta période d’accès et envoie la preuve officielle de ton échec dans les 14 jours suivant l’examen.

Pour les achats via Apple ou Google, le remboursement passe par la boutique concernée. Consulte les conditions complètes pour les autres modalités.

Voir les conditions de la garantie →

Le Readiness Score décrit tes progrès à l’entraînement, pas une probabilité de réussite.

Condition de la garantie

80%

Au moins 80 % de Readiness
au moment de l’examen

Remboursement en cas d’échec

Nombre de questions et paramètres des examens blancs issus du catalogue Pass-IT actuel.

Ce que tu travailles pour DB-MLA.

Les sujets de l’examen, des exercices adaptés et des sources à consulter.

Utiliser les outils ML DatabricksConsulte le guide pour la pondération138 QuestionsQuestions Pass-IT

Gère variables, expériences et modèles durant leur cycle de vie.

  • Explique les pratiques MLOps et les avantages des runtimes ML et d’AutoML pour sélectionner modèles et variables.
  • Crée et alimente des tables de variables Unity Catalog, utilise-les pour entraîner et prédire et compare stockage au niveau compte ou workspace et tables en ligne ou hors ligne.
  • Enregistre métriques, artefacts et modèles dans MLflow, consulte l’interface et trouve le meilleur run avec la Client API.
  • Enregistre les modèles dans Unity Catalog via la MLflow Client API et explique les avantages face au registre du workspace.
  • Choisis de promouvoir code ou modèles, gère les tags et utilise les alias pour promouvoir un challenger en champion.
Explorer et préparer les données d’entraînementConsulte le guide pour la pondération52 QuestionsQuestions Pass-IT

Comprends la distribution des variables et choisis le prétraitement adapté.

  • Calcule les résumés des DataFrames Spark, visualise les variables catégorielles ou continues et compare des paires avec des méthodes adaptées.
  • Retire les valeurs aberrantes selon l’écart-type ou l’écart interquartile.
  • Compare imputation par moyenne, médiane ou mode et applique le remplacement adapté aux valeurs manquantes.
  • Applique le one-hot encoding lorsqu’il convient aux données et au modèle et identifie les cas adaptés à une transformation logarithmique.
Entraîner et évaluer les modèlesConsulte le guide pour la pondération125 QuestionsQuestions Pass-IT

Choisis les algorithmes et valide soigneusement leurs performances.

  • Choisis un algorithme, traite le déséquilibre des classes et construis un pipeline avec estimateurs et transformateurs.
  • Ajuste les hyperparamètres avec Hyperopt fmin, recherche aléatoire, par grille ou bayésienne et parallélise l’ajustement des modèles mononœuds.
  • Compare validation croisée et séparation entraînement-validation, applique-la pendant l’ajustement et calcule le nombre de modèles entraînés par une recherche en grille.
  • Choisis les métriques adaptées de classification ou régression comme F1, log loss, ROC/AUC, RMSE, MAE ou R² et exponentie les valeurs logarithmiques avant l’interprétation ou le calcul des métriques concernées.
  • Évalue l’effet de la complexité du modèle et du compromis biais-variance sur les performances.
Déployer les modèles pour l’inférenceConsulte le guide pour la pondération47 QuestionsQuestions Pass-IT

Choisis comment un modèle entraîné produira ses prédictions.

  • Compare serving batch, temps réel et streaming selon le traitement.
  • Déploie des modèles personnalisés sur des endpoints, interroge les prédictions en temps réel et répartis les données d’inférence entre endpoints.
  • Effectue l’inférence batch avec pandas et explique l’inférence streaming avec Delta Live Tables.
Les formats de questions que tu peux travailler
Choix multiple
Sélectionne une réponse.

Ce sont les formats d’entraînement de Pass-IT. Consulte la page de certification Databricks pour les informations sur l’examen officiel.

Questions fréquentes

Ta préparation

Combien de temps prévoir pour préparer DB-MLA ?

Pour t’aider à t’organiser, Pass-IT estime environ 50–120 heures. Avec une expérience pertinente, tu te situeras plutôt vers le bas de cette fourchette ; si tu débutes, plutôt vers le haut. Tes besoins peuvent aussi être en dehors de cette plage. Ce n’est ni une durée imposée par Databricks, ni une promesse d’être prêt pour l’examen dans ce délai.

Quelle expérience l'examen Machine Learning Associate suppose-t-il ?

Databricks recommande six mois ou plus de pratique du machine learning sur la plateforme et n'exige aucune certification pour t'inscrire. Le catalogue table sur environ 80 heures. Comme l'outillage de la plateforme pèse le plus lourd, le temps passé dans le workspace compte ici davantage que la théorie générale de la modélisation.

Utiliser Pass-IT

Dans quelle langue sont les questions de Pass-IT ?

Les questions de l’application sont actuellement en anglais. Les traductions des questions d’exemple de cette page concernent uniquement cet aperçu. Consulte Databricks pour connaître les langues proposées pour l’examen officiel.

Combien de temps dure mon accès à DB-MLA ?

L’accès à cette certification dure 12 mois. Tu paies une seule fois, sans renouvellement automatique.

Quand la garantie de remboursement s’applique-t-elle ?

La garantie rembourse le prix d’achat Pass-IT de cette certification. Tu dois disposer d’un accès payant éligible et d’un Readiness Score d’au moins 80 %, calculé à partir de tes résultats d’entraînement, au moment de l’examen. Ce score ne peut atteindre 80 % qu’après au moins 50 questions répondues et ne constitue pas une probabilité de réussite validée. Passe l’examen pendant ta période d’accès et envoie la preuve officielle de ton échec sous 14 jours. Conditions de la garantie

L’examen DB-MLA

Où puis-je passer l’examen DB-MLA ?

Surveillé en ligne ou centre d'examen.

Combien de temps dure l’examen Databricks Certified Machine Learning Associate ?

L’examen Databricks Certified Machine Learning Associate comporte 48 questions et le temps imparti est de 90 minutes.

La certification Machine Learning Associate expire-t-elle ?

Oui, deux ans après ta réussite. La recertification passe uniquement par l'examen, dans la version en vigueur à ce moment-là. Il n'existe pas de renouvellement par crédits chez Databricks.

Ta préparation à DB-MLA

$29.99paiement unique

12 mois d’accès à DB-MLA · Sans renouvellement automatique

Acheter l’accès à DB-MLA

Les questions de l’application sont actuellement en anglais.

Essayer 20 questions gratuitementCompte gratuit requis. Sans carte bancaire.

Déjà un compte ? Connecte-toi

Tu préfères un abonnement ? Voir les abonnements →

Remboursement en cas d’échec avec au moins 80 % de Readiness, pour les achats éligibles selon les conditions de la garantie.

Conditions de la garantie

La garantie rembourse le prix d’achat Pass-IT de cette certification. Tu dois disposer d’un accès payant éligible et d’un Readiness Score d’au moins 80 %, calculé à partir de tes résultats d’entraînement, au moment de l’examen. Ce score ne peut atteindre 80 % qu’après au moins 50 questions répondues et ne constitue pas une probabilité de réussite validée. Passe l’examen pendant ta période d’accès et envoie la preuve officielle de ton échec sous 14 jours.

Conditions complètes de la garantie →