Databricks Machine Learning: budowanie i wdrażanie modeli

Wiele modeli uczenia maszynowego nie dostarcza wartości, ponieważ nigdy nie opuszczają fazy eksperymentalnej. Databricks zapewnia ujednoliconą platformę, która wypełnia lukę między nauką o danych a wdrożeniem produkcyjnym. Dzięki temu tekstowemu kursowi zrozumiesz, jak wykorzystać Databricks do zarządzania całym cyklem życia uczenia maszynowego. Przejdziesz od pisania odizolowanego kodu do tworzenia skalowalnych, współpracujących potoków ML, które są gotowe do wdrożenia w świecie rzeczywistym. Co się nauczysz: Zrozumienie podstawowych koncepcji obszaru roboczego Databricks i notebooków współpracujących; Eksploruj przygotowanie danych i inżynierię funkcji za pomocą Delta Lake; Trenuj i dostrajaj modele uczenia maszynowego za pomoca popularnych bibliotek w środowisku Databrick; Śledź eksperymenty i parametry za pomocę zintegrowanego śledzenia MLflow; Zarejestruj się, Zastosuj najlepsze praktyki do szkolenia skalowalnych modeli i podstawowej automatyzacji potoków.Użyj MLflow Model Registry do zarządzania modelami w celu wdrożenia. Kurs rozpoczyna się od podstawowej terminologii Databricks i nawigacji w obszarze roboczym, a następnie krok po kroku prowadzi przez przygotowanie danych, szkolenie modelu, śledzenie eksperymentów i zarządzanie cyklem życia. Ten kurs jest przeznaczony dla początkujących naukowców, analityków i inżynierów oprogramowania, którzy są nowi w Databricks i chcą nauczyć się, jak operacjonalizować modele uczenia maszynowego. Nie jest wymagane wcześniejsze doświadczenie z Databricks, chociaż pomocne jest podstawowe zrozumienie Pythona i koncepcji uczenia maszynowego. Zacznij czytać już dziś, aby opanować narzędzia potrzebne do tworzenia gotowych do produkcji przepływów pracy uczenia maszynowego.