Databricks Machine Learning: создание и развертывание моделей

Многие модели машинного обучения не приносят пользы, потому что они никогда не выходят за пределы экспериментальной фазы. Databricks предоставляет единую платформу, которая ликвидирует разрыв между наукой о данных и производственным развертыванием. В этом текстовом курсе вы узнаете, как использовать Databricks для управления всем жизненным циклом машинного обучения. Вы перейдете от написания изолированного кода к созданию масштабируемых конвейеров машинного обучения, готовых к развертыванию в реальном мире. Что вы узнаете: Основы концепций рабочего пространства Databricks и совместных тетрадей; Изучение подготовки данных и инженерии функций с помощью Delta Lake; Обучение и настройка моделей машинного обучения с использованием популярных библиотек в среде Databrick; Отслеживание экспериментов и параметров с помощья встроенного отслеживания MLflow; Регистрация, Применять передовые методы для масштабируемого обучения моделей и базовой автоматизации конвейера. Применение передовых методов для масштабируемой подготовки моделей. Курс начинается с основных терминов и навигации в рабочем пространстве Databricks, а затем пошагово знакомит с подготовкой данных, обучением модели, отслеживанием экспериментов и управлением жизненным циклом. Этот курс предназначен для начинающих ученых, аналитиков и инженеров программного обеспечения, которые только начинают работать с Databricks и хотят узнать, как оперативно использовать модели машинного обучения. Не требуется предыдущий опыт работы с Databricks, хотя полезно иметь базовое понимание Python и концепций машинного обучения. Начните читать уже сегодня, чтобы освоить инструменты, необходимые для создания рабочих процессов машинного обучения, готовых к производству.