生產中的機器學習

描述

在本課程中，您將學習使用MLFlow管理機器學習實驗和模型的最佳實踐。本課程中有兩個主要組成部分：（i）使用MLFlow跟蹤機器學習生命周期，部署的軟件包模型以及管理模型版本（ii）檢查各種生產問題，不同的部署範式和後期製作問題。在本課程結束時，您將建立一條端到端管道來記錄，部署和監視機器學習模型。

本課程將為您準備Databricks認證的機器學習專業考試。

期間

1整天或2天

目標

• 跟蹤，版本和管理機器學習實驗
• 利用Databricks功能商店用於可重複的數據管理
• 實施用於部署批處理，流和實時模型的策略
• 構建監視解決方案，包括漂移檢測

先決條件

• Python和Pandas的中級經驗
• 機器學習和數據科學的工作知識（Scikit-Learn，TensorFlow等）
• 熟悉Apache Spark

大綱

第一天

• ML生產概述
• 帶有Delta和Databricks功能商店的數據管理
• 通過MLFlow跟蹤進行實驗跟蹤和版本控製
• 具有MLFLOW模型和模型注冊表的模型管理
• 使用Webhooks自動測試
• 部署範式
• 監視和CI/CD

如果您有任何疑問，請參考我們經常問的問題頁。