機器學習

建在一個開放的lakehouse架構，DataBricks Machion Empowers ML團隊準備和處理數據，簡化跨團隊協作，並將全毫升生命周期標準化到生產中的實驗。

簡化ML數據的所有方麵

因為Databricks ML是建立在一個開放的lakehouse基礎三角洲湖，你可以授權你的機器學習團隊訪問、探索和準備任何規模的任何類型的數據。在不依賴數據工程支持的情況下，以自助方式將特性轉化為生產管道。

自動化實驗跟蹤和治理

Managed MLflow自動跟蹤您的實驗，並記錄參數、指標、數據和代碼的版本控製，以及每次培訓運行的模型工件。您可以快速查看以前的運行，比較結果，並根據需要重現過去的結果。一旦您確定了用於生產的模型的最佳版本，將其注冊到model Registry，以簡化沿著部署生命周期的移交。

使用模型注冊中心管理完整的模型生命周期

一旦培訓的型號注冊，您可以通過使用模型注冊表通過其生命周期進行協作管理它們。beplay娱乐ios型號可以通過各個階段版本化並移動，如實驗，分期，生產和存檔。Lifecycle Management根據基於角色的訪問控製的批準和治理工作流程集成。評論和電子郵件通知為數據團隊提供豐富的協作環境。beplay娱乐ios

按比例和低延​​遲部署ML模型

從模型注冊表中，使用批量評分進行快速部署生產模型，或用於低延遲在線服務作為REST API端點的DataBricks。因為模型注冊表依賴於MLflow模型格式例如，在Kubernetes上部署Docker容器，或者將模型加載到設備上。