Databricks Machine Learning w akcji

Skalowanie modeli uczenia maszynowego ze środowiska lokalnego do produkcji klasy korporacyjnej wymaga zaawansowanych narzędzi i uporządkowanego przepływu pracy. Ten kurs tekstowy przeprowadzi Cię przez podstawowe pojęcia analizy danych w chmurze przy użyciu Databricks, umożliwiając pewne zarządzanie całym cyklem życia uczenia maszynowego. Przejdziesz od zrozumienia podstawowych koncepcji obliczeń rozproszonych do budowania, śledzenia i wdrażania gotowych do produkcji modeli. Dzięki jasnym pisemnym wyjaśnieniom, uporządkowanym przewodnikom po kodzie i ćwiczeniom koncepcyjnym opanujesz praktyczne przepływy pracy wykorzystywane przez naukowców zajmujących się danymi do rozwiązywania rzeczywistych problemów na dużą skalę. Czego się nauczysz: - Zapoznaj się z podstawową architekturą Databricks, PySpark i rozproszonego uczenia maszynowego. - Przygotuj i wyczyść duże zbiory danych za pomocą nowoczesnych interfejsów API Spark DataFrame. - Twórz i trenuj modele uczenia maszynowego za pomocą Spark MLlib i integruj popularne biblioteki jednowęzłowe. - Śledź eksperymenty, parametry i wskaźniki za pomocą MLflow, aby zapewnić odtwarzalność. - Zarejestruj, wersja i wdrażaj modele do produkcyjnych punktów końcowych w celu serwowania w czasie rzeczywistym. - Zastosuj nowoczesne praktyki MLOps, w tym sklepy z funkcjami i podstawową automatyzację rurociągów. Kurs zaczyna się od podstawowej terminologii i konfiguracji, zanim przejdzie systematycznie przez przygotowanie danych, szkolenie modelu, śledzenie eksperymentów i strategie wdrażania. Ten kurs jest przeznaczony dla początkujących naukowców, inżynierów danych i programistów, którzy są nowi w Databricks i chcą tworzyć skalowalne rozwiązania uczenia maszynowego. Nie jest wymagane wcześniejsze doświadczenie z obliczeniami rozproszonymi, chociaż pomocna jest podstawowa znajomość Pythona. Zacznij czytać już dziś, aby opanować skalowalne procesy uczenia maszynowego w Databricks.