在生产中机器学习
描述
在本课程中,您将学习的最佳实践来管理机器学习与MLflow实验和模型。在这个课程中有两个主要组件:(i)使用MLflow跟踪机器学习生命周期,包模型部署和管理模型版本和(2)检查各种生产问题,不同的部署模式和后期制作问题。通过这门课的结束,你将建立一个端到端的管道日志,部署和监控机器学习模型。
本课程将帮助你把砖机器学习专业认证考试。
持续时间
1天或2天的一半
目标
- 跟踪、版本和管理机器学习实验
- 利用砖功能为可再生的数据存储管理
- 实现批处理策略部署模型,流媒体和实时
- 构建监测解决方案,包括漂移检测
先决条件
- 中间经历Python和熊猫
- 机器学习和数据科学的工作知识(scikit-learn、TensorFlow等)。
- 熟悉Apache火花
大纲
第一天
- 毫升生产概述
- 数据管理与三角洲和砖特色商店
- 实验与MLflow跟踪跟踪和版本控制
- 模型管理与MLflow模型和模型注册表
- 自动化测试与人
- 部署模式
- 监控和CI / CD