2019年Spark + AI峰会MLflow会谈指南

不到一年的时间MLflow已经达到了近50万的月下载量，并聚集了80多名代码贡献者和40多家贡献组织，证实了需要一种开源方法来帮助标准化跨工具、团队和流程的机器学习生命周期。bob下载地址

我们很高兴下周在旧金山举办的2019年Spark + AI峰会上邀请我们的一些主要贡献者和客户。下面是MLflow的会话、教程和培训列表，供您深入了解。

培训

注册生产中的机器学习:MLflow和模型部署MLflow全天课程，在那里您将学习将机器学习模型投入生产的最佳实践。它从使用MLflow管理实验、项目和模型开始，然后探索各种部署选项，包括批处理预测、Spark Streaming和REST api。最后，本文还介绍了机器学习模型部署到生产环境后的监控。

主题

与Matei Zaharia一起参加4月25日周四的主题演讲:使用MLflow 1.0加速机器学习生命周期了解更BOB低频彩多关于MLflow 1.0的开发计划，MLflow的下一个版本，它将稳定MLflow api，并引入多个新功能来简化ML生命周期。我们还将讨论Databricks和其他公司在2019年剩余时间内正在开发的其他MLflow组件，例如用于模型管理、多步管道和在线监控的改进工具。

会话

我们在MLflow的整个会议上都有非常棒的演讲者阵容和会议。加入来自Comcast、Showtime、GOJEK、RStudio、Databricks等的专家，在MLflow上了解现实生活中的例子和深度研究:

• 使用MLlib、MLflow和Jupyter从scikit-learn中移动一个打击欺诈的随机森林，乔什·约翰斯顿Kount。
• 数据驱动的转换:用Apache Spark利用大数据，乔什·麦克纳特而且Keria Bermudez-HernandezShowtime Networks Inc.的董事长。
• MLflow超参数调优的最佳实践与约瑟夫·布拉德利砖。
• 利用MLflow的机器学习扩展叫车服务，威廉皮纳尔而且Md JawadGOJEK。
• 如何利用MLflow和Kubernetes构建企业ML平台bob体育客户端下载与尼古拉斯Pinckernell康卡斯特。
• 基于MLflow的深度学习高级超参数优化与Maneesh Bhide砖。
• 使用R和MLflow简化AI原型和部署，凯文·郭RStudio。
• Splice Machine对Apache Spark和MLflow的使用，基因戴维斯剪接机。

免费的教程

最后但并非最不重要的，你可以加入使用MLflow管理完整的机器学习生命周期80分钟的免费实验由安德烈Mesarovic而且里卡多Portilla砖。在本教程中，我们将向您展示如何使用MLflow帮助您跟踪跨框架的实验和结果，快速重现运行，并使用Databricks生产作业、Docker容器、Azure ML或Amazon SageMaker生产模型。

下一个步骤

您可以从时间表如果您还没有注册，请使用折扣代码JulesPicks为了得到一个15%的折扣。

要开始使用开源MLflow，请遵循bob下载地址mlflow.org或查看发布代码Github．

如果您是现有的Databricks用户，您可以通过导入快速入门笔记本来开始使用托管MLflowAzure砖或AWS．如果您还不是Databricks用户，请访问www.neidfyre.com/product/managed-mlflow了解更BOB低频彩多信息，并开始免费试用Databricks和Managed MLflow//www.neidfyre.com/try-databricks．