机器学习在生产中的应用

描述

在本课程中，您将学习mlop将机器学习模型投入生产的最佳实践。课程的前半部分使用特征存储来注册训练数据，并使用MLflow来跟踪机器学习生命周期，打包用于部署的模型，以及管理模型版本。课程的后半部分将讨论生产问题，包括部署范例、监控和CI/CD。在本课程结束时，您将构建一个端到端管道来记录、部署和监控机器学习模型。

本课程将为你准备Databricks认证机器学习专业考试．

持续时间

1个全天或2个半天

目标

• 跟踪、版本和管理机器学习实验
• 利用Databricks特征存储进行可重复的数据管理
• 实现用于批量、流和实时部署模型的策略
• 构建监控解决方案，包括漂移检测

先决条件

• 有Python和pandas的中级经验(或完成数据科学与数据工程Python入门）
• 熟悉Apache Spark(或完成Apache Spark编程）
• 机器学习和数据科学的工作知识(或完成使用Apache Spark进行可扩展的机器学习）

大纲

第一天

• ML在生产中的应用概述
• 使用Delta和Databricks Feature Store进行数据管理
• 使用MLflow跟踪试验跟踪和版本控制
• 使用MLflow模型和模型注册表进行模型管理
• 使用webhook进行自动化测试
• 部署模式
• 监控和CI/CD

如有任何疑问，请向我们查询常见问题页面。