Databricks Machine Learning in Aktion

Die Skalierung von Machine-Learning-Modellen von einer lokalen Umgebung auf die Produktion auf Unternehmensebene erfordert leistungsstarke Tools und einen strukturierten Workflow. Dieser textbasierte Kurs führt Sie durch die Kernkonzepte der Cloud-Datenwissenschaft mit Databricks, sodass Sie den gesamten Lebenszyklus des maschinellen Lernens selbstbewusst verwalten können. Sie werden vom Verständnis grundlegender Konzepte des verteilten Rechnens zum Erstellen, Nachverfolgen und Bereitstellen produktionsreifer Modelle übergehen. Durch klare schriftliche Erklärungen, strukturierte Code-Walkthroughs und konzeptionelle Übungen meistern Sie die praktischen Workflows, die von Data Scientists verwendet werden, um reale Probleme im großen Maßstab zu lösen. Was Sie lernen werden: - Verstehen Sie die grundlegende Architektur von Databricks, PySpark und verteiltem maschinellem Lernen. - Bereiten Sie große Datensätze mit modernen Spark DataFrame-APIs vor und bereinigen Sie sie. - Erstellen und trainieren Sie Machine-Learning-Modelle mit Spark MLlib und integrieren Sie beliebte Einzelknotenbibliotheken. - Verfolgen Sie Experimente, Parameter und Metriken mit MLflow, um die Reproduzierbarkeit sicherzustellen. - Registrieren, Versionieren und Bereitstellen von Modellen für Produktionsendpunkte für die Echtzeitbereitstellung. - Wenden Sie moderne MLOps-Praktiken an, einschließlich Feature Stores und grundlegender Pipeline-Automatisierung. Der Kurs beginnt mit der wesentlichen Terminologie und Einrichtung, bevor systematisch die Datenvorbereitung, das Modelltraining, die Experimentverfolgung und die Bereitstellungsstrategien durchgeführt werden. Dieser Kurs richtet sich an angehende Data Scientists, Data Engineers und Entwickler, die neu bei Databricks sind und skalierbare Machine Learning-Lösungen erstellen möchten. Es sind keine Vorkenntnisse im Bereich des verteilten Rechnens erforderlich, aber Grundkenntnisse in Python sind hilfreich. Lesen Sie noch heute weiter, um skalierbare Machine Learning-Workflows auf Databricks zu meistern.