Implementowanie rozwiązania do uczenia maszynowego za pomocą usługi Azure Databricks
Azure Databricks to platforma w skali chmury do analizy danych i uczenia maszynowego. Analitycy danych i inżynierowie uczenia maszynowego mogą używać usługi Azure Databricks do implementowania rozwiązań uczenia maszynowego na dużą skalę.
Wymagania wstępne
W tej ścieżce szkoleniowej założono, że masz doświadczenie w używaniu języka Python do eksplorowania danych i trenowania modeli uczenia maszynowego za pomocą typowych struktur typu open source, takich jak Scikit-Learn, PyTorch i TensorFlow. Przed rozpoczęciem tej ścieżki szkoleniowej rozważ ukończenie ścieżki szkoleniowej Tworzenie modeli uczenia maszynowego.
Kod osiągnięć
Czy chcesz zażądać kodu osiągnięcia?
Moduły w ramach tej ścieżki szkoleniowej
Azure Databricks to usługa w chmurze, która zapewnia skalowalną platformę do analizy danych przy użyciu platformy Apache Spark.
Usługa Azure Databricks jest oparta na platformie Apache Spark i umożliwia inżynierom danych i analitykom uruchamianie zadań platformy Spark w celu przekształcania, analizowania i wizualizowania danych na dużą skalę.
Uczenie maszynowe obejmuje używanie danych do trenowania modelu predykcyjnego. Usługa Azure Databricks obsługuje wiele powszechnie używanych platform uczenia maszynowego, których można używać do trenowania modeli.
MLflow to platforma typu open source do zarządzania cyklem życia uczenia maszynowego, który jest natywnie obsługiwany w usłudze Azure Databricks.
Dostrajanie hiperparametrów jest istotną częścią uczenia maszynowego. W usłudze Azure Databricks możesz automatycznie zoptymalizować hiperparametry za pomocą biblioteki Hyperopt.
Rozwiązanie AutoML w usłudze Azure Databricks upraszcza proces tworzenia efektywnego modelu uczenia maszynowego dla danych.
Uczenie głębokie używa sieci neuronowych do trenowania wysoce skutecznych modeli uczenia maszynowego na potrzeby złożonych prognoz, przetwarzania obrazów, przetwarzania języka naturalnego i innych obciążeń sztucznej inteligencji.
Uczenie maszynowe umożliwia podejmowanie decyzji i automatyzację oparte na danych, ale wdrażanie modeli w środowisku produkcyjnym w celu uzyskania szczegółowych informacji w czasie rzeczywistym jest trudne. Usługa Azure Databricks upraszcza ten proces, zapewniając ujednoliconą platformę do tworzenia, trenowania i wdrażania modeli uczenia maszynowego na dużą skalę, wspierając współpracę między analitykami danych i inżynierami.