Databricks Machine Learning handleiding
Databricks Machine Learning is een geïntegreerde end-to-end machine learning-omgeving waarin beheerde services voor het bijhouden van experimenten, modeltraining, functieontwikkeling en -beheer en functies en modellen worden gebruikt. In het diagram ziet u hoe de mogelijkheden van Azure Databricks aan de stappen van het modelontwikkelings- en implementatieproces.
Overzicht van Databricks Machine Learning
Met Databricks Machine Learning kunt u het volgende doen:
- Modellen handmatig trainen of met AutoML
- Trainingsparameters en -modellen bijhouden met behulp van experimenten met MLflow-tracering
- Functietabellen maken en deze openen voor modeltraining en de deferie
- Modellen delen, beheren en bedienen met modelregister
U hebt ook toegang tot alle mogelijkheden van de Azure Databricks-werkruimte, zoals notebooks, clusters, taken, gegevens, Delta-tabellen, beveiliging en beheerbesturingselementen, en meer. Zie de Databricks Data Science Engineering-handleiding voor meer informatie.
Voor machine learning-toepassingen raadt Databricks aan om een cluster met Databricks Runtime te Machine Learning.
Als u wilt beginnen, beweegt u de muis of de muisaanwijzer over de linkerzijbalk in Azure Databricks werkruimte. De zijbalk wordt uitgebreid terwijl u er met de muis over beweegt. Selecteer in de schakelaar voor persona bovenaan de zijbalk de optie Machine Learning. De startpagina van Machine Learning Databricks wordt weergegeven.
Zie De zijbalk gebruiken voor meer informatie over het gebruik van de zijbalk.
Zelfstudies
Gebruikershandleidingen
- Startpagina van Databricks Machine Learning
- Gegevens voorbereiden
- Configuratie van de omgeving
- Databricks AutoML
- Modellen trainen
- Ontwikkeling van traceringsmodellen
- Gevolgtrekking
- Modellen beheren
- Modellen implementeren
- Modellen exporteren en importeren
- Referentieoplossingen
- Handleiding voor MLflow