Implementar uma solução de Machine Learning com o Azure Databricks
O Azure Databricks é uma plataforma à escala da cloud para análise de dados e aprendizagem automática. Cientistas de dados e engenheiros de aprendizado de máquina podem usar o Azure Databricks para implementar soluções de aprendizado de máquina em escala.
Pré-requisitos
Este caminho de aprendizado pressupõe que você tenha experiência em usar Python para explorar dados e treinar modelos de aprendizado de máquina com estruturas comuns de código aberto, como Scikit-Learn, PyTorch e TensorFlow. Considere concluir o caminho de aprendizagem Criar modelos de aprendizado de aprendizado de máquina antes de iniciar este.
Código de Feito
Pretende pedir um código de feito?
Módulos neste percurso de aprendizagem
O Azure Databricks é um serviço de nuvem que fornece uma plataforma escalável para análise de dados usando o Apache Spark.
O Azure Databricks é baseado no Apache Spark e permite que engenheiros e analistas de dados executem trabalhos do Spark para transformar, analisar e visualizar dados em escala.
O aprendizado de máquina envolve o uso de dados para treinar um modelo preditivo. O Azure Databricks dá suporte a várias estruturas de aprendizado de máquina comumente usadas que você pode usar para treinar modelos.
O MLflow é uma plataforma de código aberto para gerenciar o ciclo de vida do aprendizado de máquina com suporte nativo no Azure Databricks.
Ajustar hiperparâmetros é uma parte essencial do aprendizado de máquina. No Azure Databricks, você pode usar a biblioteca Hyperopt para otimizar hiperparâmetros automaticamente.
O AutoML no Azure Databricks simplifica o processo de criação de um modelo de aprendizado de máquina eficaz para seus dados.
A aprendizagem profunda usa redes neurais para treinar modelos de aprendizado de máquina altamente eficazes para previsão complexa, visão computacional, processamento de linguagem natural e outras cargas de trabalho de IA.