Databricks Machine Learning guide
Databricks Machine Learning är en integrerad maskininlärningsmiljö från end-to-end med hanterade tjänster för experimentspårning, modellträning, funktionsutveckling och -hantering samt funktion och modellhantering. Diagrammet visar hur funktionerna i Azure Databricks mappa till stegen i processen för modellutveckling och -distribution.
Översikt Machine Learning Databricks
Med Databricks Machine Learning kan du:
- Träna modeller manuellt eller med AutoML
- Spåra träningsparametrar och modeller med hjälp av experiment med MLflow-spårning
- Skapa funktionstabeller och få åtkomst till dem för modellträning och slutsatsledning
- Dela, hantera och hantera modeller med Model Registry
Du har också åtkomst till alla funktioner i Azure Databricks-arbetsytan, till exempel notebook-datorer, kluster, jobb, data, Delta-tabeller, säkerhets- och administratörskontroller och så vidare. Mer information finns i datavetenskapsguiden för Databricks.
För maskininlärningsprogram rekommenderar Databricks att du använder ett kluster som kör Databricks Runtime för Machine Learning.
Kom igång genom att flytta musen eller pekaren över det vänstra sidofältet i Azure Databricks arbetsytan. Sidopanelen expanderas när du för muspekaren över den. Från persona-växlaren högst upp i sidofältet väljer du Machine Learning. Startsidan för Databricks Machine Learning visas.
Mer information om hur du använder sidopanelen finns i Använda sidofältet.
Självstudier
Användarguider
- Startsidan Machine Learning Databricks
- Förbereda data
- Miljökonfiguration
- Databricks AutoML
- Inlärningsmodeller
- Spåra modellutveckling
- Slutledning
- Hantera modeller
- Distribuera modeller
- Exportera och importera modeller
- Referenslösningar
- MLflow-guide