在生产中机器学习

描述

在本课程中,您将学习MLOps最佳实践将机器学习模型投入生产。上半年的课程注册使用一个特性存储训练数据,并使用MLflow跟踪机器学习生命周期,包模型部署和版本管理模型。下半年的课程检查生产问题,包括部署模式、监视和CI / CD。通过这门课的结束,你将建立一个端到端的管道日志,部署和监控机器学习模型。

本课程将帮助你把砖机器学习专业认证考试。

持续时间

1天或2天的一半

目标

• 跟踪、版本和管理机器学习实验
• 利用砖功能为可再生的数据存储管理
• 实现批处理策略部署模型,流媒体和实时
• 构建监测解决方案,包括漂移检测

先决条件

• 中间经历Python和熊猫(或完成介绍了Python数据科学与数据工程)
• 熟悉Apache火花(或完成Apache火花编程)
• 机器学习和数据科学的工作知识(或完成可扩展的机器学习与Apache火花)

大纲

第一天

• 毫升生产概述
• 数据管理与三角洲和砖特色商店
• 实验与MLflow跟踪跟踪和版本控制
• 模型管理与MLflow模型和模型注册表
• 自动化测试与人
• 部署模式
• 监控和CI / CD

如果你有任何问题,请参阅我们的常见问题页面。