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
即将到来的公共类
如果你有任何问题,请参阅我们的常见问题页面。