Loja de Recursos e Inferência Online

O Databricks Feature Store fornece um repositório centralizado que permite aos cientistas de dados encontrar e compartilhar recursos e também garante que o mesmo código usado para calcular os valores dos recursos seja usado para treinamento e inferência do modelo.

O Databricks Feature Store resolve a complexidade de lidar com grandes conjuntos de dados em escala para treinamento e pequenos dados para inferência em tempo real, acelerando sua equipe de ciência de dados com as melhores práticas.

Nesta demonstração, abordaremos todas as capacidades do Feature Store e da Tabela Online em um conjunto de três notebooks. Cada notebook introduzirá novas capacidades:

• Tabelas de consulta do Feature Store dentro do Catálogo Unity
• Aproveite o Databricks AutoML para construir um modelo programaticamente
• Use consultas pontuais para prevenir vazamento de dados
• Adicione uma tabela de streaming para atualizar suas características em tempo real
• Implemente uma loja online para inferência em tempo real
• Adicione Spec de Recurso para calcular recursos em tempo real através da função Catálogo Unity
• Implante seu modelo como um ponto de atendimento sem servidor

Para instalar a demonstração, obtenha uma área de trabalho Databricks gratuita e execute os dois comandos seguintes em um notebook Python.

%pip instale dbdemos

import dbdemos
dbdemos.install('feature-store', catalog='main', schema='dbdemos_fs_travel')

Dbdemos é uma biblioteca Python que instala demonstrações completas do Databricks em seus espaços de trabalho. Dbdemos carregará e iniciará notebooks, pipelines Delta Live Tables, clusters, painéis Databricks SQL, modelos de armazém ... Veja como usar dbdemos

Dbdemos é distribuído como um projeto do GitHub.

Para mais detalhes, por favor, veja o GitHub arquivo README.md e siga a documentação.
Dbdemos é fornecido como está. Veja a Licença e Aviso para mais informações.
Databricks não oferece suporte oficial para dbdemos e os ativos associados.
Para qualquer problema, por favor, abra um ticket e a equipe de demonstração dará uma olhada com base no melhor esforço.