Feature Store und Online-Inferenz

Databricks Feature Store bietet ein zentrales Repository, das es Datenwissenschaftlern ermöglicht, Merkmale zu finden und zu teilen und stellt außerdem sicher, dass der gleiche Code, der zur Berechnung der Merkmalswerte verwendet wird, auch für das Modelltraining und die Inferenz verwendet wird.

Databricks Feature Store löst die Komplexität des Umgangs mit großen Datensätzen im großen Maßstab für das Training und kleinen Daten für die Echtzeit-Inferenz, und beschleunigt Ihr Data-Science-Team mit bewährten Methoden.

In dieser Demo werden wir die vollständigen Funktionen des Feature Store und der Online-Tabelle in einer Reihe von drei Notebooks abdecken. Jedes Notebook wird neue Funktionen einführen:

• Feature Store-Lookup-Tabellen innerhalb des Unity-Katalogs
• Nutzen Sie Databricks AutoML, um programmgesteuert ein Modell zu erstellen
• Verwenden Sie punktgenaue Abfragen, um Datenverluste zu verhindern
• Fügen Sie eine Streaming-Tabelle hinzu, um Ihre Merkmale in Echtzeit zu aktualisieren
• Implementieren Sie einen Online-Shop für Echtzeit-Inferenz
• Fügen Sie Feature Spec hinzu, um Merkmale in Echtzeit über die Unity Catalog Funktion zu berechnen
• Implementieren Sie Ihr Modell als serverlosen Bereitstellungsendpunkt

 

Um die Demo zu installieren, besorgen Sie sich eine kostenlose Databricks-Arbeitsumgebung und führen Sie die folgenden zwei Befehle in einem Python-Notebook aus.

Dbdemos ist eine Python-Bibliothek, die vollständige Databricks-Demos in Ihren Arbeitsbereichen installiert. Dbdemos lädt und startet Notebooks, Delta Live Tables-Pipelines, Cluster, Databricks SQL-Dashboards, Warehouse-Modelle ... Sehen Sie wie man dbdemos verwendet

 

Dbdemos wird als GitHub-Projekt bereitgestellt.

Für weitere Details, bitte sehen Sie sich die GitHub README.md Datei an und folgen Sie der Dokumentation.
Dbdemos wird so bereitgestellt, wie es ist. Siehe die Lizenz und Hinweis für weitere Informationen.
Databricks bietet keinen offiziellen Support für dbdemos und die zugehörigen Assets.
Bei Problemen, bitte ein Ticket öffnen und das Demo-Team wird sich nach bestem Bemühen darum kümmern.