Machine Learning
Accelerate your AI projects with a data-centric approach to machine learning
Un approfondimento sul Machine Learning in Databricks
Built on an open lakehouse architecture, Databricks Machine Learning empowers ML teams to prepare and process data, streamlines cross-team collaboration and standardizes the full ML lifecycle from experimentation to production.
Semplificare tutti gli aspetti dei dati per il ML
Poiché Databricks ML è basato su una piattaforma lakehouse aperta con Delta Lake, il team di machine learning potrà accedere, esplorare e preparare qualsiasi tipo di dati in qualsiasi quantità. Le feature possono essere trasformate in pipeline di produzione con una modalità self-service senza dipendere dagli ingegneri dei dati.
Automatizzare il tracciamento e la governance degli esperimenti
Managed MLflow traccia automaticamente gli esperimenti e registra parametri, metriche, versioni di dati e codice, oltre agli artefatti dei modelli a ogni ciclo di addestramento. Si possono visualizzare velocemente cicli precedenti, confrontare i risultati e riprodurre un risultato passato, secondo necessità. Una volta individuata la versione migliore di un modello per la produzione, il modello può essere registrato nel Model Registry per semplificare i passaggi di consegne lungo tutto il ciclo di vita dello sviluppo.
Manage the full model lifecycle from data to production — and back
Una volta registrati, i modelli addestrati possono essere gestiti in maniera collaborativa lungo tutto il ciclo di vita con Model Registry. Si possono gestire diverse versioni e i modelli possono passare attraverso diversi stadi, ad esempio sperimentazione, staging, produzione e archiviazione. La gestione del ciclo di vita si integra con i flussi di lavoro di approvazione e governance, con controlli di accesso basati sui ruoli. Commenti e notifiche via mail offrono un ambiente di collaborazione ricco per i team di gestione dei dati.
Implementare modelli ML su larga scala con bassa latenza
Deploy models with a single click without having to worry about server management or scale constraints. With Databricks, you can deploy your models as REST API endpoints anywhere with enterprise-grade availability.

Componenti del prodotto
Risorse
eBook
Demos and blogs
Eventi virtuali
- AutoML: Rapid, Simplified machine learning for everyone
- Evento virtuale MLOps: Standardizing MLOps at Scale
- Automatizzare il ciclo di vita ML con Databricks Machine Learning
- Evento virtuale MLOps “Operationalizing Machine Learning at Scale”
- Costruire piattaforme di Machine Learning
- Delta Lake: la tecnologia alla base del Lakehouse