MLOps — Pipeline End-to-End

Questa demo copre una pipeline MLOps completa. Ti mostreremo come Databricks Lakehouse può essere sfruttato per orchestrare e implementare modelli in produzione garantendo al contempo governance, sicurezza e robustezza.

• Inserisci i dati e salvali in un feature store
• Costruisci modelli di ML con Databricks AutoML
• Configura gli hook di MLflow per testare automaticamente i tuoi modelli
• Crea il lavoro di test del modello
• Sposta automaticamente i modelli in produzione una volta che i test sono validati
• Riaddestra periodicamente il tuo modello per prevenire la deriva

Nota che questa è una demo piuttosto avanzata. Se sei nuovo su Databricks e vuoi solo imparare sul ML, ti consigliamo di iniziare con una demo di ML o una delle demo di Lakehouse.

Per installare la demo, ottieni un workspace Databricks gratuito ed esegui i seguenti due comandi in un notebook Python.

%pip installa dbdemos

importa dbdemos
dbdemos.install('mlops-end2end')

Dbdemos è una libreria Python che installa demo complete di Databricks nei tuoi spazi di lavoro. Dbdemos caricherà e avvierà quaderni, pipeline di Delta Live Tables, cluster, dashboard di Databricks SQL, modelli di warehouse ... Vedi come utilizzare dbdemos

Dbdemos è distribuito come un progetto GitHub.

Per ulteriori dettagli, si prega di visualizzare il file GitHub README.md e seguire la documentazione.
Dbdemos è fornito così com'è. Consulta la Licenza e Avviso per ulteriori informazioni.
Databricks non offre supporto ufficiale per dbdemos e gli asset associati.
Per qualsiasi problema, si prega di aprire un ticket e il team della demo darà un'occhiata nel miglior modo possibile.