MLOps — エンドツーエンドのパイプライン

このデモは完全なMLOpsパイプラインをカバーしています。私たちは、ガバナンス、セキュリティ、堅牢性を確保しながら、Databricks Lakehouseを活用してモデルを本番環境に組織化し、デプロイする方法をお見せします。

• データを取り込み、フィーチャーストアに保存します
• Databricks AutoMLでMLモデルを構築する
• MLflowのフックを設定して、モデルを自動的にテストします
• モデルテストジョブを作成する
• テストが検証されたら、モデルを自動的に本番環境に移行します
• ドリフトを防ぐために、定期的にモデルを再訓練してください。

これはかなり高度なデモであることに注意してください。Databricksが初めてで、MLについて学びたいだけの場合は、MLデモまたはLakehouseデモのいずれかから始めることをお勧めします。

デモをインストールするには、無料のDatabricksワークスペースを取得し、Pythonノートブックで以下の2つのコマンドを実行します

%pip dbdemosをインストールします

import dbdemos
dbdemos.install('mlops-end2end')をインストールします

Dbdemosは、Databricksのデモをワークスペースに完全にインストールするPythonライブラリです。Dbdemosはノートブック、Delta Live Tablesパイプライン、クラスター、Databricks SQLダッシュボード、ウェアハウスモデルなどをロードして開始します。 dbdemosの使い方をご覧ください

DbdemosはGitHubプロジェクトとして配布されています。

詳細については、GitHubのREADME.mdファイルをご覧いただき、ドキュメンテーションに従ってください。
Dbdemosはそのまま提供されています。詳細はライセンスと通知をご覧ください。
Databricksは、dbdemosおよび関連資産に対して公式のサポートを提供していません。
問題が発生した場合は、チケットを開いてデモチームが最善を尽くして対応します。