Implementing a Machine Learning solution with Azure Databricks

Azure Databricks ist eine Plattform im Cloudmaßstab für Datenanalyse und Machine Learning. Data Scientists und Machine Learning-Engineers können Azure Databricks verwenden, um Machine-Learning-Lösungen im großen Stil zu implementieren.

Inhalt

• Erkunden von Azure Databricks
• Verwenden von Apache Spark in Azure Databricks
• Trainieren eines Machine Learning-Modells in Azure Databricks
• Verwenden von MLflow in Azure Databricks
• Optimieren von Hyperparametern in Azure Databricks
• Verwenden von AutoML in Azure Databricks
• Trainieren von Deep Learning-Modellen in Azure Databricks

Azure Databricks ist eine vollständig verwaltete, cloudbasierte Datenanalyseplattform, mit der Entwickler KI und Innovationen beschleunigen können, indem der Erstellungsprozess von Datenanwendungen auf Unternehmensniveau vereinfacht wird. Azure Databricks wurde gemeinsam von Microsoft und dem Team hinter Apache Spark entwickelt und bietet Data Science-, Datentechnik- und Analyseteams eine zentrale Plattform für Data Lakehouse-Analysen und Machine Learning.

Durch die Kombination der Leistungsfähigkeit von Databricks, einer End-to-End-, verwalteten Apache Spark-Plattform, die für die Cloud optimiert ist, mit der Unternehmensskala und Sicherheit der Azure-Plattform von Microsoft ermöglicht Azure Databricks Organisationen die Ausführung umfangreicher Datenanalyseworkloads, die umfassende Business Intelligence- und KI-Lösungen ermöglichen.

Voraussetzung

In diesem Lernpfad wird davon ausgegangen, dass Sie über Erfahrung im Umgang mit Python für die Untersuchung von Daten verfügen und damit vertraut sind, Machine Learning-Modelle mit gängigen Open-Source-Frameworks wie Scikit-Learn, PyTorch und TensorFlow zu trainieren. Ziehen Sie in Erwägung, den Lernpfad Erstellen von Machine Learning-Modellen zu absolvieren, bevor Sie den vorliegenden Lernpfad bearbeiten.

Zielgruppe

• Fortgeschrittene Anfänger
• Data Scientist
• Azure Databricks